claude-code-subagents
claude-code-subagents 是一个专为 Claude Code 打造的开源扩展库,汇集了 100 多个生产级的专业开发子智能体。它旨在解决通用 AI 在特定编程领域知识深度不足的问题,通过引入具备垂直领域专长的“专家角色”,显著提升代码生成、调试及架构设计的准确性与专业性。
这套工具非常适合各类软件开发工程师、技术团队及 DevOps 人员使用。无论您是在维护遗留系统,还是构建现代化的云原生应用,都能从中找到对应的助力。其核心亮点在于高度的专业化与自动化:库中涵盖了从 Bash、Python、Rust 等底层语言专家,到 React、Vue、Next.js 等前端框架大师,甚至包括数据库优化和安全审计等特定任务专家。每个子智能体都根据任务复杂度配置了最优的模型策略,既能保证输出质量,又能兼顾成本效益。它们可根据上下文自动触发,也可由开发者显式调用,如同在您的开发环境中随时待命的一支精英技术团队,让 AI 辅助编程更加精准高效。
使用场景
某全栈开发团队正紧急重构一个遗留的单体电商系统,需要将其拆分为微服务架构,并同时升级前端技术栈。
没有 claude-code-subagents 时
- 上下文切换频繁:开发者需在 Python 后端、React 前端和 Bash 部署脚本间反复切换思维模式,导致通用型 AI 助手给出的代码风格不统一,常出现混用旧语法或忽略语言特性的情况。
- 领域知识深度不足:面对复杂的并发场景(如 Go 语言的 Channel 管理)或内存安全要求(如 Rust 的所有权机制),普通助手往往生成存在潜在隐患的代码,需要人工花费大量时间审查和修正。
- 自动化流程脆弱:在编写 CI/CD 流水线脚本时,缺乏针对生产环境的防御性编程建议,导致脚本在异常情况下容易失败且难以调试。
- 配置优化成本高:为了获得高质量代码,开发者必须手动为不同任务反复调整提示词(Prompt)以模拟专家角色,严重拖慢了重构进度。
使用 claude-code-subagents 后
- 专家级自动路由:claude-code-subagents 能根据文件类型自动调用
python-expert、react-expert或bash-expert,确保生成的每一行代码都符合该语言最新的最佳实践和惯用写法。 - 深层领域能力加持:在处理高并发模块时,
go-expert直接输出健壮的并发模式;在重写核心算法时,rust-expert严格遵循内存安全规范,显著降低了代码审查的返工率。 - 生产级脚本保障:
bash-expert自动为部署脚本加入完善的错误处理和日志记录机制,使得自动化流水线在复杂网络环境下依然稳定可靠。 - 零配置高效协作:无需手动编写复杂提示词,系统依据任务复杂度自动匹配最优模型,让团队能将精力完全集中在业务逻辑而非工具调优上。
claude-code-subagents 通过将百余个垂直领域的专家能力无缝集成到工作流中,将原本碎片化的多语言开发转变为流畅、专业且高质量的自动化交付过程。
运行环境要求
- 未说明
未说明
未说明

快速开始
Claude Code 子代理集合
面向 Claude Code 的全面专业 AI 子代理集合,旨在以领域专业知识增强开发工作流。
概述
本仓库包含 100 多个扩展 Claude Code 功能的专用子代理。每个子代理都精通特定领域,可根据上下文自动调用,或在需要时显式调用。所有代理均根据任务复杂度配置了特定的 Claude 模型,以实现最佳性能和成本效益。
可用子代理
编程语言与框架
- bash-expert - 精通生产自动化、CI/CD 流水线及系统工具的防御性 Bash 脚本编写
- python-expert - 熟练掌握 Python 高级特性,优化性能并确保代码质量
- javascript-expert - 使用 ES6+、异步模式及 Node.js API 进行现代 JavaScript 开发
- typescript-expert - 基于类型安全、接口和高级特性的 TypeScript 开发
- java-expert - 使用 Spring Boot、企业级设计模式及 JVM 优化进行 Java 开发
- go-expert - 利用并发、通道和惯用模式进行 Go 开发
- rust-expert - 注重内存安全、所有权模式和系统编程的 Rust 开发
- c-expert - 涉及内存管理、系统调用和性能优化的 C 语言编程
- cpp-expert - 使用 STL、模板、RAII 和智能指针的现代 C++ 开发
- php-expert - 结合现代特性、Laravel 框架及性能优化的 PHP 开发
- ruby-expert - 基于 Rails、元编程和优雅语法的 Ruby 开发
- scala-expert - 结合函数式编程、Akka 框架和 JVM 集成的 Scala 开发
- kotlin-expert - 适用于 Android、Spring Boot 和协程的 Kotlin 开发
- swift-expert - 面向 iOS、macOS 和 Apple 生态系统的 Swift 开发
