ECC – 开源的跨平台 AI Agent 性能优化系统

1. ECC是什么

ECC（Everything Claude Code）是一个开源的跨平台 AI Agent 性能优化系统，专为提升 AI 编程助手的协作效率与安全审计能力而设计。该系统为 Claude Code、Codex、Cursor 等 7 个以上的 AI 编程工具提供了 63 个专业 Agent、249 个按需加载的 Skill、跨会话记忆持久化机制，以及 AgentShield 安全审计工具。通过 Hook 事件系统，ECC 能够将单一 AI 编程助手转变为分工明确的“AI 团队”，实现从架构设计、代码审查到安全审计的全链路自动化工作流，显著降低开发者在多工具、多会话间的上下文管理成本。

技术定位与领域： ECC 属于 AI Agent 编排与性能优化领域，专注于为基于大语言模型的编程助手（Harness）提供系统级的 Agent 管理、Skill 按需加载、上下文预算控制和安全审计能力。它不直接生成代码，而是作为中间层增强现有 AI 编程工具的协作能力与安全性，定位为“AI Agent Harness 性能优化系统”。

研发背景： ECC 由开发者 affaan-m 创建，其灵感来源于作者在黑客松比赛中夺冠的经验——通过精心设计的 Agent 和 Skill 组合，在几小时内完成从客户调研到产品原型的全链路构建。项目旨在解决 AI 编程助手在复杂项目中的“单打独斗”问题，通过系统化的 Agent 分工和跨会话记忆，使 AI 能够像专业团队一样协同工作。

核心价值： ECC 的核心价值在于将零散的 AI 编程能力整合为可重用、可编排的 Agent 系统，同时通过按需加载机制保护有限的上下文窗口（如 Claude Code 的 200K Token），避免因过多 Skill 和 MCP 工具导致 Token 溢出。AgentShield 安全审计则解决了 AI 生成代码中的凭证泄露、配置错误等生产级安全问题，使 ECC 成为企业级 AI 开发流程的理想基础设施。

技术特点： ECC 采用 Manifest 驱动的按需加载架构，仅当检测到对应技术栈时才注入相关 Skill，极大降低上下文污染。其 Hook 事件系统支持 8 个生命周期事件（SessionStart、PreToolUse、PostToolUse、Stop 等），实现自动化工作流。此外，ECC 提供 minimal、core、full 等多档安装配置，用户可根据项目需求选择性复制规则、Agent 和 Skill，灵活适配不同规模的开发团队。

2. 主要功能

• 63 个专业 Agent： 覆盖架构设计、代码审查、安全审计、测试驱动开发（TDD）、构建错误修复、文档更新等全开发链路角色。每个 Agent 包含特定的系统提示和 Skill 组合，可独立或协同执行复杂任务，例如“Security Auditor Agent”可自动扫描代码中的漏洞并生成修复建议。

• 249 个按需加载 Skill： 根据项目技术栈动态匹配技能，TypeScript 项目自动加载 TS 审查 Skill，Python 测试场景触发 TDD Skill，避免无关联 Skill 占用上下文。这种 Manifest 驱动的加载机制有效保护 200K Token 上下文窗口，使 AI 能够专注于当前任务。

• 跨会话记忆持久化： 通过 Hook 机制在不同会话间自动存取上下文，实现连续工作流不中断。例如，在上午的架构设计会话中生成的决策记录，可在下午的编码会话中自动引用，无需手动传递信息，极大提升长周期项目的开发效率。

• AgentShield 安全审计： 内置 1282 项测试、102 条静态分析规则，毫秒级扫描凭证泄露、错误配置与注入风险。支持 --fix 自动修复模式和 --opus 深度对抗审计（红队 Agent 找漏洞、蓝队 Agent 修复、审计师 Agent 汇总），提供 98% 覆盖率的静态分析能力。

• 持续学习 v2： 基于直觉的学习系统自动从真实开发会话中提取可复用模式，生成 Instinct（直觉）并聚类为 Skill。随着使用次数增加，ECC 的配置越来越贴合个人工作流，实现“越用越聪明”的自进化效果。

• 验证循环与检查点： 支持 /checkpoint 保存验证状态、/quality-gate 质量门禁和 /eval 评估框架，允许开发者设置自动化测试和代码质量检查点，确保每次 Agent 操作都满足预定义标准。

• 多 Agent 协作： 支持 /multi-plan、/multi-execute 等多模型协同工作流命令，可同时调用多个 Agent 进行并行任务（如一个 Agent 重构代码，另一个 Agent 同时更新文档），并通过冲突检测机制避免重复工作。

