输入   goal (高层目标)  +  constraints (可选约束)
  │
  ▼
处理   拆解引擎：LLM 语义拆解（默认 Ollama 本地模型）│ 启发式规则拆解（离线兜底）
  │
  ▼
输出   Plan = 任务列表[
         id, title, type(research|design|code|write|verify),
         depends_on[], acceptance[], effort(S|M|L)
       ]  +  质量门控(validate)

cd agent-task-planner
pip install -r requirements.txt
# 可选：启用 LLM 引擎
pip install openai

# 拆解为 markdown 计划（默认）
python cli.py plan "为一个 Python 库实现 MCP 接入并发布到 GitHub"

# 导出 mermaid（可直接贴进支持 mermaid 的 Markdown 渲染器）
python cli.py plan "写一个爬虫抓取天气数据" -f mermaid

# 导出 json 并落盘，再校验
python cli.py plan "搭建个人博客" -f json > plan.json
python cli.py validate plan.json
python cli.py export plan.json -f markdown

from planner import plan
p = plan("为项目补充单元测试")
print(p.to_markdown())
v = p.validate()   # {"ok": True, "issues": [], "task_count": 4}

export ATP_LLM_BASE_URL="http://localhost:11434/v1"   # Ollama 本地
export ATP_LLM_API_KEY="ollama"
export ATP_LLM_MODEL="qwen2.5:7b"

python examples/check_planner.py