古法编程

Everything Claude Code（ECC）是一套面向 Claude Code、Codex、Cursor 等 AI 编程助手的生产级插件体系，它并非一个独立软件，而是一套系统性的工程化指南与可配置组件集合。其核心包含 38 个专业 Agent、156 个 Skill、72 个 Command 及自动化 Hook 与 Rule 体系，旨在将“架构先行、契约驱动”的工程纪律应用于 AI 编程场景，帮助开发者摆脱模糊的“vibe coding”模式，构建高效、可控、可审计的全生命周期 AI 辅助开发流程。

Everything Claude Code 完全指南：38 Agent + 156 Skill 生产级 AI 编程插件全景解析

在 AI 编程助手日益普及的今天，如何将其从“模糊对话”工具升级为可靠的工程生产力倍增器，是许多团队面临的挑战。Everything Claude Code（简称 ECC）正是为解决这一问题而生的一套系统性方案。它整合了 38 个专职 AI 代理（Agent）、156 个可复用技能（Skill）、72 个兼容指令（Command）以及自动化 Hook 与 Rule 体系，为 Claude Code、Codex、Cursor 等助手提供了生产级的工程化“骨架”。

1. ECC 是什么？它解决了哪些核心痛点？

ECC 的本质是一套“古法编程”理念在 AI 编程场景下的工程化实践集。它对抗的是无规划、不可控的“vibe coding”模式，通过为 AI 助手注入明确的角色分工、严格的工作流和约束规则，使其输出更加可靠、一致和安全。

核心痛点与 ECC 的解决方案：

  • AI 输出质量不稳定：通过专业分工的 Agent（如 Code Reviewer、TDD Guide）和强制性的 Verification Loop 来保障。
  • 知识无法沉淀与复用：通过 Skill 体系将最佳实践固化为可调用的技能，并利用 Hooks 和 Continuous Learning 实现跨会话记忆与自进化。
  • 配置与环境复杂难管理：提供交互式安装向导（configure-ecc Skill）和环境能力审计工具（workspace-surface-audit Skill），让环境搭建清晰可控。
  • 缺乏团队级规范与一致性：通过 Rule 体系（支持 12 种语言生态）和 Hooks 在编码前、后及会话结束时自动检查与注入规范。

2. 核心组件全景：四大支柱构建完整体系

ECC 的能力由四大组件协同提供，它们共同构成了 AI 编程助手的“操作系统”。

2.1 Agent（38 个）：专职 AI 代理

每个 Agent 拥有明确的职责、工具集和工作流，负责处理特定类型的复杂任务。它们可以被单独或编排调用。

  • 开发与审查：architect（架构设计）、code-reviewer（代码审查）、各语言 *-reviewer（领域审查）、*-build-resolver（构建错误修复）。
  • 质量与测试：tdd-guide（测试驱动开发）、e2e-runner（E2E 测试）、performance-optimizer（性能优化）。
  • 运营与文档：doc-updater（文档更新）、planner（任务规划）、gan-generator/evaluator（对抗式开发）。

2.2 Skill（156 个）：可复用的知识与工作流

Skill 是封装了领域知识、操作流程或检查清单的模块，是 Agent 或人类开发者可随时调用的“技能包”。它们覆盖从具体框架到通用工程模式的方方面面。

  • 语言与框架：typescript-javascript-patterns、python-patterns-and-testing、springboot-architecture 等。
  • 工程与流程：verification-loop、tdd-workflow、git-workflow、api-design。
  • 自动化与扩展：configure-ecc（交互式安装）、workspace-surface-audit（环境审计）、continuous-learning（持续学习）。

2.3 Hook（72+）：自动化事件驱动器

Hook 是在特定事件（如工具使用前、后，会话结束时）自动触发的脚本，用于实现无感知的自动化守护和流程集成。

  • 质量门控：在 PreToolUse 事件中注入编码规范检查。
  • 记忆持久化：通过 Stop Hook 自动将会话中的关键知识保存至技能库。
  • 安全扫描：集成 AgentShield 在代码生成后进行自动安全扫描。

2.4 Rule（100+）：始终遵循的规范

Rule 是写在 .claude/rules/ 或项目级 CLAUDE.md 中的强制性指令，确保 AI 助手的所有输出都符合团队约定，是实现“契约驱动”的基础。

  • 语言规则：针对 TypeScript、Python、Go 等的编码风格与安全规范。
  • 通用规则：涵盖 Git 提交、测试标准、文档要求等团队共识。

组件总览表

组件 数量 作用 典型代表
Agent 38 专职 AI 代理，执行复杂任务 code-reviewer, planner, tdd-guide
Skill 156 可复用的知识与工作流技能包 verification-loop, config-ecc, workspace-surface-audit
Command 72 兼容 slash 指令，便于迁移 /verify, /review, /plan
Hook 72+ 事件驱动的自动化脚本 记忆持久化Hook、安全扫描Hook
Rule 100+ 始终生效的强制性规范 各语言编码风格、Git Commit 规范

3. 核心价值：从无序对话到工程协作

ECC 带来的改变是系统性的：

  • 可控性：通过 Rules 和 Hooks 将 AI 的行为约束在工程纪律框架内。
  • 可审计性：所有 Agent 的操作、Skill 的调用和 Hook 的触发都留下记录，便于追溯和改进。
  • 可持续进化：continuous-learning 等 Skill 能将成功的实践自动沉淀为新的技能或规则，实现系统自优化。
  • 全栈覆盖：从需求规划、编码、测试、审查到部署、运维、内容创作，提供端到端的自动化支持。

