ECC 从安装到精通
一句话：从零安装 ECC，手把手构建一个 CLI TODO 工具，走完完整的 AI 辅助开发工作流。
为什么要用 ECC
Claude Code 原生能力很强，但缺乏一套系统级的开发工具链。ECC（Everything Claude Code）就是这层补充——它提供 76 个 Agent Skills、75 个 Commands、Rules、Hooks、Memory 系统，覆盖从规划到安全扫描的完整开发闭环。
Anthropic 黑客松冠军作品，GitHub ~169K stars，MIT 协议。
安装
三步完成：
# 1. 添加市场/plugin marketplaceaddaffaan-m/everything-claude-code# 2. 安装插件/plugininstalleverything-claude-code@everything-claude-code# 3. 手动安装 Rules（必做！）gitclone https://github.com/affaan-m/everything-claude-code.gitmkdir-p~/.claude/rulescp-reverything-claude-code/rules/common ~/.claude/rules/验证：
/plugin list# 查看状态/ecc:plan"测试"# 测试命令实战：从零构建 CLI TODO 工具
项目为空仓库（只有docs/、src/、tests/三个空目录和默认 CLAUDE.md），目标是走完 ECC 完整开发流。
Step 1: 项目识别 —/project-init
自动检测项目技术栈：
- Python 3.10（.venv）
- pytest（.pytest_cache）
- 无 pyproject.toml、无代码文件
输出配置建议，确认后更新 CLAUDE.md。
Step 2: 产品规划 —/plan-prd
输入一句话需求，ECC 通过 Socratic 式对话帮你澄清：
/plan-prd 用 Python 写一个命令行 TODO 工具，支持添加任务、列出任务、标记完成、删除任务，数据存到本地 JSON 文件产出.claude/prds/cli-todo-tool.prd.md，包含：
- Problem / Users / Hypothesis / Success Metrics
- MVP 范围（4 个命令，本地 JSON 存储）
- 3 个 Delivery Milestone
Step 3: 实现规划 —/plan
基于 PRD 生成具体实现计划。PRD 里有 3 个 milestone，/plan自动选中第一个 pending 的。
产出.claude/plans/cli-todo-tool.plan.md，包含：
- 文件变更清单
- 4 个具体 Task
- 可复用的代码模式
- 验证命令
用户确认后开始写代码。
Step 4: TDD 实现
先写测试，再写实现：
RED: 写测试 → 运行 → 失败 GREEN: 写最小实现 → 运行 → 通过Task 数据模型：4 个测试（创建、ID 唯一性、序列化往返、字段校验）
@dataclassclassTask:title:strcompleted:bool=Falseid:str=field(default_factory=lambda:str(uuid.uuid4()))created_at:datetime=field(default_factory=lambda:datetime.now(timezone.utc))JSON 存储层：5 个测试（增删查、追加、空文件、损坏 JSON）
关键设计决策 ——原子写：
def_write_all(self,tasks):fd,tmp=tempfile.mkstemp(dir=...,prefix=".tmp")try:withos.fdopen(fd,"w")asf:json.dump(data,f,indent=2)f.flush();os.fsync(f.fileno())os.replace(tmp,self.filepath)# 原子替换，消除竞态exceptException:os.unlink(tmp)raiseCLI 命令：15 个测试，用 CliRunner + monkeypatch 隔离文件系统
classTestAdd:@pytest.fixture(autouse=True)deftmp_todo_dir(self,tmp_path,monkeypatch):todo_dir=tmp_path/".todo"monkeypatch.setattr("todo.cli._todo_dir",lambda:todo_dir)deftest_add_persists_to_file(self,tmp_path):runner=CliRunner()runner.invoke(cli,["add","buy groceries"])data=json.loads((tmp_path/".todo"/"todos.json").read_text())assertdata[0]["title"]=="buy groceries"Step 5: 代码审查 —/code-review
每次代码改动后立即审查。第一次审查发现3 HIGH + 4 MEDIUM：
| 级别 | 问题 | 修复 |
|---|---|---|
| HIGH | open("w")先 truncate 后加锁，存在竞态 | 改为 tempfile + os.replace 原子写 |
| HIGH | test 断言恒真（"A" or "B"） | 改为直接验证文件内容 |
