/wayfinder：帮 AI Agent 穿过项目规划的“战争迷雾”
当项目一开始就无法把所有事情想清楚
Matt Pocock 最近发布了一个名为 /wayfinder 的技能，目标是解决一种很常见的 AI 编程场景：你知道自己要做一个项目，却还无法在起点就明确最终形态、实现路径和全部细节。
Pocock 把这种状态称为项目规划中的“战争迷雾”。/wayfinder 的作用，就是帮助开发者和 Agent 在信息不完整、方向仍需探索时继续向前推进，而不是强迫团队在一开始就写出一份看似完整、实际上充满假设的计划。
为什么需要一个“规划编排层”
Pocock 此前大量使用 AFK Agent，也就是让 Agent 在人不持续盯着的情况下执行较长时间的任务。他已经形成了一套相对成熟的工作流：
- 先规划工作；
- 写成规格说明；
- 再把规格拆成任务单；
- 交给 Agent 持续执行。
真正让他感到负担的，并不是后续执行，而是前面的规划阶段。
在复杂项目里，规划本身可能持续很久。开发者不仅要思考产品和工程问题，还要同时管理 AI 会话：当前上下文已经用了多少 token、这个讨论还能深入多久、是否应该切换线程、哪些探索结果需要重新汇总。
当规划越来越复杂时，人实际上开始同时承担两份工作：一份是设计项目，另一份是管理 Agent 的上下文窗口。
/wayfinder 想把会话管理从人手里拿走
Pocock 希望增加一个更高层的“编排器”。它不直接替你决定整个项目应该长什么样，而是负责管理规划过程本身。
按照他的描述，这一层可以把一个尚未完全明确的问题拆成多个独立线程，分别进行研究、原型验证和探索，然后再把结果重新汇总起来。
这样做的目的，是让开发者在规划阶段不必因为单次会话的上下文限制而过早收敛。
换句话说，传统工作流往往要求你先尽量写清楚计划，再让 Agent 执行；/wayfinder 更强调：如果计划本身还不清楚，就先让 Agent 协助探索“应该如何计划”。
更详细的规划，为后续自主执行铺路
这一思路与 Pocock 使用 AFK Agent 的方式直接相关。
如果前期可以通过多个研究和原型线程获得更多信息，最终形成的规格说明就有机会更加详细。随后，再将这些规格交给能够长时间自主工作的 Agent 执行。
因此，/wayfinder 解决的重点并不是“让 Agent 写更多代码”，而是改善执行之前最容易被忽略的一层：如何在方向不确定时逐步形成足够可靠的计划。
对于绿地项目、技术路线尚未确定的功能，或者任何需要先研究再做决定的任务，这种方式尤其值得关注。
一个值得讨论的 Agent 工作流变化
/wayfinder 背后的思路体现了一种 Agent 工作流的变化：Agent 不再只接收已经定义好的任务，也开始参与任务定义、探索和规划本身。
这并不意味着项目可以完全脱离人的判断。相反，它试图把大量会话拆分、上下文管理、研究汇总等机械性工作交给编排层，让人把注意力更多放在关键决策上。
当 AI Agent 能连续执行越来越长的任务后，真正的瓶颈可能不再只是代码生成能力，而是：我们能否为它们持续提供清晰、经过验证且足够详细的工作方向。
/wayfinder 正是在尝试解决这一问题。