ECC 项目深度解析：5 万星的 AI 工作流系统是怎么设计的？ ​

GitHub 5 万星项目 ECC（Everything Claude Code），Anthropic Hackathon 冠军，覆盖 Claude Code、Codex、Cursor、OpenCode 四个主流 AI 编程工具。30 个专用 Agent、136 个 Skill、29 个 Hooks——这是怎么设计的？核心设计理念：模型从决策层降级为执行层、Hooks 作为中断机制、Skill 作为可积累知识单元。

这个项目的作者从去年 5 月开始做，用了 10 个月，5 万 GitHub 星，Anthropic Hackathon 冠军。

GitHub 地址: https://github.com/affaan-m/everything-claude-code

项目数据一览 ​

一、核心设计：模型只是执行器 ​

你的 AI 模型不知道自己在执行一个"代码审查"任务。

ECC 把你的工作拆成专门的 Agent——planner 管规划，code-reviewer 管审查，tdd-guide 管测试驱动开发。

模型只是一个执行器，真正调度它的是上面那层系统。

架构哲学 ​

核心洞见：大多数 AI 工具让模型"既当裁判又当运动员"——规划任务、执行任务、审查任务都是同一个模型。ECC 把这些能力拆开，每个 Agent 只负责一件事。职责分离 = 质量稳定。

二、Hooks：中断机制，系统的神经中枢 ​

Hooks 就是这层系统的中断机制。

每次你执行一个危险操作，Hook 在中间拦截。

四种 Hooks 类型 ​

整个系统的记忆 persistence 就这样跑起来了。

工程智慧 ​

Hooks 本质是"在关键节点插入自定义逻辑"。这个设计借鉴了操作系统里的"中断向量表"思路：不是每次都查一遍规则，而是在特定时机触发特定逻辑。性能提升 + 稳定性提升。

三、最有意思的几个设计 ​

设计 1：code-reviewer Agent ​

运行流程：

先 git diff 看改动
    ↓
再读完整文件理解上下文
    ↓
再应用审查清单
    ↓
最后出结构化报告

这不是简单的关键词扫描。它是按照一个受过训练的审查员的思维模式走的。

设计 2：content-engine Skill ​

核心规则只有一条，但这条规则值千金：

不要跨平台发同一份内容。

• X 有 X 的写法
• LinkedIn 有 LinkedIn 的写法

把一个文章拆成 3 到 7 个原子想法，再分别写成平台原生版本。

它不是帮你"分发"，是帮你重新生产。

设计 3：article-writing Skill ​

定义了什么叫"不像 AI 写的文章"：

这些规则写出来不稀奇，稀奇的是它们被写进了 Skill 系统里，AI 每次写东西都会自动遵守。

四、为什么这值得试？ ​

当前的 AI 使用方式：单次使用 ​

ECC 的系统：工作流系统 ​

可迁移到内容创作 ​

ECC 的底层逻辑——跨会话记忆、专门 Agent 分工、事件触发自动化、Skill 作为可积累的知识单元——完全可以迁移到内容创作流程里：

这些都不需要自己去想。ECC 已经验证过这套系统是 work 的。

五、快速上手 ​

安装 ECC ​

# 克隆项目
git clone https://github.com/affaan-m/everything-claude-code.git

# 进入目录
cd everything-claude-code

# 安装到 Claude Code
# 根据项目 README 操作

Skill 安装方式 ​

# 安装指定 Skill
/skill install code-reviewer

# 安装 content-engine
/skill install content-engine

记忆目录结构 ​

.claude/
├── memory/          # 跨会话记忆
├── skills/          # Skills 存储
└── hooks/           # Hooks 配置

六、关键收获 ​

总结 ​

看一下 ECC 的项目结构，挖一个你用得上的 Skill 出来，改成你的领域。

比装一堆插件然后闲置强。

GitHub 地址: https://github.com/affaan-m/everything-claude-code