ECC vs Superpowers
编辑
Claude Code 已经成为最强大的 AI 编程助手之一，但裸用的 Claude Code 就像一把没有磨利的刀——能用，但远远没有发挥出全部潜力。社区中涌现出了两大增强框架来解决这个问题：Everything Claude Code (ECC) 和 Superpowers。
它们都试图回答同一个问题：如何让 AI 编程助手从"好用"变成"不可或缺"？ 但给出了截然不同的答案。
它们是什么
Everything Claude Code (ECC)
ECC 最初是 Anthropic 黑客松的获奖项目，经过 10 个月以上的日常实战打磨而成。它将自己定位为一个"Agent Harness 性能优化系统"——不是简单的配置包，而是一个完整的模块化插件架构。
核心数据：
- 30+ 专用 Agent
- 136+ Skills（技能）
- 60+ 斜杠命令
- 50+ 基础设施脚本
- 30+ 生命周期钩子
- 12 种语言生态的规则集
- 50K+ GitHub Stars
Superpowers
Superpowers 由 Jesse Vincent（Prime Radiant 团队）创建，是一个基于可组合技能的软件开发工作流框架。它的核心理念是：让 AI Agent 遵循严格的软件工程流程，而不是随意生成代码。
核心定位：将 AI 编码 Agent 从"代码生成器"转变为"遵循最佳实践的软件工程伙伴"。
架构对比
ECC 的六大组件柱
ECC 的架构是其最显著的特征。每个组件类型在 AI 辅助开发生命周期中扮演不同角色：
Agents（30+） — 专用子 Agent，用于任务委派。包括
planner、各语言 Reviewer、security-reviewer、build-error-resolver等Skills（136+） — 工作流定义和领域知识。从 TDD、E2E 测试到 Django 模式、SwiftUI 模式
Commands（60+） — 用户触发的斜杠命令，如
/plan、/tdd、/code-reviewRules（12 语言） — 始终生效的治理规则，按语言组织
Hooks（30+） — 生命周期事件触发的自动化，如 pre-commit 检查、代码格式化
Scripts（50+） — Node.js 基础设施：安装、状态管理、CI
Superpowers 的 Skill 组合
Superpowers 选择了一条更简洁的路径，用精心设计的 Skill 覆盖完整开发流程：
brainstorming — 苏格拉底式设计推敲，逐一提问澄清需求
writing-plans — 将设计拆解为 2-5 分钟的细粒度任务
executing-plans — 带人工检查点的批量执行
test-driven-development — 铁律：没有失败测试就不写生产代码
subagent-driven-development — 每个任务派发独立子 Agent，双阶段审查
systematic-debugging — 4 阶段根因分析
code-review — 计划对比 + 严重性分级
核心理念差异
这是两个框架最根本的区别。
ECC：全面覆盖，各取所需
ECC 的哲学是"提供一切，按需选用"。它的 5 种安装档案体现了这个理念：
core — 最小框架基线（6 个模块）
developer — 默认工程配置（9 个模块）
security — 安全重型配置（8 个模块）
research — 研究和内容工作流（9 个模块）
full — 完整安装（18 个模块）
你不会一次用到所有东西，但你总能在需要时找到对应的组件。
Superpowers：流程驱动，强制执行
Superpowers 的哲学是"流程优先，不可跳过"。它的 Skill 不是建议——而是强制执行的流程：
必须先头脑风暴 — Agent 会逐一提问，直到需求完全澄清
必须写设计文档 — 保存到
docs/superpowers/specs/目录必须先写测试 — "铁律"：先写代码后写测试？删掉重来
必须有审查 — 双阶段审查：规格合规性 + 代码质量
必须隔离开发 — Git Worktree，不在 main 上直接开发
这种"强制性"是 Superpowers 最鲜明的特征。
工作流对比
让我们看一个具体场景：开发一个新功能。
ECC 的工作流
/plan "添加 OAuth 用户认证"
↓ planner Agent 创建蓝图
/tdd
↓ tdd-guide 技能强制先写测试
实现代码
↓
/code-review
↓ code-reviewer Agent 检查
/security-scan （可选）
/e2e （可选）