• Dashboard GUI： 提供 Tkinter 桌面应用，支持主题切换、字体定制和组件可视化浏览，方便不熟悉命令行的开发者管理 Agent、Skill 和命令配置，降低使用门槛。

3. 如何使用

1. 环境要求与前置条件： 需要安装 Claude Code v2.1+（推荐最新稳定版）或其他支持 Hook 机制的 Harness（如 Codex、Cursor）。操作系统支持 macOS、Linux、Windows（WSL 推荐）。Node.js 18+ 和 Git 为可选依赖，用于插件安装和仓库克隆。

2. 插件安装（推荐）： 在 Claude Code 中执行 /plugin marketplace add https://github.com/affaan-m/ECC 添加市场源，然后执行 /plugin install ecc@ecc 安装插件。安装完成后，Skill、命令和 Hook 会自动加载，但需手动复制 rules/ 目录到 ~/.claude/rules/ecc/（插件不支持自动分发 rules）。此方式适合快速体验。

3. 手动安装（适合高级用户）： 克隆仓库 git clone https://github.com/affaan-m/ECC.git，然后按需复制 agents/、skills/、commands/ 到 ~/.claude/ 对应目录。运行 ./install.sh --profile minimal --target claude 安装 Hook 运行时。此方式允许选择性安装，避免不必要的组件占用空间。

4. 关键配置说明： 通过环境变量控制上下文预算，例如设置 ECC_SESSION_START_MAX_CHARS=50000 限制会话启动时的最大字符数，防止 Token 溢出。对于 Cursor 等非 Claude Code 平台，需通过 adapter.js 转换 Hook 事件，确保脚本逻辑复用。建议单项目 MCP 工具数量不超过 10 个，以保护上下文窗口。

5. 注意事项与最佳实践： 初次安装后建议运行 /ecc status 验证组件是否加载成功。对于大型项目，推荐使用 full 配置档安装所有 Agent 和 Skill，但需注意上下文预算。定期运行 /ecc learn 触发持续学习，从最新会话中提取模式。安全审计场景建议使用 --opus 模式，但会消耗更多 Token。

4. 优缺点分析

5. 同类工具对比

选型建议： 对于追求极致 Agent 数量和全栈覆盖的开发者，ECC 是最佳选择，其 63 个 Agent 和 249 个 Skill 能够覆盖从架构设计到安全审计的完整开发链条，尤其适合需要跨平台协作的团队（同时使用 Claude Code 和 Cursor 等）。而 claude-skills 在领域广度上更胜一筹（16 大领域），且 Skill 数量最多（338 个），适合需要跨领域知识（如营销、产品、合规）的团队，但 Agent 数量较少，在深度协作方面不如 ECC。

对于注重企业级纪律和规范化的团队，Superpowers 的“开发纪律框架”定位更为合适，其 Skill 虽然数量少但质量高，专注于工程开发全流程的纪律执行（如测试覆盖率、代码风格检查），但跨平台支持较弱，主要面向 Claude Code。如果团队同时需要安全审计和持续学习能力，ECC 的 AgentShield 和持续学习 v2 是独特优势，而 claude-skills 和 Superpowers 均未提供类似功能。

6. 编辑点评

ECC 在技术创新性上表现突出，其按需加载架构和 Hook 事件系统为 AI Agent 编排提供了可复用的基础设施。与同类项目相比，ECC 的“跨会话记忆持久化”和“持续学习 v2”机制解决了 AI 开发中的核心痛点——AI 无法记住长期上下文，而 ECC 通过 Hook 自动存取上下文，使 AI 能够在多次会话中保持对大型代码库的理解，这是目前大多数 AI 编程插件所不具备的能力。此外，AgentShield 的安全审计能力（1282 项测试、102 条规则）达到了生产级标准，尤其 --opus 模式下的红蓝队对抗审计，在开源项目中极为罕见，体现了作者对安全性的深刻理解。

在实用价值方面，ECC 适合中大型团队和复杂项目。对于全栈工程师，63 个专业 Agent 可以替代多个开发角色（如架构师、审查员、测试员），减少沟通成本。对于安全敏感型企业，AgentShield 可以防止 AI 生成的代码泄露密钥或包含漏洞，降低上线风险。但 ECC 的学习曲线较高，新手需要投入时间熟悉 Agent 体系和命令，且文档的示例不足，可能影响推广速度。

适用人群定位为：有一定经验的 AI 编程用户（熟悉 Claude Code 或 Cursor）、全栈开发者、DevOps 工程师、安全工程师。对于初学者，建议先从 minimal 配置开始，逐步增加 Agent 和 Skill。

