Claude Code装了这个插件,直接从一个人变成一支军队

昨天我看到GitHub上的一个数字，愣了好几秒。

21万Star。

不是一个新框架，不是一个新模型，而是一个Claude Code的插件。

叫ECC，全称Everything Claude Code。

一个插件，21万Star。你没听错。

事情要从2025年9月说起。

Anthropic和Forum Ventures联合办了一场黑客松，规则特别简单粗暴，一天之内，用AI Agent从零到一构建一家公司。找客户、定需求、做原型、写代码，全在一天内完成。

一个叫Affaan Mustafa的旧金山开发者，带着他的团队参加了。

他们做的产品叫zenith.chat，一个AI客户调研平台。整套产品几乎全由Claude Code完成，Affaan自己说他基本没怎么敲过代码。

然后他们拿了冠军。

但真正让这个故事有意思的，不是冠军本身。而是Affaan在这次比赛之前，已经花了10个多月打磨了一套Claude Code的工作流。

比赛结束后，他就把这套工作流开源了。

然后Star数就像坐了火箭一样往上窜。三个月，从0到21万。

我有时候觉得，开源世界最迷人的地方就在这。一个人花了10个月打磨出来的东西，挂上GitHub，全世界的人一起用、一起改、一起迭代。三个月后，它就变成了230个贡献者共同维护的项目。

说真的，ECC做的事情，用一句话概括就是，给Claude Code配了一支团队。

不是修修补补那种，是正儿八经的、分工明确的团队。

61个Agent，261个Skill，84个命令。你装上ECC之后，Claude Code就不再是一个人干活了。它变成了一个有架构师、有测试员、有代码审查员、有安全审计员的完整团队。

你可能会想，这么多东西塞进去，上下文不会爆吗？

这个确实是很多人的第一反应。我看到200多个技能的时候，第一反应也是这不得把Claude撑死。

但ECC的处理方式比较聪明，它按需加载。

平时这些技能不会全部堆在一个上下文里。比如你写的是TypeScript项目，它就只加载TS相关的审查Agent。你写Python测试用例的时候，负责TDD的Agent才启动。你不动它，它就老老实实待着。

这就像一个200人的公司，但你开会的时候只叫相关的人进来，其他人各干各的。

说到这个，ECC里有一个东西我觉得特别值得单独聊聊。

AgentShield，安全审计工具。

我们在用AI写代码的时候，最怕什么？最怕它一不留神把你的私钥、API Key提交到公共仓库里去。这种事不是没发生过，而且一旦发生，后果非常严重。

AgentShield做的事情就是，在毫秒级扫描一遍你的代码，拦住凭证泄露。

更骚的是，当你开启 opus 模式之后，它会同时启动三个Agent分身。一个红队Agent专门找漏洞，一个蓝队Agent负责修复，最后还有一个审计师Agent汇总结果。

红蓝对抗，然后审计收尾。

我当时看到这个设计的时候，真的愣了一下。这不就是真实安全团队的工作方式吗？一个找bug，一个修bug，一个做code review。Affaan把这套流程直接搬到了Agent的协作里。

顺着上面的，再说说ECC最有意思的一个设计，跨会话记忆。

你用过Claude Code的话应该知道，每次开新会话，它就什么都不记得了。你之前跟它讨论过的架构决策、踩过的坑、确定的方案，全得重新交代一遍。

ECC在这一块做了一个钩子机制。它会在会话结束时自动保存上下文，下次开新会话时自动加载。你不用手动复制粘贴，它自己就记住了。

我有时候觉得，这才是AI编程工具应该有的样子。不是每次都从白纸开始，而是像一个真正的同事一样，记得你之前做过什么。

不过我也必须说实话，ECC并不是没有争议。

最多人吐槽的就是，功能太多了。61个Agent、261个Skill，很多人根本用不到其中大部分。

有人在GitHub上留言说，感觉这套配置太重了，很多功能是作者自己的工作流，对其他人不一定适用。

作者自己也承认了这一点。他在文档里写了一句我觉得特别实在的话，他说，这套配置是根据他个人工作流打磨的。而我们应该，挑适合自己的，删除用不上的，然后加自己的，构建一套专属自己的工作流。

这话听着像废话，但我觉得恰恰是最有价值的建议。

不是照搬别人的配置，而是理解它的思路，然后变成自己的。

还有一件事，作者在文档里特意提醒，不要一次启用所有MCP。

他说，如果启用了太多工具，即便有200k的上下文窗口也可能会缩水到70k。他建议配置20到30个MCP，单个项目启用不多于10个，活跃工具控制在80个以内。

这个细节特别重要。很多人装插件的时候有个心态，就是觉得功能越多越好，全部打开总没错。

但ECC的经验告诉你，恰恰相反。用得精比用得多重要得多。

最后说一句关于这个项目本身的事。

21万Star，MIT协议，一个人主导，230个贡献者参与，支持Claude Code、Codex、Cursor、OpenCode、Gemini、Zed、GitHub Copilot这些主流工具。

放在一起看，特别有意思。这说明什么？说明AI编程的瓶颈，已经不在模型本身了。模型够聪明了，聪明到可以写代码、做测试、审安全。但怎么用好这份聪明，怎么给它配上合适的脚手架，才是真正拉开差距的地方。

Affaan花了10个月打磨出来的东西，三个月就冲到了21万Star。这个数字本身就是答案。