/test-coverage （可选）
特点：用户主导，灵活选择。每一步都是一个可选的命令调用。
Superpowers 的工作流
"添加 OAuth 用户认证"
↓
[自动] 头脑风暴 → 逐一提问 → 设计方案选择
↓
[自动] 生成设计文档 → 自查（占位符、一致性、范围蔓延）
↓
[自动] 创建 Git Worktree + 新分支
↓
[自动] 拆分为 2-5 分钟的细粒度任务
↓
[自动] 每个任务派发子 Agent
↓ [TDD 铁律：先测试后代码]
↓ [双阶段审查：规格合规 → 代码质量]
↓
[自动] 分支收尾：验证测试 → 选择合并/PR/保留/丢弃
特点：流程自动推进，Agent 驱动。用户更多扮演审批者角色。
各自的独特优势
ECC 的杀手锏
1. 连续学习系统（Continuous Learning v2）
这是 ECC 最具创新性的功能。它能从你的开发会话中自动提取模式：
/instinct-status— 查看已学习的直觉及其置信度/instinct-import/export— 在团队间共享学习成果/evolve— 将相关直觉聚类为技能/learn-eval— 提取、评估、保存模式
用得越多，系统越懂你。
2. AgentShield 安全审计
独立的安全审计工具（npm: ecc-agentshield），扫描 5 大安全类别：
- 密钥检测（14 种模式）
- 权限审计
- Hook 注入分析
- MCP 服务器风险画像
- Agent 配置审查
--opus 标志甚至会启动三个 Claude Opus Agent 进行红蓝对抗审计。
3. Token 优化体系
ECC 对成本控制有深入实践：
{
"model": "sonnet",
"env": {
"MAX_THINKING_TOKENS": "10000",
"CLAUDE_AUTOCOMPACT_PCT_OVERRIDE": "50"
}
}
Sonnet 作为默认模型（成本降低约 60%）
限制思考 Token 数量（隐藏思考成本降低约 70%）
Opus 仅用于深度架构推理
4. 多模型编排
通过 /multi-plan、/multi-execute 等命令实现多 Agent 协同工作流。
Superpowers 的杀手锏
1. 铁律级 TDD
Superpowers 对测试驱动开发的态度是零容忍：
没有失败测试就不写生产代码。如果你先写了代码？删掉，从头来过。
这不是建议——这是规则。它甚至包含了详细的"常见借口和为什么它们是错的"文档。
2. 子 Agent 驱动开发
每个任务都派发一个全新的子 Agent，拥有独立的上下文：
实现者 — 执行具体任务
规格审查者 — 检查代码是否符合规格
质量审查者 — 检查代码质量
审查循环持续到两个阶段都通过。据报道，这个系统可以自主运行长达两小时而不偏离计划。
3. Git Worktree 隔离
强制在独立的工作树上开发，绝不在 main/master 上直接工作。每个任务完成后单独提交。
4. 可视化流程图
每个 Skill 都包含 Graphviz DOT 格式的流程图，清晰地展示决策树和过程流。
适用场景
选 ECC 如果你：
需要一个全面的工具箱，覆盖各种场景
团队有不同角色的开发者（前端、后端、安全、研究）
重视成本控制和 Token 优化
需要严格的安全审计
希望系统越用越懂你（连续学习）
工作涉及多种语言和框架
想要细粒度控制每个组件的启用/禁用
选 Superpowers 如果你：
信奉严格的工程流程
团队需要强制执行 TDD
希望减少决策疲劳——框架替你做流程决策
重视代码质量胜过开发速度
想要一个轻量、专注的解决方案
刚接触 AI 编程工具，需要一个引导式体验
在意项目间的一致性
实际体验对比
能不能两个都用？
理论上可以，但不推荐。两个框架都会影响 Agent 的行为模式，同时使用可能导致：
流程冲突（一个要自由，一个要强制）
Token 浪费（两套指令同时生效）
不可预测的行为
建议先选择一个，深度使用后再评估是否需要切换。
总结
这两个项目代表了 AI 编程增强的两种哲学：
ECC 是一把瑞士军刀 — 功能全面，模块化，可定制。适合需要精细控制和全面覆盖的团队。它的连续学习系统让工具随时间进化，Token 优化让大规模使用变得经济可行。
Superpowers 是一位严格的导师 — 流程驱动，强制执行，质量优先。适合信奉工程纪律、希望减少决策疲劳的开发者。它的子 Agent 架构和铁律级 TDD 确保每一行代码都经过严格验证。
两者都是优秀的开源项目，都推动着 AI 编程工具从"助手"向"工程伙伴"进化。选择哪个不在于哪个更好，而在于哪个更适合你的工作方式。
- 0
- 0
-
赞助
赞赏
-
分享