- dart-expert - 基于 Flutter、移动应用和跨平台解决方案的 Dart 开发
- lua-expert - 用于游戏脚本、嵌入式系统和高性能场景的 Lua 开发
- haskell-expert - 专注于函数式编程、单子和类型论的 Haskell 开发
- ocaml-expert - 结合函数式编程和系统编程的 OCaml 开发
- perl-expert - 侧重文本处理、系统管理和自动化任务的 Perl 开发
- csharp-expert - 基于 .NET 生态系统、LINQ 和企业级模式的 C# 开发
- clojure-expert - 采用函数式编程和 Lisp 语法的 Clojure 开发
- elixir-expert - 基于函数式编程和 Erlang 虚拟机的 Elixir 开发
- erlang-expert - 专注于并发编程和容错能力的 Erlang 开发
Web 开发与前端
- react-expert - 使用 Hooks、状态管理及组件架构进行 React 开发
- vue-expert - 基于组合式 API、状态管理及 SFC 的 Vue.js 开发
- angular-expert - 采用 TypeScript、RxJS 和企业级模式的 Angular 开发
- svelte-expert - 基于响应式组件和极简样板的 Svelte 开发
- solidjs-expert - 专注于细粒度响应性和性能的 SolidJS 开发
- nextjs-expert - 结合 SSR、SSG 和 React 优化的 Next.js 开发
- remix-expert - 基于嵌套路由、数据加载和 Web 标准的 Remix 开发
- nestjs-expert - 使用装饰器、模块和企业级模式的 NestJS 开发
- express-expert - 基于中间件、路由和 Node.js API 的 Express.js 开发
- fastapi-expert - 结合 async/await、Pydantic 和 OpenAPI 的 FastAPI 开发
- flask-expert - 基于蓝图、扩展和 Python Web 模式的 Flask 开发
- rails-expert - 基于 MVC、ActiveRecord 和约定的 Ruby on Rails 开发
- laravel-expert - 结合 Eloquent、Blade 和 PHP Web 模式的 Laravel 开发
- gin-expert - 基于 Go Web API 和中间件的 Gin 框架开发
- fiber-expert - 基于 Go Web 开发和性能优化的 Fiber 框架开发
- aspnet-core-expert - 基于 C# Web API 和 .NET 生态系统的 ASP.NET Core 开发
- actix-expert - 基于 Rust Web 框架和异步模式的 Actix-web 开发
- phoenix-expert - 基于 Elixir 和实时功能的 Phoenix 框架开发
- html-expert - 使用语义化标记、可访问性和 Web 标准进行 HTML 开发
- css-expert - 进行现代布局、动画和响应式设计的 CSS 开发
- tailwind-expert - 基于实用优先设计和自定义样式的 Tailwind CSS 开发
- angularjs-expert - 提供对旧版支持、指令和迁移策略的 AngularJS 开发
- astro-expert - 基于静态站点生成和组件岛屿的 Astro 开发
- django-expert - 使用 Python Web 框架、ORM 和管理界面进行 Django 开发
- fastify-expert - 基于高性能 Node.js Web 框架的 Fastify 开发
- jquery-expert - 用于 DOM 操控和旧版浏览器支持的 jQuery 开发
- spring-boot-expert - 基于 Java 微服务和企业级模式的 Spring Boot 开发
移动与桌面开发
- react-native-expert - 使用 React Native 开发跨平台移动应用
- flutter-expert - 使用 Dart 和 Flutter 开发跨平台移动应用
- ios-expert - 使用 Swift、UIKit 和 Apple 生态系统开发 iOS 应用
- swiftui-expert - 使用 SwiftUI 开发声明式 UI 和现代 iOS 开发模式
- android-expert - 使用 Kotlin、Jetpack Compose 和 Material Design 开发 Android 应用
- electron-expert - 使用 Electron 开发跨平台桌面应用
- tauri-expert - 使用 Rust 后端和 Web 前端开发 Tauri 应用
- expo-expert - 使用 Expo 和 React Native 的托管工作流开发应用
数据库与数据管理