4. 快速上手三步走

对于新用户，可以通过以下步骤快速体验 ECC 的核心能力：

第一步：环境审计与需求分析 使用 workspace-surface-audit Skill 对你的项目仓库进行一次全面审计。它会分析你的代码库、环境变量和现有工具，生成一份清晰的报告，指出已具备的能力、缺失的集成以及最高价值的优化建议。这是避免盲目安装、精准配置的第一步。

第二步：交互式安装与配置 运行 configure-ecc Skill 的交互式安装向导。它会引导你选择安装级别（用户级或项目级）、从 156 个 Skill 中按需选择需要的技能包（如只选核心包或特定语言/框架包），并自动处理依赖检查和路径校验。整个过程可视化、可控，极大降低了手动配置的复杂度。

第三步：启动一个典型工作流 配置完成后，尝试一个完整的工作流。例如，你可以对一个新功能需求：

  1. 调用 planner Agent 生成实施计划。
  2. 让 AI 在 tdd-guide Agent 的约束下进行测试驱动开发。
  3. 使用 verification-loop Skill 运行完整的测试、Lint 和构建验证。
  4. 最后通过 doc-updater Agent 同步更新项目文档。

典型工作流示意图

用户需求/问题
        ↓
[workspace-surface-audit] → 审计环境，推荐配置
        ↓
[configure-ecc] → 按需安装 Agent/Skill/Rule
        ↓
[planner] Agent → 生成任务计划
        ↓
[coding-agent] + [tdd-guide] → 在规范约束下编码与测试
        ↓
[verification-loop] → 自动化质量门控（测试/Lint/构建）
        ↓
[code-reviewer] Agent → 自动化代码审查
        ↓
[doc-updater] Agent → 知识沉淀与文档更新
        ↓
完成，会话知识通过 [continuous-learning] 技能沉淀

5. 进阶路径：掌握高阶生产力

当熟悉基础用法后，可以深入探索 ECC 的高级模式，进一步提升效率：

  • Token 优化与并行化：学习如何合理分配任务给不同模型（如 Haiku/Sonnet/Opus），并利用 git worktree + Cascade 方法 实现多 Agent 安全并行，大幅提升复杂任务的处理速度。
  • 多 Agent 编排：使用 team-builder Skill 配置并行的 Agent 团队，或采用 Claude DevFleet 技能管理隔离的工作环境。
  • 构建自主 Agent 系统：结合 autonomous-agent-harness 技能和持久化记忆，打造能够定时执行、自监控和自恢复的长时间运行 AI 任务。

通过系统性地运用 ECC 的四大组件，开发者可以将 AI 编程助手从一个“聪明的应答者”转变为一个遵循工程纪律、可靠执行、持续进化的“数字团队成员”。建议从快速上手指南和规则体系详解开始，逐步构建属于你自己的高效 AI 编程工作流。

FAQ

Q: ECC 是必须全部安装吗？能否按需选择？ A: 完全可以按需选择。通过 configure-ecc 交互式安装向导，你可以只安装核心技能包，或者只选择特定语言（如 Python）、特定框架（如 Spring Boot）相关的 Agent 和 Skill，避免冗余。

Q: ECC 的 Rules 和 Skills 有什么区别？ A: Rule 是始终生效的强制性规范，类似于团队的编码宪法，AI 必须遵守。Skill 是可按需调用的技能包或工作流，用于完成特定任务。例如，“所有代码必须遵循 PEP 8”是 Rule；“执行一次 Django 项目的完整安全扫描”则是调用一个 Skill。

Q: 如何确保 ECC 的组件与我的项目框架兼容？ A: configure-ecc 向导和 workspace-surface-audit 工具在设计时都考虑了这点。审计工具会识别你项目的技术栈，安装向导会推荐相关的技能包（如 django-patterns、react-frontend-patterns）。此外，Rule 和 Skill 本身也覆盖了主流框架的最佳实践。

本系列文章

项目全景概览与高级技巧，帮助读者快速理解 Everything Claude Code 的整体架构与进阶用法。

AI Agent 核心工程能力：从 eval-first 执行、Harness 构建到全自主循环的系统化方法论。

多 Agent 协作编排：并行派发、DAG 依赖、RFC 流水线与团队组建。

代码质量保障：验证循环、Eval 驱动开发、回归测试与合规检测。

上下文管理、持久记忆与持续学习：解决 AI 编程助手的核心认知瓶颈。

TypeScript/JavaScript 生态：编码规范、前端架构、后端模式与运行时选择。

Python 生态：惯用法、类型注解、错误处理与 pytest 测试体系。

Go 语言生态：惯用模式、并发安全、表格驱动测试与覆盖率。

Rust 生态：所有权、生命周期、Trait、并发安全与测试体系。

Java/Spring Boot 生态：分层架构、JPA 数据访问、安全加固、TDD 与发布验证。

Kotlin 生态：惯用法、协程/Flow、多平台框架与测试体系。

C++、C#/.NET 与 Swift 生态：现代编码规范与平台专属最佳实践。

跨语言测试体系：Dart/Flutter、Perl 及 iOS 端侧 AI 的专业测试与开发实践。

Django 与 Laravel 框架：架构模式、安全加固、TDD 与发布前验证。

数据库优化与 API 开发：PostgreSQL、ClickHouse、MCP 服务器与 Claude API。

DevOps 全流程与安全防护：容器化部署、Git 工作流、安全审查与配置扫描。

设计系统与内容生产：UI 设计审计、演示文稿生成与多平台内容体系。

垂直行业知识：医疗软件、供应链管理、制造质量与跨境合规。

AI 驱动的多媒体生产：视频剪辑、动画合成、Remotion 编程与多模态生成。

Agent 定义目录：代码审查、构建修复、架构设计、文档更新等 38 个专业 Agent。

进阶主题：成本优化、对抗验证、开源发布与垂直领域高级 Skill。

工作流自动化：规则提炼、项目管理、持续学习与企业级 Agent 运维。