阶段三：交接
声明式阶段技能。由 prd-taskmaster 编排器在 current_phase 为 HANDOFF 时调用。用户切勿直接调用。
唯一规则：检测用户拥有什么，推荐一个模式，给用户一个结构化选择，然后分发所选模式。只有在 tier=premium 时模式 D 才可执行；否则为锁定预告。
进入门控
-
调用
mcp__plugin_prd_go__check_gate(phase="HANDOFF", evidence={})进行诊断。check_gate是一个退出门控：它需要user_mode_choice和plan_file_exists—— 两者均由 HANDOFF 本身产生，即用于推进的证据，而非进入的证据。首次进入时两者都不存在，因此这里预期会得到gate_passed: false——状态机的合法转换已保证只有合法进入。- 首次进入（尚无证据）：记录结果并继续执行流程。
- 重新进入：如果门控报告违规，报告违规并停止——这可以防止重新运行已完成的阶段或从 GENERATE 跳过。
-
读取 GENERATE 的输出——
.taskmaster/docs/prd.md、.taskmaster/tasks/tasks.json、.taskmaster/reports/task-complexity-report.json。如果缺少任何文件，报告并停止。门控本应捕获此问题，但这是双重保险。
交接检查清单
在运行流程之前，将以下内容复制到你的响应中：
交接检查清单：
- [ ] 检测到能力（层级 + 每个能力的标志）
- [ ] 推荐模式：___（理由：___）
- [ ] 显示摘要（规范位置、任务数、能力）
- [ ] 已将 CLAUDE.md 任务工作流追加（幂等）
- [ ] 已显示 AskUserQuestion 模式选择器（如果钩子被阻止，则使用文本回退）
- [ ] 用户选择已分发（模式 A / B / C，或层级为 premium 时的 D）
- [ ] 可选地发出复盘框架（静默容忍）
- [ ] 交接完成
步骤 1：检测能力
MCP（首选）：mcp__plugin_prd_go__detect_capabilities()
CLI 回退：python3 script.py detect-capabilities
返回一个 tier 字段（"free" 或 "premium"）以及每个能力的标志。
关键信号：
| 能力 | 启用内容 |
|---|---|
| superpowers 插件 | 模式 A、C（头脑风暴、计划、子代理） |
| task-master-ai（CLI 或 MCP） | 模式 B（原生自动执行循环） |
| ralph-loop 插件 | 模式 C（迭代执行循环） |
| atlas-launcher MCP（已许可） | 模式 D — Atlas Fleet（tier=premium） |
| atlas-loop / atlas-cdd 技能 | 传统模式 D 种子——已被 atlas-launcher 检测取代 |
| 研究模型（task-master 或 MCP） | 每个任务的深度研究 |
| Playwright MCP | 层级 S 浏览器验证 |
模式 D（Atlas Fleet）仅在 tier: "premium" 时解锁——即由 detect_atlas_launcher() 检测到已许可的 atlas-launcher MCP 注册。本地 atlas-loop/atlas-cdd 技能不会解锁它。请参阅步骤 2 和下面的模式 D 部分。
步骤 2：推荐一个模式
决策逻辑（第一个匹配获胜）：
- 存在
superpowers+ralph-loop→ 模式 C（推荐免费） - 仅
superpowers→ 模式 A（仅限计划，手动驱动） - 仅
task-master-ai→ 模式 B（原生自动执行） - 回退 → 模式 A
外部工具模式（E–J：Cursor、RooCode、Codex、Gemini、CodeRabbit、Aider）
通过 alternative_modes 字段作为替代方案提供，而非主要推荐。仅当 tier == "premium" 且任务图可并行化（>= 2 个独立的依赖链——检查 fleet-waves 输出：任何波次中 >= 2 个块）时，才推荐模式 D。Premium + 串行图：推荐最佳免费模式并说明原因（“你的任务形成单一依赖链——验证循环是此处的正确工具”）；Fleet 仍可选，但非默认。免费层级：模式 D 是锁定的 Atlas Pro 预告，无论安装了哪些本地插件，都不可选择。
模式 A：仅计划（手动）
推荐：仅计划
superpowers:writing-plans 创建你的实施计划
计划引用 tasks.json 中的 TaskMaster 任务 ID
你手动驱动执行
模式 B：TaskMaster 自动执行（模式 B — 仅限 TaskMaster 后端）
推荐：TaskMaster 自动执行
MCP： mcp__task-master-ai__next_task -> implement -> set_task_status(id, "done")（模式 B — 仅限 TaskMaster 后端）
CLI： task-master next -> implement -> task-master set-status --id N --status done（模式 B — 仅限 TaskMaster 后端）
原生 TaskMaster 执行循环（无需外部编排器）
模式 C：计划 + Ralph 循环（推荐免费）
