Το Πρόβλημα του Σχεδιασμού: Γιατί τα AI Agents Χρειάζονται Καλύτερους Τρόπους να Σκέφτονται Φωναχτά
Το εργαλείο που αλλάζει τον τρόπο που σχεδιάζουμε με AI agents
Η πραγματικότητα του planning
Ας είμαστε ειλικρινείς: οι περισσότεροι από εμάς σχεδιάζουμε projects με τον ίδιο τρόπο που το κάναμε πριν υπάρξουν τα AI agents. Ένα γρήγορο σημείωμα, ίσως ένα Notion doc, ένα Slack thread που χάνεται στην αιωνιότητα. Μετά πετάμε αυτό το ημιτελές σχέδιο σε ένα coding agent και ελπίζουμε για το καλύτερο.
Το πρόβλημα δεν είναι ότι τα AI agents είναι κακά στο coding. Είναι ότι χρειάζονται δομή την οποία σπάνια τους παρέχουμε. Και όταν τα αφήνουμε να γεμίσουν τα κενά μόνοι τους, δεν έχουμε καμία καταγραφή του γιατί πάρθηκαν συγκεκριμένες αποφάσεις.
Το έγγραφο που... συζητάει
Αυτό ακριβώς το κενό προσπαθεί να καλύψει το inplan. Στην ουσία του, είναι ένας Markdown editor φτιαγμένος για collaborative planning μεταξύ ανθρώπων και AI coding agents. Φαντάσου ένα shared whiteboard όπου και οι δύο πλευρές μπορούν να δουλέψουν πάνω σε ένα ενιαίο έγγραφο.
Το ενδιαφέρον δεν βρίσκεται τόσο στον editor — αλλά στο σύστημα σχολίων. Μπορείς να επισημάνεις οποιαδήποτε πρόταση και να ξεκινήσεις μια threaded συζήτηση απευθείας εκεί. Ρώτα γιατί ο agent πρότεινε αυτή την αρχιτεκτονική. Ζήτα διευκρινίσεις για μια υπόθεση. Πάρε μια απόφαση. Η συζήτηση μένει κολλημένη στη συγκεκριμένη γραμμή, δημιουργώντας ένα traceable record για αργότερα.
Εδώ αντιμετωπίζεται κάτι που σπάνια συζητάμε: το πρόβλημα της contextual archaeology. Φαντάσου τρεις μήνες μετά. Ο agent σου έκανε μια επιλογή κάπου. Πού είναι η λογική πίσω από αυτήν; Το inplan κάνει αυτό το trace απλό.
Review πριν το revision
Ένα pattern που βλέπουμε πολύ συχνά: αφήνεις τον AI agent να δουλεύει, γυρνάς, και το plan έχει σιωπηλά μεταμορφωθεί. Μπορεί να είναι καλύτερο. Μπορεί κάτι κρίσιμο να άλλαξε. Δύσκολο να πεις.
Το inplan αλλάζει αυτό. Όταν ο agent θέλει να αλλάξει το plan, δεν κάνει quietly overwrite το έγγραφο — δημιουργεί ένα diff που εσύ ελέγχεις και εφαρμόζεις χειροκίνητα. Βλέπεις ακριβώς τι άλλαξε. Μπορείς να εγκρίνεις, να απορρίψεις, ή να iterate πριν κλειδώσει οτιδήποτε.
Αυτή η human-in-the-loop προσέγγιση έχει μεγαλύτερη σημασία από όσο φαίνεται. Μετατρέπει τον agent από executor σε collaborator με paper trail.
Πώς ξεκινάς
Το εργαλείο εγκαθίσταται ως Claude Code skill (με υποστήριξη για Codex και άλλα στο roadmap). Ένα απλό "plan X" prompt ανοίγει τον editor και είσαι έτοιμος. Είναι AGPL-3.0 open-source και τρέχει τοπικά μέσω npm.
Για ομάδες που θέλουν live collaboration, υπάρχει hosted επιλογή στο inplan.ai. Τίποτα στο demo δεν απαιτεί δημιουργία λογαριασμού — κάτι αναζωογονητικό για SaaS προϊόν.
Τι ακόμα χρειάζεται δουλειά
Κανένα εργαλείο δεν είναι χωρίς tradeoffs. Η τρέχουσα έκδοση είναι Electron desktop app — λειτουργικό αλλά βαρύτερο από web editor. Το diff mechanism δουλεύει line-by-line, το οποίο μπορεί να φαίνεται coarse για fine-grained αλλαγές. Και το mental model είναι γύρω από ένα plan document τη φορά. Αν διαχειρίζεσαι πολλαπλά interconnected specs, θα χρειαστεί να συμπληρώσεις με άλλα εργαλεία.
Η ομάδα έχει είναι transparent για αυτούς τους περιορισμούς, κάτι ενθαρρυντικό. Multi-document support και richer agent interaction loops είναι στο roadmap.
Γιατί έχει σημασία στην εποχή του Vibe Coding
Το "vibe coding" — να αφήνεις το AI να χειρίζεται την υλοποίηση ενώ εσύ καθοδηγείς το όραμα — κερδίζει συνεχώς έδαφος. Αλλά έχει ένα βρώμικο μυστικό: χωρίς σαφή κατεύθυνση, κάνεις vibe-checking outcomes με προθέσεις που ποτέ δεν εξήγησες πλήρως.
Εργαλεία σαν το inplan υποδεικνύουν ένα διαφορετικό μέλλον. Όχι απλά "code faster" αλλά "think clearer". Η φάση του planning γίνεται genuine collaboration με τον AI partner σου, παράγοντας artifacts που εξυπηρετούν τόσο το άμεσο task όσο και τους future maintainers (συμπεριλαμβανομένου του μελλοντικού-σου).
Αν το inplan θα γίνει δικό σου workflow εξαρτάται από την ανοχή σου σε Electron apps και single-doc mental models. Αλλά το underlying concept — structured, commentable, human-reviewed AI collaboration — δείχνει προς το πώς θα δουλεύουμε με coding agents καθώς γίνονται όλο και πιο ικανοί.
Η ερώτηση δεν είναι αν το AI θα γράφει όλο και περισσότερο κώδικα. Είναι αν θα χτίσουμε το scaffolding για να είναι αυτός ο κώδικας πραγματικά κατανοητός.
Δοκίμασέ το: npm i -g inplan