- sql-expert - 使用 SQL 进行复杂查询、优化和数据库设计
- postgres-expert - 使用 PostgreSQL 的高级特性、扩展和优化技术
- mysql-expert - 使用 MySQL 的 InnoDB 存储引擎、复制技术和性能调优
- sqlite-expert - 使用 SQLite 开发嵌入式数据库和移动应用
- mariadb-expert - 使用 MariaDB 开发与 MySQL 兼容的企业级应用
- mssql-expert - 使用 Microsoft SQL Server 和 T-SQL 开发企业级应用
- mongodb-expert - 使用 MongoDB 的 NoSQL 模式、聚合管道和分片技术
- redis-expert - 使用 Redis 进行缓存、发布/订阅和数据结构操作
- neo4j-expert - 使用 Neo4j 图数据库和 Cypher 查询语言
- cassandra-expert - 使用 Cassandra 分布式数据库和 CQL 查询语言
- cockroachdb-expert - 使用 CockroachDB 开发分布式 SQL 数据库并保证一致性
- dynamodb-expert - 使用 DynamoDB 的 NoSQL 模式和 AWS 集成
- elasticsearch-expert - 使用 Elasticsearch 进行搜索、分析和 ELK 技术栈开发
- opensearch-expert - 使用 OpenSearch 进行搜索和分析
- vector-db-expert - 使用向量数据库进行嵌入表示和相似度搜索
ORM 与查询构建器
- prisma-expert - 使用 Prisma 进行类型安全的数据库访问和迁移
- sequelize-expert - 使用 Sequelize ORM 在 Node.js 环境中管理数据库
- typeorm-expert - 使用 TypeORM ORM 和 TypeScript 装饰器开发
- knex-expert - 使用 Knex.js 查询构建器和迁移工具
- mongoose-expert - 使用 Mongoose ODM 和 Schema 开发 MongoDB 应用
基础设施与 DevOps
- docker-expert - 使用 Docker 进行容器化、镜像管理和编排
- kubernetes-expert - 使用 Kubernetes 进行容器编排和水平扩展
- terraform-expert - 使用 Terraform 实现基础设施即代码和云资源 provisioning
- pulumi-expert - 使用 Pulumi 实现基础设施即代码并支持多语言
- jenkins-expert - 使用 Jenkins 构建 CI/CD 流水线和自动化流程
- github-actions-expert - 使用 GitHub Actions 定义工作流和自动化任务
- gitlab-ci-expert - 使用 GitLab CI 构建流水线和 DevOps 自动化
- circleci-expert - 使用 CircleCI 进行持续集成和部署
- ansible-expert - 使用 Ansible 进行配置管理和自动化
服务类
- stripe-expert - 使用 Stripe 处理支付和 Webhook 事件
- braintree-expert - 使用 Braintree 处理支付并与 PayPal 集成
- sns-expert - 使用 AWS SNS 提供消息传递和通知服务
- sqs-expert - 使用 AWS SQS 进行消息队列和分布式系统开发
- openai-api-expert - 使用 OpenAI API 和 GPT 模型进行 AI 集成
- auth0-expert - 使用 Auth0 提供身份验证和授权服务
- keycloak-expert - 使用 Keycloak 进行身份和访问管理
消息与通信
- rabbitmq-expert - 使用 RabbitMQ 进行消息队列和 AMQP 协议开发
- kafka-expert - 使用 Apache Kafka 进行事件流处理和分布式系统开发
- nats-expert - 使用 NATS 进行轻量级消息传递和发布/订阅
- mqtt-expert - 使用 MQTT 协议进行 IoT 消息传输和轻量级通信
- websocket-expert - 使用 WebSocket 实现实时通信
- grpc-expert - 使用 gRPC 进行高性能 RPC 和 Protocol Buffers 开发
- graphql-expert - 使用 GraphQL 架构、解析器和联邦架构开发
- rest-expert - 使用 RESTful API 标准和最佳实践开发
- openapi-expert - 使用 OpenAPI 规范和文档生成工具
- trpc-expert - 使用 tRPC 实现端到端类型安全和 TypeScript API 开发
测试与质量保证