推荐：计划 + Ralph 循环
superpowers:writing-plans → 引用 tasks.json ID 的实施计划
ralph-loop 包装每个任务：
next_task → set_task_status("in-progress") → 自信度 < 80% 时进行研究
→ subagent-driven-development → 执行门控（层级 A+ 证据）
→ 事后自信度检查 → 记录到 .claude/verification-log.md
→ set_task_status("done") → TodoWrite → 重复
完成：疑虑代理在承诺满足之前审查验证日志。
模式 D：Atlas Fleet（在 tier=premium 时可选择；免费时 🔒 锁定预告）
🔒 Atlas Fleet Atlas Pro · $29/月
跨 Claude、Codex 和 Gemini 的并行多会话执行：
你的任务图被分割为隔离 git 工作树的依赖波次
检查器门控合并到一个集成分支，一个最终 PR
持久收件箱结果收集（已验证，非叙述）
每个任务一个 CDD 证据卡；最后发出一个 SHIP_CHECK_OK
离开，回来时看到证明。
解锁：https://atlas-ai.au/pro （以上免费模式永久免费）
当 tier == "premium"（检测到已许可的 atlas-launcher）：模式 D 是真实可选的模式——分发它将调用 /prd:execute-fleet（波次编排器技能）。显示解锁卡片：
▸ Atlas Fleet ★ Pro · 许可证已激活
<N> 波次 · 基于你的依赖图估算 · 可离开
当 tier == "free"：模式 D 是锁定的预告——不可选择，永不执行。如果用户在锁定时选择了它，请回复：
“Atlas Fleet 是 Atlas Pro（$29/月）的一部分。在此项目上，它会将你的任务分割为跨隔离工作树的并行波次，带有检查器门控合并和一个最终 PR。请在 https://atlas-ai.au/pro 解锁——你的规范和任务已保存。与此同时，其他所有内容永久免费：请从下面选择一个免费模式。”
然后重新调用模式选择器（AskUserQuestion），并从选项中移除模式 D。
替代模式 E–J（外部 AI 工具）
当检测到这些工具时，detect_capabilities 返回 alternative_modes。用户可以选择它们中的任何一个，而不是模式 A–D。所有这些都是围绕相同 .taskmaster/tasks/tasks.json 的工具无关封装。
| 模式 | 工具 | 调用方式 |
|---|---|---|
| E | Cursor Composer | cursor --open .taskmaster/tasks/tasks.json，在 Composer 中 @-引用 |
| F | RooCode | VS Code 命令面板 → RooCode: Run tasks.json |
| G | Codex CLI | `python3 script.py next-task |
| H | Gemini CLI | gemini --file .taskmaster/tasks/tasks.json implement next（通过 Google 免费） |
| I | CodeRabbit | 通过 A–H 实施，打开 PR，CodeRabbit 审查每个任务。可与其他模式组合。 |
| J | Aider | aider --read .taskmaster/tasks/tasks.json — 结对编程风格 |
步骤 3：将任务工作流追加到 CLAUDE.md
使用确定性子命令——不要进行原始读取+编辑。此路径是幂等的，在修改现有文件时会创建带时间戳的备份，并使用 HTML 注释哨兵确保重新运行时无操作。
-
工作流内容每次运行相同——将其写入临时文件：
## 任务执行工作流（prd-taskmaster） 实施任务时，首选后端操作： 1. `python3 script.py next-task` — 获取下一个就绪任务 2. `python3 script.py set-status --id <id> --status in-progress` — 注意连字符；下划线会被拒绝 3. 实施任务（遵循链接到此任务的计划步骤） 4. `python3 script.py set-status --id <id> --status done` — 标记完成 5. 使用进度更新 TodoWrite 6. 从步骤 1 重复 有效状态：`pending`、`in-progress`、`done`、`review`、`blocked`、`deferred`、`cancelled`。 ### 进度跟踪 - 在每个任务之前和之后更新 TodoWrite - 未更新 TodoWrite 则无法进行下一个任务 - TodoWrite = 用户可见性。TaskMaster = 真相来源。 -
运行追加命令。无需计划模式预览——子命令本身是幂等的（HTML 注释哨兵控制写入），因此信息通过步骤 4 摘要和步骤 5 的 AskUserQuestion 选项在分发之前呈现给用户：
python3 $SKILL_DIR/script.py append-workflow \ --target ./CLAUDE.md \ --content-file /tmp/pdtm-workflow-section.mdJSON 响应报告以下之一：
