ECC 是 Anthropic 黑客松获奖项目，将开发者在使用 AI 编程助手时的所有痛点系统化解决 —是一整套 Agent 协作与质量保障框架

TokenKe
2 阅读8分钟

📋 项目速览

项目名称ECCGitHub Stars194,318
今日新增+1,915 ⭐开源协议MIT
技术栈TypeScript + Python + Rust贡献者170+
GitHub 仓库affaan-m/ECC核心定位Agent Harness 性能优化系统

ECC 是 Anthropic 黑客松获奖项目，经过 10+ 个月真实产品开发验证，将开发者在使用 AI 编程助手时的所有痛点系统化解决 — 不是配置文件，而是一整套 Agent 协作与质量保障框架。

61专业 Agent246Skills 技能76+Slash 命令

Claude CodeCursorCodex

OpenCodeGemini CLI11+ 平台

🎯 它能解决什么问题？

  • 上下文窗口耗尽：

    长会话中 Token 被杂乱输出撑爆，模型越聊越笨，关键上下文被冲走。

  • 每次从零开始：

    关闭 Claude Code 再打开，昨天的调试经验、项目约定、编码模式全部丢失。

  • 质量忽高忽低：

    同一个 AI，换一种语言就输出风格大变，TypeScript 写得干净，Python 却满屏反模式。

  • 安全漏洞潜伏：

    AI 不知不觉把 API Key 写进源码、跳过 Git Hook、引入带漏洞的依赖，人工审查根本跟不上。

  • 复杂任务单打独斗：

    一个 Claude 实例既要规划、又要编码、还要审查 — 精力分散，顾此失彼。

ECC 的设计哲学：把这些痛点抽象为可配置的子系统 — Agent（专家分工）+ Skills（工作流模板）+ Rules（强制规范）+ Hooks（自动质检）+ Memory（跨会话记忆），统一服务于跨平台的 AI 编程性能优化。

💡 六大核心亮点

1️⃣ 61 个专业 Agent — AI 编程的「专家团队」

传统 AI 编程只有一个通用 Agent，既做规划又写代码还搞审查。ECC 把它拆成 61 个专业子代理：

| Agent 类型 | 代表 | 职责 | | --- | --- | --- | | 🧠 规划决策 | planner / architect | 需求分解、架构设计、风险识别 | | 🔍 代码审查 | code-reviewer / security-reviewer | 代码质量 + 安全漏洞双维度扫描 | | 🔧 构建修复 | build-error-resolver + 12 语言专项 | 逐文件诊断构建错误、最小化修复 | | 🧪 测试执行 | tdd-guide / e2e-runner | RED→GREEN→REFACTOR 循环、Playwright E2E | | 🗄 专项审查 | database-reviewer / typescript-reviewer | 语言/框架专项，覆盖 12+ 生态 |

当你执行 /plan "实现用户认证" 时，Claude 自动唤醒 **planner Agent（Opus 4.6）**做深度推理规划；当你执行 /code-review 时，**code-reviewer Agent（Sonnet 4.6）**逐文件审查并输出分级质量报告。

2️⃣ 246 个 Skills — 预置的「操作说明书」

Skills 是 ECC 的主要工作流表面，每个 Skill 是一个结构化 Markdown 文件，包含该领域的完整知识和工作流指导。Claude 会自动在匹配的场景下加载对应 Skill：

| 类别 | 数量 | 代表 Skills | | --- | --- | --- | | 框架专项 | 60+ | django-patterns、springboot-patterns、laravel-patterns、nestjs-patterns | | 语言专项 | 40+ | python-patterns、golang-patterns、rust-patterns、kotlin-patterns | | 工程实践 | 30+ | backend-patterns、api-design、docker-patterns、deployment-patterns | | 质量安全 | 20+ | tdd-workflow、security-review、verification-loop、e2e-testing | | 商业运营 | 15+ | article-writing、market-research、investor-materials、brand-voice | | AI 优化 | 10+ | cost-aware-llm-pipeline、iterative-retrieval、strategic-compact |

从 Python Django 到 Kotlin Android KMP，从写投资备忘录到优化 LLM Token 成本 — ECC 都有相应的 Skill 覆盖。

