【AI Coding】Everything Claude Code:让 AI 代理真正为你工作的完整系统

Everything Claude Code:让 AI 代理真正为你工作的完整系统

从一次黑客马拉松开始

2026 年初,在 Anthropic 与 Cerebral Valley 联合举办的黑客马拉松上,一个叫 Everything Claude Code(ECC) 的项目拿到了冠军。

但它并没有停留在"获奖作品"的阶段。10 个月、50K+ star、6K+ fork 之后,ECC 已经演化成了一套覆盖 27 个专业 Agent、114 个工作流技能、59 个斜杠命令的生产级 AI 代理增强系统——并在 2026 年 3 月发布了 v1.9.0。

这篇文章想聊清楚:ECC 到底解决了什么问题,它的设计哲学是什么,以及它对"如何用好 AI 编程工具"这件事意味着什么。


问题:大多数人在错误地使用 Claude Code

你可能每天都在用 Claude Code 写代码。你提问,它回答,大部分时候还不错。

但你有没有发现:

  • 同一类错误反复出现,每次都要重新解释上下文
  • 代码写完了,没有人帮你 review 安全漏洞
  • 构建失败时,你和 Claude 都在猜问题在哪
  • 上一个会话学到的"好做法",下一个会话完全忘掉

这些不是 Claude 的问题,是系统的问题。Claude Code 是一个功能强大的工具,但它需要配置、规则、记忆和工作流才能真正发挥出"AI 代理"的能力。

ECC 要做的,就是提供这套完整的系统。


核心设计:Agent 优先的分层架构

ECC 最重要的设计决定,是把"专业分工"贯彻到底。

它不是一个通用的大 Prompt,而是 27 个专业化的子 Agent,每个 Agent 只做一件事,并且做到最好:

场景该用哪个 Agent
规划新功能planner
系统架构决策architect
测试驱动开发tdd-guide
代码质量审查code-reviewer
安全漏洞扫描security-reviewer
构建错误修复build-error-resolver
Go 代码审查go-reviewer
PyTorch 训练错误pytorch-build-resolver
Kotlin/Android 构建kotlin-build-resolver

这种设计有个关键优势:上下文纯净。一个负责安全审查的 Agent,它的整个系统 Prompt 都在讲安全,不会被不相关的信息稀释。


三个让人印象深刻的子系统

1. 持续学习 v2(Instinct System)

ECC 里有一套"本能"系统,可以自动从你的开发会话中提取模式:

/instinct-status # 查看已学到的开发本能(附置信度评分) /instinct-export # 导出分享给团队 /instinct-import <file># 从他人经验导入 /evolve # 把相关本能聚合成可复用的技能

每次开发会话结束,ECC 的 Hook 会自动分析对话,提取"这次发现了什么有价值的模式",附上置信度评分,存入本能库。这些本能可以随着时间推移 evolve 成结构化的技能。

这是在解决一个真实痛点:你和 AI 协作积累的经验,不应该随着会话结束而消失

2. AgentShield 安全审计

构建于 Claude Code Hackathon,1282 个测试,98% 覆盖率,102 条静态分析规则。
# 快速扫描(无需安装) npx ecc-agentshield scan # 启用 Opus 深度分析(红队/蓝队/审计三 Agent 流水线) npx ecc-agentshield scan --opus--stream

--opus 模式会启动三个 Claude Opus Agent 组成"攻防对抗"流水线:攻击者找漏洞利用链,防御者评估保护措施,审计者综合两方输出优先级风险报告。

扫描范围覆盖:CLAUDE.md、settings.json、MCP 配置、Hook 脚本、Agent 定义——14 种密钥泄露模式、权限审计、Hook 注入分析。

3. 结构化 Hook 系统

Hook 是 ECC 的"神经系统"。它在工具调用前后自动触发,实现:

  • 会话开始:加载上次的上下文和学习到的本能
  • 文件编辑后:自动格式化 + TypeScript 检查 + 检测 console.log
  • 提交前:扫描 Prompt 里的密钥(sk-ghp_AKIA 等模式)
  • 会话结束:保存状态,提取模式,生成摘要

通过环境变量可以精细控制 Hook 的严格程度:

exportECC_HOOK_PROFILE=strict # strict / standard / minimalexportECC_DISABLED_HOOKS="pre:bash:tmux-reminder"

不止 Claude Code:跨平台的设计

ECC v1.9.0 支持 5 个主流 AI 开发工具:

  • Claude Code:原生支持,最完整
  • Cursor:DRY 适配器模式,复用所有 Hook 脚本
  • OpenCode:全插件支持,20+ 事件类型
  • Codex(OpenAI):AGENTS.md 自动检测
  • Antigravity--target antigravity 安装标志

在 Cursor 里,适配器把 Cursor 的 stdin JSON 转换为 Claude Code 格式,所有 Hook 脚本无需重写即可共享。这是一个干净的跨平台设计决策。


覆盖 12 种语言生态

v1.9.0 将语言覆盖扩展到 10+ 种:TypeScript、Python、Go、Java、Kotlin、Rust、C++、Swift、PHP、Perl,每种语言都有专属的:

  • 代码审查 Agent
  • 构建错误修复 Agent
  • Coding 规范规则
  • TDD 工作流技能

特别值得一提的是 Kotlin/Android/KMP 支持——这在 AI 编程工具里还比较少见。


安装与快速上手

# 方式一:Claude Code 插件(推荐) /plugin marketplace add affaan-m/everything-claude-code /plugin install everything-claude-code@everything-claude-code # 方式二:手动安装(Windows PowerShell)git clone https://github.com/affaan-m/everything-claude-code.git cd everything-claude-code .\install.ps1 typescript # 按需选择语言