- jest-expert - 使用 Jest 进行 JavaScript 测试和模拟开发
- vitest-expert - 基于 Vite 的测试和现代工具链的 Vitest 开发
- mocha-expert - 使用 Mocha 和灵活框架进行 JavaScript 测试开发
- jasmine-expert - 使用 Jasmine 进行 BDD 测试和行为驱动开发
- ava-expert - 使用 AVA 进行并发测试和现代 JavaScript 开发
- cypress-expert - 使用 Cypress 进行端到端测试和 Web 自动化开发
- playwright-expert - 使用 Playwright 进行跨浏览器测试和自动化开发
- selenium-expert - 使用 Selenium 进行 Web 自动化和浏览器测试开发
- testcafe-expert - 使用 TestCafe 进行端到端测试和现代 Web 应用开发
- puppeteer-expert - 使用 Puppeteer 进行 Chrome 自动化和无头浏览开发
数据科学与机器学习
- pandas-expert - 使用 Pandas 进行数据处理和分析开发
- numpy-expert - 使用 NumPy 进行数值计算和数组操作开发
- scikit-learn-expert - 使用 Scikit-learn 进行机器学习和数据科学开发
- tensorflow-expert - 使用 TensorFlow 进行深度学习和神经网络开发
- pytorch-expert - 使用 PyTorch 进行深度学习和动态计算图开发
- langchain-expert - 使用 LangChain 进行 LLM 应用和 RAG 系统开发
监控与可观测性
- prometheus-expert - 使用 Prometheus 进行指标收集和监控开发
- grafana-expert - 使用 Grafana 进行可视化和仪表盘创建开发
- loki-expert - 使用 Loki 进行日志聚合和查询开发
- elk-expert - 使用 ELK 技术栈(Elasticsearch、Logstash、Kibana)进行开发
- opentelemetry-expert - 使用 OpenTelemetry 进行可观测性和追踪开发
安全与认证
- owasp-top10-expert - OWASP Top 10 专家,专注于 Web 应用程序安全
- jwt-expert - 使用 JWT 进行基于令牌的身份验证和安全开发
- oauth-oidc-expert - 使用 OAuth 2.0 和 OpenID Connect 进行身份协议开发
构建工具与打包工具
- webpack-expert - 使用 Webpack 进行模块打包和优化开发
- rollup-expert - 使用 Rollup 进行 ES 模块打包和 Tree Shaking 开发
数据库迁移与模式管理
- flyway-expert - 使用 Flyway 进行数据库迁移和版本控制开发
- liquibase-expert - 使用 Liquibase 进行数据库变更管理开发
- prisma-expert - 使用 Prisma 进行数据库迁移和模式管理开发
后台任务与任务队列
- celery-expert - 使用 Celery 进行分布式任务队列和 Python 开发
- sidekiq-expert - 使用 Sidekiq 进行后台任务处理和 Ruby 开发
- bullmq-expert - 使用 BullMQ 进行基于 Redis 的任务队列和 Node.js 开发
运行时与包管理器
- nodejs-expert - 使用 Node.js 进行运行时、包管理和生态系统开发
- bun-expert - 使用 Bun 进行快速 JavaScript 运行时和包管理开发
- deno-expert - 使用 Deno 进行安全的 JavaScript 运行时和 TypeScript 开发
安装
这些子代理会自动在放置于 ~/.claude/agents/ 目录后可用。
cd ~/.claude
git clone https://github.com/0xfurai/claude-code-subagents.git
使用方法
自动调用
Claude Code 会根据任务上下文和子代理的描述自动委派给合适的子代理。
显式调用
在请求中明确提及子代理名称:
"使用 python-expert 来优化这个算法"
"让 react-expert 重构这个组件"
贡献
要添加新的子代理:
- 在
agents/目录下创建一个新的.md文件 - 使用小写、连字符分隔的名称
- 编写清晰的描述,说明何时应使用该子代理
- 在系统提示中包含具体指令
- 遵循既定格式,包括关注领域、方法、质量检查清单和输出。
许可证
本项目采用 MIT 许可证授权——详情请参阅 LICENSE 文件。
了解更多
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。