3️⃣ 8 种 Hooks 事件 — 全自动「质检流水线」

Hooks 是 ECC 最强大的自动化能力。它在每次 AI 工具调用前后设置检查站：

| Hook 事件 | 触发时机 | 实际作用 | | --- | --- | --- | | PreToolUse | 工具调用前 | 拦截危险操作（如 git push --force）、阻止跳过检查 | | PostToolUse | 工具调用后 | 自动格式化（Prettier/Biome）、类型检查、检测残留 | | SessionStart | 会话启动 | 自动加载上次会话的上下文摘要 | | SessionEnd / Stop | 会话结束 | 保存当前会话状态、提取编码模式为 Instinct | | PreCompact | 压缩前 | 在压缩前保存关键状态，避免变量名/文件路径丢失 | | SuggestCompact | 智能触发 | 在逻辑断点建议压缩，而非等 95% 自动压缩 |

还可以通过环境变量随时调整 Hook 严格度：

# 三档可选：minimal（最精简） / standard（默认） / strict（最严格） export ECC_HOOK_PROFILE=standard  # 禁用指定 Hook export ECC_DISABLED_HOOKS="pre:bash:tmux-reminder"

4️⃣ AgentShield 安全体系 — 对抗性推理级安全审计

ECC 内置的安全扫描器 AgentShield 不是简单的模式匹配，而是红蓝对抗推理管道：

  • 🔴 红队 Agent：寻找利用链，尝试攻击你的配置

  • 🔵 蓝队 Agent：评估防护层，验证安全策略

  • ⚪ 审计 Agent：综合输出优先级风险评估

# 快速扫描 npx ecc-agentshield scan  # 深度分析（启动 3 个 Claude Opus 4.6 Agent 对抗） npx ecc-agentshield scan --opus --stream  # 自动修复 npx ecc-agentshield scan --fix

覆盖 5 大类：密钥检测（14 种模式，识别 sk-/ghp_/AKIA 等前缀）、权限审计、Hook 注入分析、MCP 风险画像、Agent 配置审查。1,282 条测试用例，98% 覆盖率。

5️⃣ 持续学习系统 — 让 AI 越用越懂你

ECC 内置了从会话到本能再到技能的完整进化管道：

🔄 学习闭环

Step 1 — 每次会话结束时，Stop Hook 自动提取编码模式，保存为 Instinct（本能）

Step 2 — /instinct-status 查看已学习的模式及置信度评分

Step 3 — /evolve 将相关 Instinct 聚类进化为正式的 Skill

Step 4 — 可导出 Instinct 集合，团队间共享学习成果

比如你习惯用 zod 做参数校验，ECC 会在几次会话后自动学到这个模式，后续 Claude 会主动提议用 zod 而非其他方案。

6️⃣ 跨平台一致性 — 一套配置跑遍主流 AI 编程工具

ECC 是目前对主流 AI 编程助手覆盖最广的插件系统：

| 平台 | Agents | Skills | Hooks | 集成方式 | | --- | --- | --- | --- | --- | | Claude Code | 61 | 246 | 8 事件 | 原生插件 + 市场安装 | | Cursor IDE | 共享 | 共享 | 20 事件 | DRY Adapter 适配器 | | Codex CLI | 共享 | 10 原生 | 指令层 | 同步脚本 | | OpenCode | 12 | 37 | 11 事件 | npm 插件 + 6 原生工具 | | Gemini CLI | — | 共享 | — | 适配器 |

特别值得一提的是 Cursor DRY Adapter 模式：通过一个 adapter.js 将 Cursor 的 stdin JSON 转换为 Claude Code 格式，使 scripts/hooks/*.js 在两个平台间复用，无需重复实现。

🚀 实战场景展示

场景一：新功能开发 — 用户认证系统

需求：实现邮箱注册/登录、OAuth（Google/GitHub）、密码重置、安全会话管理

/plan → 拆解为 3 阶段 + 风险矩阵 → /tdd → RED → GREEN → REFACTOR → 覆盖率 ≥ 80% → /code-review → 发现 JWT_SECRET 硬编码 CRITICAL 问题 → /e2e → 3 个 Playwright 测试全部通过 → git commit