两分钟内即可获得 27 个 Agent、114 个技能、59 个命令的完整访问权限。


这个项目在讲一个更大的故事

ECC 的技术细节固然重要,但它更重要的意义在于:它在定义"AI 代理增强系统"这个品类

它不是要替代 Claude Code,而是要回答"如何让 Claude Code 真正像一个有经验的开发团队一样工作"。答案是:专业分工、持续学习、强制安全检查、跨会话记忆、结构化工作流。

这套思路对于任何想认真使用 AI 编程工具的团队都有参考价值——不管你最终用不用 ECC 本身。


GitHubaffaan-m/everything-claude-code
npmecc-universal(通用安装包)/ ecc-agentshield(安全审计)
GitHub Appgithub.com/marketplace/ecc-tools(150+ 安装)

Read more

豆包AI视频去水印,我试了几个简单方法,手机就能搞定

首选方案:微信小程序一键解析(免费便捷) 豆包AI生成的视频带水印,想保存个干净版其实没那么麻烦。我最近找到一个挺省事的办法,不用下载软件,也不用注册登录,全程在手机上操作,不占内存,画质也没影响。 具体操作就三步: 1. 在豆包APP里找到想保存的视频,点右上角的“分享”按钮,左滑功能栏找到“更多”,然后选“复制视频链接”。不同手机界面可能不太一样,有的直接显示“复制链接”,有的是个网址,点旁边的复制标志就行。 2. 打开微信,在微信中搜索并打开一款去水印小程序,如“‌图视去水印‌”、“‌兜宝去水印‌”,进去后把刚才复制的链接粘贴进去,点解析,几秒钟就能处理好。 3. 解析成功后直接下载,无水印的视频就存到手机相册里了。整个过程一分钟都用不了。 这类工具能处理的不止豆包 我试了一下,这种小程序对即梦AI、千问这些AI平台生成的水印也能处理,抖音、快手、小红书、B站这些常见短视频平台的水印也支持。大部分都不限次数,画质也挺清晰,偶尔遇到一次解析失败的,

【Unity-AI开发篇】| Unity-MCP最新指南:让AI接管游戏开发

【Unity-AI开发篇】| Unity-MCP最新指南:让AI接管游戏开发

* 前言 * 【Unity-AI开发篇】| Unity-MCP最新指南:让AI接管游戏开发 * 一、🧐 MCP是什么? * 1.1 MCP介绍 * 1.2 为什么要配置MCP? * 1.3 效果展示 * 1.4 使用说明及下载 * 二、🚀MCP安装步骤 * 2.1 前提条件 * 2.2 安装 Unity-MCP包(桥接组件) * 2.2 MCP配置 * 三、🎈Trae配置 * 3.1 添加MCP配置 * 3.2 创建一个智能体并添加Unity-MCP * 3.3 使用AI开发功能 * 总结 前言 * 在人工智能飞速发展的今天,大语言模型早已不仅限于聊天和文本生成。 * 它们开始能够使用工具,与环境进行交互,从而执行复杂任务。 * 对于广大游戏开发者而言,

利用快马平台ai快速构建imtoken钱包交互原型,验证核心交易流程

最近在做一个区块链相关的项目,需要验证钱包应用的核心交互流程。大家都知道,像imToken这样的主流数字钱包,核心就是资产管理、交易签名和DApp交互。如果从零开始搭建完整的区块链测试环境,再开发一个钱包前端来验证逻辑,那周期可就太长了。正好,我最近在尝试用InsCode(快马)平台来做快速原型开发,发现用它来构建一个模拟imToken钱包的Web应用原型,效率出奇的高。整个过程基本不需要手动配置环境,思路验证起来非常快。 我的目标是构建一个具备核心功能的Web应用原型,重点验证几个关键交互点:钱包界面展示、模拟交易签名、以及一个简化的DApp连接演示。下面我就把整个构建思路和实现过程梳理一下,也算是个人的一次实践记录。 1. 项目目标与功能拆解 首先,我明确了原型需要验证的四个核心功能模块。第一是钱包主界面,需要清晰展示虚拟的账户余额、资产列表(比如模拟ETH、USDT等)和近期的交易记录。这个界面是用户最直观感知的部分,设计上要简洁,信息层级要分明。第二是交易功能,用户需要能输入一个模拟的“收款地址”和“转账金额”,然后触发一个模拟的签名流程,并给出明确的成功或失败反馈。第三

2026年AI Agent框架王者:OpenClaw登顶GitHub TOP1,16大小龙虾生态项目(含OpenClawChinese汉化版)技术特性与GitHub地址汇总

2026年AI Agent框架王者:OpenClaw登顶GitHub TOP1,16大小龙虾生态项目(含OpenClawChinese汉化版)技术特性与GitHub地址汇总

🦞 "OpenClaw龙虾家族"全员集结!OpenClaw登顶GitHub TOP1,Kimi/miniMax/阿里/百度/字节/网易集体入局,16大小龙虾框架谁是你的菜? 🔥 历史性时刻:2026年3月,OpenClaw以26万+ GitHub Stars正式超越React(24.3万星)和Linux(21.8万星),登顶全球开源项目TOP1!但这只是开始——随着Kimi AI、MiniMax、阿里、百度、字节、网易等巨头集体入局,加上NullClaw、OpenFang等新锐开源项目崛起,一个庞大的 “龙虾家族” 正在形成。 生态全景数据:⭐ OpenClaw:26万+ Stars,GitHub史上最快增长记录🌙 KimiClaw:Moonshot AI官方云托管,40GB云存储+5000技能⚡ MaxClaw:MiniMax出品,10秒部署,