| HIGH | 测试名与实际逻辑不符 | 重写为实际验证字段集合 |
| MEDIUM | from_dict 无输入校验 | 加 try/except ValueError |
| MEDIUM | CLI 无错误包装 | 加 try/except + click.echo(err=True) |
Step 6: 安全扫描 —/security-scan
发现HIGH：TODO_FILE环境变量允许任意路径写入。修复为固定~/.todo/目录。
Step 7: 质量门禁 —/quality-gate
一键验证：
Tests 29/29 passed Coverage 92% (139 stmts) Compile 6 files OK Lint clean Result: PASSStep 8: 重复 3 次
以上流程重复 3 个 milestone：add→list→done + delete。每次都是：/plan→ 实现 →/code-review→/security-scan。
Step 9: 代码地图 —/update-codemaps
生成 token-lean 架构文档到docs/CODEMAPS/，方便 Claude 未来快速理解项目结构。
Step 10: 配置审计 —/harness-audit
扫描全局和项目配置，给出 7 维评分。发现 3 个待修复项：Memory 空、CLAUDE.md 过时、Stop hook 自动 commit 有风险。
Step 11: 经验萃取 —/learn-eval
从会话中提取可复用模式，评估是否值得保存成 skill。本次提炼出Python CLI 测试隔离模式：用monkeypatch.setattr重定向文件路径而非环境变量。
最终项目结构
src/todo/ ├── __init__.py ├── models.py # Task dataclass, to_dict/from_dict ├── storage.py # 原子 JSON 读写, 损坏检测 └── cli.py # Click CLI, 4 命令, 错误包装 tests/ ├── test_models.py (5 tests) ├── test_storage.py (9 tests) └── test_cli.py (15 tests) docs/CODEMAPS/ ├── architecture.md └── cli-routes.md .claude/prds/cli-todo-tool.prd.md .claude/plans/*.plan.mdECC 常用命令速查
| 阶段 | 命令 | 用途 |
|---|---|---|
| 识别 | /project-init | 检测技术栈，生成接入方案 |
| 规划 | /plan-prd | 生成产品需求文档 |
/plan | 生成实现计划 | |
| 编码 | (写代码) | Claude 直接写 |
| 测试 | /test-coverage | 覆盖率分析 |
| 审查 | /code-review | 代码质量审查 |
/security-scan | 安全漏洞扫描 | |
/santa-loop | 双模型独立审查 | |
| 质量 | /quality-gate | 一键跑完测试+审查+安全 |
/simplify | 精简代码 | |
/refactor-clean | 删除死代码 | |
| 文档 | /update-codemaps | 生成架构地图 |
| 交付 | /pr | 创建 Pull Request |
| 记忆 | /learn-eval | 提取并保存可复用经验 |
/save-session//resume-session | 会话存取 | |
| 运维 | /harness-audit | 配置健康检查 |
/cost-report | 成本统计 |
ECC vs Superpowers
两个工具不同层面，可以一起用：
| ECC | Superpowers | |
|---|---|---|
| 定位 | 工具箱（上下文驱动） | 教练（文档驱动） |
| Stars | ~169K | ~121K |
| 规模 | 76 skills, 75 commands, 36 agents | 14 skills |
| 流程约束 | 无，你爱怎么开发怎么开发 | 强制的 brainstorm → plan → TDD → review → merge |
| 最大卖点 | Memory 跨会话记忆、Instincts 自动学习、AgentShield 安全 | Git worktree 隔离、强制 TDD、双层 auto-review |
| 学习曲线 | 数天 | 半天 |
| 适用场景 | 个人项目、快速原型、强模型 | 中大项目、团队协作、弱模型兜底 |
两者互补：Superpowers 管流程规范性，ECC 管具体工具完备性。一个告诉你"这一步该做什么"，一个给你"做这件事最好的工具"。
总结
ECC 本质上把软件工程的最佳实践固化为可复用的 AI Agent 工具链。核心价值在于：
- 不依赖记忆：rules + skills 让 Claude 每次都知道你的项目约定
- 质量内建：code-review + security-scan + quality-gate 在每个环节卡住问题
- 越用越聪明：Memory 系统和 Instincts 让经验不丢失
- 并行加速：multi-plan、multi-backend、santa-loop 用多模型并行提效
从零到完整 CLI 工具，全程不到 2 小时。这不是魔法——这只是一个好的工具链让每一环都变短了。