未来发展潜力巨大：随着 AI 编程工具从“单助手”向“多 Agent 团队”演进，ECC 的编排理念将成为主流。作者计划支持更多 Harness 和自定义 Agent 开发框架，未来可能成为 AI 开发流程的标准中间件。但需注意，ECC 的持续学习系统依赖于用户会话数据，隐私保护方面需要进一步说明（目前未提供本地离线模式）。

7. 应用场景

• 全栈项目开发： 从需求规划、架构设计、TDD 编码到代码审查、E2E 测试的完整 AI 辅助开发流水线。例如，使用“Architecture Agent”生成模块设计图，然后“TDD Agent”自动编写测试用例，最后“Code Review Agent”审查代码质量，全程无需人工切换工具。

• 多技术栈团队： 同时维护 TypeScript、Python、Go、Java、Rust、Swift、PHP 等多语言项目时，ECC 自动匹配对应审查 Agent。例如，当检测到 package.json 时自动加载 TypeScript 审查 Skill，检测到 requirements.txt 时加载 Python 测试 Skill，避免人工配置。

• 安全合规开发： 在金融、企业级项目中通过 AgentShield 防止密钥泄露、配置错误和注入攻击。开发者在提交代码前运行 --opus 深度审计，红队 Agent 模拟攻击者寻找漏洞，蓝队 Agent 自动修复，审计师 Agent 生成安全报告，满足合规要求。

• 长周期维护： 利用跨会话记忆和持续学习，让 AI 在多次会话中保持对大型代码库的理解。例如，在为期三个月的重构项目中，ECC 自动记录每次会话的决策和模式，后续会话可直接引用，避免重复描述历史上下文。

• 黑客松与快速原型： 借鉴作者夺冠经验，在几小时内完成从客户调研到产品原型的全链路构建。使用 /multi-plan 命令同时启动“调研 Agent”“设计 Agent”“编码 Agent”，并行工作，快速输出可演示的 MVP。

8. 常见问题FAQ

Q：ECC 是否支持中文项目？
A：ECC 的 Agent 和 Skill 主要基于英文提示设计，但理论上可以处理中文代码注释和文档。对于中文项目，建议在 Agent 的系统提示中添加中文支持指令，或使用 --lang zh 参数（如果未来版本支持）。目前官方未提供专门的中文优化。

Q：安装后如何验证 ECC 是否正常工作？
A：在 Claude Code 中执行 /ecc status 命令，如果返回 Agent 数量、Skill 数量和 Hook 状态信息，则说明安装成功。也可以运行一个简单的测试 Agent，如 /agent run "code-review" --file src/index.ts，观察是否触发审查流程。

Q：ECC 的持续学习功能是否会泄露隐私？
A：持续学习 v2 系统从会话中提取模式并生成 Instinct，所有数据存储在本地 ~/.claude/ecc/ 目录下，不会上传到云端。但建议用户定期审查生成的 Instinct 文件，确保不包含敏感信息（如密码、API Key）。AgentShield 的审计日志同样仅保存在本地。

Q：如何在 Cursor 中使用 ECC？
A：Cursor 支持 Hook 事件系统，但格式与 Claude Code 略有不同。ECC 提供了 adapter.js 文件，需手动复制到 Cursor 的扩展目录，并按照项目文档配置事件映射。目前 Cursor 的兼容性不如 Claude Code，部分高级命令（如 /multi-plan）可能无法正常运行。

Q：ECC 是否会与已有的 MCP 工具冲突？
A：ECC 建议单项目 MCP 工具数量不超过 10 个，以避免上下文窗口溢出。ECC 的 Skill 和 Agent 本身不占用 MCP 工具名额，但会通过 Hook 事件与 MCP 工具交互。如果发现冲突，可通过环境变量 ECC_MCP_BLACKLIST 排除特定 MCP 工具。

Q：如何更新 ECC 到最新版本？
A：对于插件安装方式，执行 /plugin update ecc@ecc 即可。对于手动安装，需要重新克隆仓库并覆盖 ~/.claude/ 目录下的对应文件夹，然后重新运行 ./install.sh。建议更新前备份自定义配置（如 rules/ 目录下的自定义规则）。

9. 项目地址

• 项目官网： https://ecc.tools/
• GitHub 仓库： https://github.com/affaan-m/ECC
• 插件市场： 在 Claude Code 中通过 /plugin marketplace add https://github.com/affaan-m/ECC 添加源