摘要：Anthropic 黑客松冠军项目，140K+ Stars。156 个技能、38 个 Agent 角色、72 个命令，覆盖几乎所有 AI 编码场景。从 Token 优化到安全扫描，从持续学习到多语言支持，一套搞定。
项目信息
| 项目 | 详情 |
|---|---|
| 作者 | Affaan Mustafa |
| GitHub | https://github.com/affaan-m/everything-claude-code |
| 协议 | MIT |
| 核心定位 | AI Agent 性能优化系统 |
| Stars | 140K+（Anthropic 黑客松冠军） |
| 支持平台 | Claude Code、Codex、Cursor、OpenCode、Gemini |
它解决什么问题
Superpowers 解决的是编码纪律问题，Everything Claude Code（ECC）解决的是Agent 整体性能问题。
Token 消耗太高？跨会话丢失上下文？不知道用什么模型最划算？没有安全扫描？没有持续学习机制？ECC 把这些全管了。
核心功能
六大能力
1. Token 优化
- 模型选择建议
- 系统提示瘦身
- 后台进程管理
- 按任务复杂度自动路由模型
2. 记忆持久化
- Hook 系统自动保存/加载上下文
- 跨会话保持对话历史
- SQLite 状态存储
3. 持续学习
- 自动从会话中提取模式生成技能
- 技能自信度评分
- 技能进化追踪
4. 安全扫描
- AgentShield 集成，102 条安全规则
- 1282 个测试用例
- 命令审批机制
5. 并行化
- Git worktree 并行开发
- Cascade 方法分发任务
- 多实例管理
6. 多语言支持
- TypeScript、Python、Go、Java、PHP、Kotlin、C++、Rust、Swift
- 每种语言有独立的规则文件
- 按需安装，不装不需要的
规模
- 38 个 Agent 角色
- 156 个技能
- 72 个遗留命令
- 997 个内部测试通过
- 12 种语言生态
典型技能举例
search-first：先搜索再编码cost-aware-llm-pipeline：成本感知的 LLM 流水线frontend-slides：零依赖 HTML 演示文稿生成器pytorch-patterns：深度学习工作流documentation-lookup：API 参考文档查询mcp-server-patterns：MCP 服务器开发模式
适用场景
强烈推荐：
- 重度使用编码智能体，每天跑很多任务
- 需要跨会话记忆和 Token 优化
- 做多语言开发
- 团队使用，需要安全和质量门禁
不推荐：
- 偶尔用用 AI 编码
- 不需要那么多技能
- 不想花时间配置
与同类项目对比
| 维度 | ECC | Superpowers | 原生 |
|---|---|---|---|
| 技能覆盖 | ⭐⭐⭐⭐⭐ 156 个 | ⭐⭐ 15 个 | ❌ |
| Token 优化 | ⭐⭐⭐⭐⭐ | ❌ | ❌ |
| 安全扫描 | ⭐⭐⭐⭐ AgentShield | ❌ | ❌ |
| 持续学习 | ⭐⭐⭐⭐ 自动提取 | ❌ | ❌ |
| 编码纪律 | ⭐⭐⭐ 有 | ⭐⭐⭐⭐⭐ 强制 | ❌ |
| 上手难度 | ⭐⭐ 需要配置 | ⭐⭐⭐⭐⭐ 简单 | ✅ |
个人评价
值得学习的点：
- 156 个技能的覆盖面极其广泛，几乎想到什么技能都有
- Token 优化和成本控制在实际使用中能省不少钱
- AgentShield 安全扫描在生产环境中很有价值
- 持续学习机制让 Agent 越用越聪明
不足：
- 156 个技能学习成本高，新手容易 overwhelm
- 安装复杂，需要选择 profile 和语言
- 过度工程化的风险，很多技能可能用不上
- 维护负担较重
推荐指数：⭐⭐⭐⭐（重度用户和团队）
评论 ({{ comments.length }})
暂无评论，来说两句吧