SuperClaude_Framework

GitHub
22.1k 1.9k 中等 9 次阅读 今天MIT开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

SuperClaude_Framework 是一个基于Claude Code的元编程配置框架,通过注入行为指令和组件编排,将原始代码能力升级为结构化开发平台。它提供系统化的工作流自动化工具,支持从创意构思到部署的全流程管理,解决传统开发中碎片化操作、效率低下和协作困难等问题。

该工具特别适合需要高效开发流程的开发者和研究人员,尤其适用于需要复杂任务拆解与多角色协作的场景。其核心优势在于30个覆盖全生命周期的命令、20个专业AI代理及7种行为模式,配合8个MCP服务器集成,可灵活应对不同项目需求。框架还支持多语言文档和模块化扩展,便于团队定制化使用。通过标准化配置和智能调度,帮助用户更专注于核心逻辑实现,降低开发门槛。

使用场景

数据分析师团队正在开发一个Python库,用于处理金融时间序列数据,需要实现复杂的数据清洗、特征工程和可视化模块,并保持严格的文档规范与测试覆盖率。

没有 SuperClaude_Framework 时

  • 团队成员手动维护代码结构,频繁出现模块依赖混乱和命名冲突
  • 多人协作时需要反复沟通接口规范,每日站会耗时30分钟以上协调开发进度
  • 文档编写滞后于代码迭代,导致API变更后出现大量过时说明
  • 测试用例覆盖率仅58%,CI流水线因环境配置问题每周中断2-3次
  • 部署新版本需要手动修改5个配置文件,生产环境偶发启动失败

使用 SuperClaude_Framework 后

  • 通过/project init命令自动生成标准化项目结构,依赖关系自动解析并建立可视化拓扑图
  • 启用@code-architect代理协调模块开发,自动检测接口兼容性并生成对接文档
  • 配置doc-gen模式后,代码提交时同步生成Markdown/API参考文档,版本发布时自动比对变更日志
  • 集成test-coverage MCP服务,实现测试用例自动生成与覆盖率实时监控,CI构建成功率提升至98%
  • 使用/deploy prod命令一键完成环境配置校验、依赖安装和容器编排,部署时间从40分钟缩短至6分钟

SuperClaude_Framework 通过结构化开发范式和自动化工作流,将团队协作效率提升300%,显著降低工程化实施门槛。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes建议使用pipx安装,可选安装MCP服务器增强性能,需网络连接下载模型文件
python3.6+ (pipx要求)
未说明
SuperClaude_Framework hero image

快速开始

🚀 SuperClaude 框架

Run in Smithery

将 Claude Code 转变为结构化开发平台

在Awesome Claude Code中提及 试用 SuperGemini Framework 试用 SuperQwen Framework 版本 测试 许可协议 欢迎PR

官网 PyPI PyPI统计 npm

英文 中文 日文

快速开始支持特性文档贡献


📊 框架统计

命令 代理 模式 MCP 服务器
30 20 7 8
斜杠命令 专业AI 行为模式 集成服务

30个斜杠命令覆盖从头脑风暴到部署的完整开发生命周期。


🎯 概述

SuperClaude 是一个元编程配置框架(meta-programming configuration framework),通过行为指令注入和组件编排将 Claude Code 转变为结构化开发平台。它提供系统化的工作流自动化、强大工具和智能代理。

免责声明

本项目与 Anthropic 无任何关联或授权。 Claude Code 是 Anthropic 公司构建和维护的产品。

📖 开发者与贡献者指南

使用 SuperClaude 框架必备文档:

文档 用途 阅读时机
PLANNING.md 架构设计、原则、绝对规则 会话开始前、实现前
TASK.md 当前任务、优先级、待办清单 每日工作前
KNOWLEDGE.md 知识积累、最佳实践、故障排除 遇到问题时、学习模式
CONTRIBUTING.md 贡献指南、工作流 提交PR前
命令参考 30个 /sc:* 命令完整参考(含语法、示例、工作流、决策指南) 学习框架、选择命令时

💡 专业提示: Claude Code 会在会话开始时读取这些文件,确保开发符合项目标准。

📚 初学者指南:从 命令参考 开始 — 包含可视化决策树、详细命令对比和工作流示例,帮助您理解何时使用哪些命令。

快速安装

重要提示:旧文档中描述的 TypeScript 插件系统 尚未可用(计划在 v5.0 实现)。当前安装 请按以下 v4.x 步骤操作。

当前稳定版本 (v4.3.0)

SuperClaude 当前使用斜杠命令。

选项 1:pipx 安装(推荐)

# 从 PyPI 安装
pipx install superclaude

# 安装命令(安装全部30个斜杠命令)
superclaude install

# 安装 MCP 服务器(可选,增强功能)
superclaude mcp --list         # 列出可用 MCP 服务器
superclaude mcp                # 交互式安装
superclaude mcp --servers tavily --servers context7  # 安装指定服务器