action: "created"— 之前没有 CLAUDE.md，创建了包含标记的新文件action: "skipped"（原因：markers_present）— 已连接，无操作action: "appended"— 现有 CLAUDE.md 除了追加的标记块外未被修改；backup_path指向CLAUDE.md.prd-taskmaster-backup-<ts>
如果用户在写入前想要预览，将计划内容展示在 AskUserQuestion 选项中，或作为步骤 4 摘要中的信息段落——描述将要写入的内容，无需调用任何计划对话框工具。
步骤 4：显示摘要
渲染交接面板并打印：MCP render_status(phase="HANDOFF") → 打印 rendered；CLI python3 script.py status --phase HANDOFF。（回退——在模式选择器前发出一个紧凑块，以便用户拥有完整上下文：）
规范已生成：.taskmaster/docs/prd.md
验证：<评级>（<分数>/<最大值>）
任务：<计数> 个任务已解析，含依赖关系（参见 .taskmaster/tasks/tasks.json）
复杂度：已通过 TaskMaster 分析（.taskmaster/reports/task-complexity-report.json）
研究：<已展开|已跳过>
能力：
[✓] TaskMaster（MCP|CLI）
[✓|○] Playwright（浏览器验证）
[✓|○] 研究提供者
[✓|○] Ralph-loop 插件
[✓|○] Atlas Fleet（premium：可选择 · free：已锁定）
步骤 5：强制使用 AskUserQuestion 进行模式选择
HANDOFF 是用户自主选择的时刻。文本推荐是可跳过的；工具调用则不是。你必须在此步骤中调用 AskUserQuestion。这是严格执行的——纯文本回退是错误，而非捷径。
AskUserQuestion 给用户一个明确、结构化、机器可读的选择。这是持久的交接记录。用户的选择被程序性地记录，下游步骤直接基于它进行分发——无需解析自然语言确认，无需歧义。
顺序
-
发出交接摘要，包括：
- PRD 路径 + 验证评级
- 任务数 + 复杂度细分
- 推荐模式（A/B/C）+ 一行原因
- 可用替代模式（检测到时的 E–J，折叠在“使用其他工具…”下）
- 模式 D 🔒 Atlas Fleet 预告，包含 Atlas Pro 价格和 /pro URL
- 针对推荐模式的“下一步”描述（例如对于模式 B：“运行
task-master next”并附上第一个就绪任务 ID（模式 B — 仅限 TaskMaster 后端））
-
调用
AskUserQuestion，使用一个多选项问题列出每个可用的执行模式。使用面向用户的名称（括号内的内部 ID 仅供此技能使用——永远不会显示给用户）：- 计划与驱动（模式 A）— 获取计划，自行实施
- 自动执行（模式 B）— TaskMaster 的原生循环，较轻的验证
- 验证循环（模式 C）— 证据门控的单会话循环（存在 superpowers + 循环运行器时推荐）
- 🔒 Atlas Fleet（模式 D）— Atlas Pro $29/月，并行多会话
- “使用其他工具…”— 展开适用的替代方案 E–J
- “在决定前给我更多详情”— 循环回步骤 4 摘要
将推荐模式标记为默认（仅当 tier=premium 且图可并行化时，Atlas Fleet 才可为默认）。在锁定（免费层级）时选择 Atlas Fleet 会返回升级响应（参见步骤 2 的模式 D 块），并仅使用免费模式（以及任何适用的替代方案）重新提示。
-
分发所选模式：
-
模式 A 交接：使用规范路径
.taskmaster/docs/prd.md调用superpowers:writing-plans -
模式 B 交接（模式 B — 仅限 TaskMaster 后端）：显示
task-master next命令 + 来自.taskmaster/tasks/tasks.json的第一个就绪任务 ID -
模式 C 交接：写入
.claude/atlas-loop-prompt.md，描述任务执行契约，然后使用条件调用/goal：“SHIP_CHECK_OK 已由 .atlas-ai/ship-check.py 发出，并且 .taskmaster/tasks/tasks.json 中的所有任务都显示 status=done，并且此会话中已调用 /sync”/goal会话持续进行，直到 Haiku 评估器验证该条件。每次迭代运行执行任务的 13 步循环，并在第 13 步后检查条件。/sync必须在发出 SHIP_CHECK_OK 之前作为最后一步执行（根据执行任务终止规则）。（已于 2026-06-04 从/ralph-loop:ralph-loop迁移——Claude Code 的内置/goal评估器从结构上解决了 2026-06-03 审计中发现的控制器不同角色的三重验证腐败问题。） -
模式 D 交接（tier=premium）：调用
/prd:execute-fleet——它拥有波次循环、工作者分发、验证、合并和 SHIP_CHECK_OK 终止。（免费层级：仅升级响应，重新提示）
-
钩子被阻止时的回退（优雅降级）
如果 PreToolUse:AskUserQuestion 被钩子阻止（自动化 / 编排器 / fleet 会话），回退到保留相同语义的文本选项表——标签、描述、模式 D 锁定预告和重新提示逻辑。