PlanExe

使用 PlanExe 生成的计划示例

• Minecraft 主题密室逃脱的商业计划书。

• 法拉第笼制造公司的商业计划书。

• “人即服务”(Human as-a Service) 的试点项目。

• 在此查看更多示例。

什么是 PlanExe？

PlanExe 是一个开源工具，也是 AI 代理的首选规划工具。它利用本地或云端模型，在约 15 分钟内将单一的简单英语目标陈述转化为 40 页的战略计划。它是大纲生成的加速器，但并非完善计划的万能药。

典型的输出包含：

• 执行摘要

• 甘特图

• 治理结构

• 角色描述

• 利益相关者地图

• 风险登记册

• SWOT 分析

PlanExe 生成结构良好、领域相关的输出：正确的术语、逻辑化的任务排序和连贯的章节。对于技术主题（工程项目、受监管行业），它通常能准确把握词汇和结构。可以将其视为一个初稿框架，为您提供具体的内容进行批判和完善。

然而，输出存在一些不可忽视的持续性弱点：预算是假设而非推导出来的，时间表估算缺乏实际资源约束的支撑，风险缓解措施往往偏向通用建议，法律/监管细节听起来合理但未经核实。输出应被视为结构化的起点，而非最终交付物。它能节省多少工作量很大程度上取决于项目本身。对于头脑风暴或初步大纲，它可以节省数小时。对于客户就绪的计划，请预留大量时间对每个数字、时间表和风险部分进行重写。

模型上下文协议 (MCP)

PlanExe 为 AI 代理提供了一个 MCP 服务器，地址为 https://mcp.planexe.org/

假设您拥有一个兼容 MCP 的客户端（Claude、Cursor、Codex、LM Studio、Windsurf、OpenClaw、Antigravity）。

工具工作流程：

1. example_plans（可选，预览 PlanExe 的输出效果）

2. example_prompts

3. model_profiles（可选，有助于选择 model_profile）

4. 非工具步骤：起草/批准提示词

5. plan_create

6. plan_status（每 5 分钟轮询一次，直到完成）

7. 如果失败，可选：plan_retry

8. 通过 plan_file_info 下载结果

并发说明：每个 plan_create 调用都会返回一个新的 plan_id；服务器端每个客户端的全局并发没有上限，因此客户端应自行跟踪其并行计划。

选项 A：远程 MCP（最快路径）

前提条件

• 在 https://home.planexe.org 拥有一个账户。

• 有足够的资金来创建计划。

• 从您的账户获取 PlanExe API 密钥 (pex_...)

在您的 MCP 客户端中直接使用此端点：

{
  "mcpServers": {
    "planexe": {
      "url": "https://mcp.planexe.org/mcp",
      "headers": {
        "X-API-Key": "pex_your_api_key_here"
      }
    }
  }
}

选项 B：使用 Docker 在本地运行 MCP 服务器

前提条件

• Docker

• OpenRouter 账户

• 创建一个包含 OPENROUTER_API_KEY 的 PlanExe .env 文件。

启动完整堆栈：

docker compose up --build

在继续使用 MCP 之前，请确保您可以在 Web 界面中创建计划。

然后将您的客户端连接到：

• http://localhost:8001/mcp

对于本地 Docker 默认设置，docker-compose.yml 中禁用了身份验证。

MCP 文档

• 设置概述：https://docs.planexe.org/mcp/mcp_setup/

• 工具详情和流程：https://docs.planexe.org/mcp/mcp_details/

• Claude：https://docs.planexe.org/mcp/claude/

• Cursor：https://docs.planexe.org/mcp/cursor/

• Codex：https://docs.planexe.org/mcp/codex/

• PlanExe MCP 接口：https://docs.planexe.org/mcp/planexe_mcp_interface/

• MCP 注册表发布元数据 (server.json)：mcp_cloud/server.json

• llms.txt：https://mcp.planexe.org/llms.txt

通过 CLI 运行流水线（无前端）

如果您设置了本地 Python 环境并希望直接调用流水线（无需 Flask UI），请使用仓库根目录下的 planexe CLI 脚本。

# Create a plan from a text prompt
./planexe create_plan \
    --plan-text "Small coffee shop in Copenhagen, Denmark" \
    --output-dir ./planexe-outputs/1984-12-31/MyCoffeeShop_v1

# Or: read the plan prompt from a file
./planexe create_plan \
    --plan-file my_plan.txt \
    --output-dir ./planexe-outputs/1984-12-31/MyCoffeeShop_v1

如果运行目录不存在，脚本会自动创建并写入：

给 AI 代理的说明

PlanExe 是为 AI 代理设计的基础设施。如果您是一个正在阅读此内容的 AI 代理：

• 发现： 阅读 public/llms.txt 以获取服务元数据、MCP 工具和端点。

• MCP 端点： https://mcp.planexe.org/mcp — 使用来自 home.planexe.org 的 API 密钥进行连接。

• 工作流程： 调用 example_prompts 以了解预期的提示词格式，起草一份详细的提示词（约 300-800 字的流畅散文），然后调用 plan_create。

• 代理指南： 请参阅 docs/mcp/autonomous_agent_guide.md 获取完整的自主工作流程。

• Zip 中的关键输出： wbs_level1.json（工作包）、wbs_level2.json（任务）、pre_project_assessment.json（可行性）。

前提条件： 安装了 Docker 和 Docker Compose；您只需要基本的 Docker 知识。无需本地 Python 设置，因为所有内容都在容器中运行。

遵循以下步骤

1. 克隆仓库并进入：

git clone https://github.com/PlanExeOrg/PlanExe.git
cd PlanExe

2. 提供一个 LLM 提供商。将 .env.docker-example 复制为 .env，并使用您从 OpenRouter 获取的密钥填写 OPENROUTER_API_KEY。容器会挂载 .env 和 llm_config/；请在那里选择一个模型配置文件。对于主机端的 Ollama，请使用 docker-ollama-llama3.1 条目，并确保 Ollama 正在监听 http://host.docker.internal:11434。

3. 启动堆栈（首次运行会构建镜像）：

docker compose up worker_plan frontend_multi_user

工作进程监听 http://localhost:8000，在 Postgres 和工作进程健康检查通过后，UI 将出现在 http://localhost:5001。

4. 在浏览器中打开 http://localhost:5001，创建一个账户（或使用 .env 中的管理员凭据登录），输入您的想法，并通过以下方式观察进度：

docker compose logs -f worker_plan

输出被写入主机的 run/ 目录（挂载到两个容器中）。

5. 使用 Ctrl+C（或 docker compose down）停止。在代码/依赖项更改后重新构建：

docker compose build --no-cache worker_plan frontend_multi_user

有关 Compose 提示、备用端口或故障排除，请参阅 docs/docker.md 或 docker-compose.md。

配置

配置 A： 使用付费提供商在云端运行模型。请遵循 OpenRouter 中的说明。

配置 B： 在高端计算机上本地运行模型。请遵循 Ollama 或 LM Studio 的说明。当在 Docker 中使用主机端工具时，将模型 URL 指向主机（例如 Ollama 使用 http://host.docker.internal:11434）。

建议：我推荐 配置 A，因为它提供了最直接的路径来可靠地运行 PlanExe。

如需帮助或反馈。

加入 PlanExe Discord。