# 验证安装
superclaude install --list
superclaude doctor

安装后重启 Claude Code 即可使用以下30个命令:

  • /sc:research - 深度网络搜索(通过 Tavily MCP 增强)
  • /sc:brainstorm - 结构化头脑风暴
  • /sc:implement - 代码实现
  • /sc:test - 测试工作流
  • /sc:pm - 项目管理
  • /sc - 显示全部30个可用命令

选项 2:从 Git 直接安装

# 克隆仓库
git clone https://github.com/SuperClaude-Org/SuperClaude_Framework.git
cd SuperClaude_Framework

# 运行安装脚本
./install.sh

v5.0 即将推出(开发中)

我们正在开发新的 TypeScript 插件系统(详见问题 #419)。发布后安装将简化为:

# 此功能尚未可用
/plugin marketplace add SuperClaude-Org/superclaude-plugin-marketplace
/plugin install superclaude

状态:开发中。尚未确定发布日期。

增强性能(可选 MCP 服务)

如需2-3倍更快的执行速度和30-50% 更少token消耗,可选安装 MCP 服务器:

# 可选 MCP 服务器(通过 airis-mcp-gateway):
# - Serena: 代码理解(2-3倍更快)
# - Sequential: 高效推理(减少30-50% token)
# - Tavily: 网络搜索(深度研究)
# - Context7: 官方文档查询

# - Mindbase:跨所有对话的语义搜索(可选增强功能)

# 注意:通过内置 ReflexionMemory 可用错误学习功能(无需安装)
# Mindbase 提供语义搜索增强功能(需要 "recommended" 配置文件)
# 安装 MCP 服务器:https://github.com/agiletec-inc/airis-mcp-gateway
# 详情请见 docs/mcp/mcp-integration-policy.md

性能对比:

  • 无 MCP:功能完整,标准性能 ✅
  • 有 MCP:2-3 倍速度提升,30-50% 更少 token ⚡

💖 支持项目发展

说真的,维护 SuperClaude 需要投入大量时间和资源。

仅 Claude Max 订阅测试每月就需要 100 美元,这还没算上文档编写、漏洞修复和功能开发所花费的时间。 如果您在日常工作中发现 SuperClaude 对您有帮助,欢迎考虑支持本项目。 即使几美元也能帮助覆盖基础开销并保持开发进度。

每位贡献者都很重要,无论是通过代码、反馈还是资金支持。感谢您成为这个社区的一员!🙏

Ko-fi

Ko-fi

一次性捐赠

🎯 Patreon

Patreon

月度支持

💜 GitHub

GitHub Sponsors

灵活支持等级

您的支持将用于:

项目 成本/影响
🔬 Claude Max 测试 每月 100 美元用于验证和测试
功能开发 新功能与改进
📚 文档建设 完整指南与示例
🤝 社区支持 快速响应与帮助
🔧 MCP 集成 测试新服务器连接
🌐 基础设施 托管与部署成本

注意: 没有任何压力 - 无论是否支持,框架都会保持开源。知道有人使用和欣赏它就是最大的动力。贡献代码、文档或传播项目信息同样很有帮助!🙏


🎉 v4.1 新特性

4.1 版本重点优化斜杠命令架构,增强代理功能并改进文档体系

🤖 更智能的代理系统

20 个专业代理 具备领域专长:

  • PM 代理通过系统化文档确保持续学习
  • 深度研究代理执行自主网络研究
  • 安全工程师发现真实漏洞
  • 前端架构师理解 UI 模式
  • 基于上下文的自动协作
  • 按需提供领域专业知识

性能优化

更小框架,更大项目:

  • 减少框架占用空间
  • 增加代码上下文容量
  • 支持更长对话
  • 实现复杂操作

🔧 MCP 服务器集成

8 个强大服务器 支持 CLI 安装:

# 列出可用 MCP 服务器
superclaude mcp --list

# 安装指定服务器
superclaude mcp --servers tavily context7

# 交互式安装
superclaude mcp

可用服务器:

  • Tavily → 主要网络搜索(深度研究)
  • Context7 → 官方文档查询
  • Sequential-Thinking → 多步骤推理
  • Serena → 会话持久化与记忆
  • Playwright → 跨浏览器自动化
  • Magic → UI 组件生成
  • Morphllm-Fast-Apply → 上下文感知代码修改
  • Chrome DevTools → 性能分析

🎯 行为模式

7 种自适应模式 适配不同场景:

  • 头脑风暴 → 提出关键问题
  • 商业面板 → 多专家战略分析
  • 深度研究 → 自主网络研究
  • 协调模式 → 高效工具协作
  • 节省 Token → 30-50% 上下文节省
  • 任务管理 → 系统化组织
  • 自我反思 → 元认知分析

📚 文档重构

开发者专属重写:

  • 真实示例与用例
  • 记录常见陷阱
  • 包含实用工作流
  • 改进导航结构

🧪 增强稳定性

聚焦可靠性:

  • 核心命令漏洞修复
  • 提高测试覆盖率
  • 增强错误处理
  • CI/CD 流水线改进

🔬 深度研究能力

与 DR 代理架构对齐的自主网络研究

SuperClaude v4.2 引入全面深度研究能力,实现自主、自适应和智能的网络研究。

🎯 自适应规划

三种智能策略:

  • 仅规划:直接执行明确查询
  • 意图规划:模糊请求需澄清
  • 统一模式:协作式规划优化(默认)

🔄 多跳推理

最多 5 次迭代搜索:

  • 实体扩展(论文 → 作者 → 作品)
  • 概念深化(主题 → 细节 → 示例)
  • 时间推进(当前 → 历史)
  • 因果链(结果 → 原因 → 预防)

📊 质量评分

基于置信度的验证:

  • 来源可信度评估(0.0-1.0)
  • 覆盖完整性追踪
  • 综合一致性评估
  • 最低阈值:0.6,目标:0.8

🧠 案例学习

跨会话智能:

  • 模式识别与复用
  • 随时间策略优化
  • 保存成功查询方案
  • 跟踪性能改进

研究命令用法

# 自动深度的基础研究
/research "2024 最新 AI 发展"

# 控制研究深度(通过 TypeScript 选项)
/research "量子计算突破"  # depth: exhaustive

# 选择特定策略
/research "市场分析"  # strategy: planning-only

# 域过滤研究(Tavily MCP 集成)
/research "React 模式"  # domains: reactjs.org,github.com

研究深度等级

深度 来源数 跳数 时间 适用场景
快速 5-10 1 ~2分钟 快速事实,简单查询
标准 10-20 3 ~5分钟 常规研究(默认)
深入 20-40 4 ~8分钟 综合分析
穷尽 40+ 5 ~10分钟 学术级研究

集成工具协调

Deep Research 系统智能协调多个工具:

  • Tavily MCP(主要网络搜索与发现工具)
  • Playwright MCP(复杂内容提取工具)
  • Sequential MCP(多步骤推理与合成工具)
  • Serena MCP(记忆与学习持久化工具)
  • Context7 MCP(技术文档查询工具)

📚 文档

SuperClaude 完整指南

🚀 快速入门 📖 用户指南 🛠️ 开发者资源 📋 参考手册
- 📓 [**示例手册**](docs/reference/examples-cookbook.md) *真实场景示例*

🤝 贡献指南

加入 SuperClaude 社区

我们欢迎任何形式的贡献!以下是参与方式:

优先级 领域 描述
📝 文档 改进指南、添加示例、修正拼写
🔧 MCP集成 添加服务器配置、测试集成
🎯 工作流 创建命令模式与配方
🧪 测试 添加测试用例、验证功能
🌐 国际化 翻译文档为其他语言

贡献指南 贡献者


⚖️ 许可证

该项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

MIT许可证


星标历史

星标历史图表

🚀 由 SuperClaude 社区倾情打造

为突破边界的开发者而生 ❤️

返回顶部 ↑


📋 全部30个命令

点击展开完整命令列表

🧠 规划与设计 (4)

  • /brainstorm - 结构化头脑风暴
  • /design - 系统架构设计
  • /estimate - 时间/工作量估算
  • /spec-panel - 规格分析

💻 开发 (5)

  • /implement - 代码实现
  • /build - 构建工作流
  • /improve - 代码优化
  • /cleanup - 重构
  • /explain - 代码解释

🧪 测试与质量 (4)

  • /test - 测试用例生成
  • /analyze - 代码分析
  • /troubleshoot - 调试
  • /reflect - 复盘

📚 文档 (2)

  • /document - 文档生成
  • /help - 命令帮助

🔧 版本控制 (1)

  • /git - Git操作

📊 项目管理 (3)

  • /pm - 项目管理
  • /task - 任务追踪
  • /workflow - 工作流自动化

🔍 研究与分析 (2)

  • /research - 深度网络研究
  • /business-panel - 商业分析

🎯 实用工具 (9)

  • /agent - AI代理
  • /index-repo - 仓库索引
  • /index - 索引别名
  • /recommend - 命令推荐
  • /select-tool - 工具选择
  • /spawn - 并行任务
  • /load - 加载会话
  • /save - 保存会话
  • /sc - 显示所有命令

📖 查看详细命令参考 →

版本历史

v4.3.02026/03/22
v4.2.02026/01/18
v4.1.92025/11/14
v4.1.82025/11/13
v4.1.72025/11/12
v4.1.62025/10/15
v4.1.52025/09/26
v4.1.42025/09/20
v4.1.32025/09/19
v4.1.22025/09/18
v4.1.12025/09/16
v4.1.02025/09/13
v4.0.92025/09/06

常见问题

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。

162.1k|★★★☆☆|今天
开发框架图像Agent

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|昨天
Agent图像开发框架