场景二：Bug 修复 — Node.js 内存泄漏

问题：应用运行 24 小时后内存从 200MB 涨到 2GB，OOM 崩溃

/tdd → 写测试重现泄漏 → 实现 LRU 淘汰 + TTL 60s + 定期清理 → 验证测试通过 → /code-review → 无阻塞问题 → git commit

场景三：持续学习 — 越用越聪明的 AI 搭档

场景：连续多天与 Claude 协作，希望 AI 记住你的编码风格

每天结束：Stop Hook 自动提取模式 → /learn 手动提取关键模式 → /instinct-status 查看置信度 → /evolve 将高置信度 Instinct 进化为正式 Skill → 下周 Claude 自动采用你的习惯

⚡ ECC vs 裸装 Claude Code

❌ 裸装 Claude Code

单个通用 Agent会话间零记忆依赖 Prompt 工程手动格式化/检查安全意识靠提示词新项目 = 从零配置

✅ 安装 ECC 后

61 个 Agent 分工协作跨会话自动记忆持久化Hook 自动化质检门禁AgentShield 对抗性安全扫描246 Skills 开箱即用12 语言规则就位

📖 上手指南

前置条件

✅ Claude Code CLI v2.1.0+   ✅ Anthropic API Key   ✅ Node.js 18+

方式一：插件安装（推荐）

# 1. 打开 Claude Code CLI，添加市场 /plugin marketplace add https://github.com/affaan-m/ECC  # 2. 安装插件（选择 user scope 全局生效） /plugin install ecc@ecc  # 3. 手动安装 Rules（插件暂不自动分发 rules/） mkdir -p ~/.claude/rules/ecc cp -r rules/common ~/.claude/rules/ecc/ cp -r rules/typescript ~/.claude/rules/ecc/  # 4. 验证安装 /harness-audit

方式二：手动安装

git clone https://github.com/affaan-m/ECC.git cd ECC npm install ./install.sh --profile full

方式三：最小化安装（无需 Hooks）

./install.sh --profile minimal --target claude

常用命令速查

| 命令 | 作用 | | --- | --- | | /plan "需求" | 生成详细实施计划 | | /tdd "功能" | 启动 TDD 工作流 | | /code-review | 全维度代码审查 | | /build-fix | 自动修复构建错误 | | /e2e "流程" | 生成 Playwright E2E 测试 | | /learn | 提取会话编码模式 | | /harness-audit | 审计 ECC 配置完整性 | | /instinct-status | 查看学习的本能及置信度 |

⚠️ 已知限制

  • 🟡 Rules 需手动安装：Claude Code 插件系统暂不支持自动分发 rules/，需手动复制。

  • 🟡 MCP 数量限制：启用超过 10 个 MCP 会显著消耗上下文窗口，200K → 70K。

  • 🟡 Cursor 功能受限：Cursor 中无法使用 Commands/Agents/Hooks，仅支持 Rules 和 Skills。

  • 🟡 ECC 2.0 控制面 Alpha：Rust TUI 控制平面（ecc2/）仍在原型阶段，尚未生产就绪。

  • 🟡 学习曲线：246 Skills + 61 Agents 的庞大规模需要花时间探索和理解。

📝 今日总结

ECC 不是另一个 AI 编程工具，而是让现有 AI 编程助手能力翻倍的系统工程。它把 10 个月真实产品开发中的经验沉淀为 61 个 Agent、246 个 Skills、76+ 条命令和一套自动化质检流水线。

如果你已经在用 Claude Code（或 Cursor、Codex）做日常开发，ECC 提供的不是更多配置，而是一套经过验证的 Agent 协作与质量保障框架，让 AI 编程从「一次性的工具调用」进化为「可持续优化的智能工作流」。

194K Stars 不只是数字，是 170+ 贡献者和一个 10 月不间断使用的黑客松冠军项目积累的信任。

💬 今日互动：你在用 AI 编程时，最头疼的是什么？上下文窗口爆炸？代码质量忽高忽低？还是安全漏洞防不胜防？欢迎留言分享你的痛点，说不定下一期就聊你的答案！

GitHub Daily · 第041期 · 2026年5月27日

🔗 github.com/affaan-m/ECC

avatar
文章
阅读
粉丝