taches-cc-resources

1.8k 395 简单 1 次阅读今天MITAgent

AI 解读由 AI 自动生成，仅供参考

taches-cc-resources 是一套专为 Claude Code 打造的开源资源库，旨在通过预制的命令、技能和智能体，将复杂的开发工作流标准化和自动化。它主要解决了开发者在使用 AI 编程时面临的上下文断裂、任务管理混乱以及缺乏系统化调试方法等痛点，让用户能更专注于核心逻辑而非重复性的提示词工程。

这套工具特别适合希望深度整合 AI 到日常编码流程的软件工程师、独立开发者及技术研究人员。其独特亮点在于引入了“元提示（Meta-Prompting）”理念，将规划与执行分离，确保 AI 在纯净的上下文中运行；同时提供了一套完整的“自愈合”技能体系，不仅能自动创建 MCP 服务器、子智能体和事件钩子，还内置了专门的审计智能体来检查代码质量和规范合规性。此外，它还支持断点续传式的待办事项管理和结构化交接文档生成，让长周期的开发任务也能轻松暂停与恢复。通过简单的插件安装或手动配置，用户即可立即获得这套经过实战验证的高效工作流辅助系统。

使用场景

一位全栈开发者正利用 Claude Code 构建一个复杂的微服务架构，需要在开发新功能的同时处理突发的线上故障，并规划后续迭代。

没有 taches-cc-resources 时

思维频繁打断：在深度编码时突然想到新需求或待办事项，只能手动记录在便签上，导致当前心流中断，回来时常忘记上下文。
调试缺乏章法：遇到棘手 Bug 时，只能凭直觉盲目尝试修改代码，缺乏系统的假设验证和证据收集流程，浪费大量时间。
上下文丢失严重：会话过长导致模型“遗忘”早期设定，重启对话后需花费大量篇幅重新描述项目背景和进度，效率极低。
工作流重复造轮子：每次创建新代理或编写复杂提示词都要从零开始构思结构，难以复用最佳实践，产出质量不稳定。

使用 taches-cc-resources 后

无缝任务捕获：通过 /add-to-todos 命令瞬间记下灵感并自动保存完整上下文，随后立即回归当前工作，稍后用 /check-todos 即可无缝续接。
专家级系统调试：调用 Debug Like Expert 技能，自动执行基于证据的假设测试流程，将模糊的报错转化为清晰的修复路径。
结构化状态交接：使用 /whats-next 生成标准化的交接文档，在新会话中引用即可瞬间恢复全套项目状态，彻底告别重复背景介绍。
自动化工作流构建：利用 /create-subagent 或 /create-meta-prompt 等命令，根据自然语言描述一键生成符合规范的高级代理和分阶段提示词，大幅降低构建门槛。

taches-cc-resources 将零散的 AI 交互升级为可沉淀、可复用的工程化工作流，让开发者从繁琐的上下文管理中解放出来，专注于核心逻辑创造。

运行环境要求

操作系统

未说明

GPU

无需求

内存

未说明

依赖

notes该工具是 Claude Code 的扩展资源包（包含命令、技能和代理配置），并非独立的 AI 模型或需要本地计算资源的软件。它依赖于已安装的 'Claude Code' 命令行工具。安装方式包括通过插件市场安装或手动将文件复制到 ~/.claude/commands/ 和 ~/.claude/skills/ 目录。部分技能（如创建 MCP 服务器）可能支持 Python 或 TypeScript 实现，但工具本身没有特定的运行时环境、GPU 或内存要求。

python未说明

Claude Code CLI

快速开始

TÂCHES 克劳德代码资源

一个不断增长的自定义克劳德代码资源集合，专为实际工作流打造。

理念

当你使用像克劳德代码这样的工具时，你的责任是假设一切皆有可能。

我正是秉持这种心态构建了这些工具。

大胆设想。祝你构建愉快。

— TÂCHES

内容概览

命令（共27条）——展开为结构化工作流的斜杠命令

元提示：通过分阶段提示将规划与执行分离
待办事项管理：在工作中捕捉上下文，稍后可恢复完整状态
思维模型：心理框架（第一性原理、逆向思维、80/20法则等）
深度分析：基于证据和假设检验的系统调试方法

技能（共9种）——可自主运行、研究、生成并自我修复的工作流

创建计划：适用于单人开发者与克劳德工作流的层级化项目规划
创建MCP服务器：为克劳德集成构建MCP服务器（Python/TypeScript）
创建代理技能：通过描述需求构建新技能
创建元提示：生成带有依赖关系检测的分阶段工作流提示
创建斜杠命令：构建具有规范结构的自定义命令
创建子代理：为隔离环境构建专用克劳德实例
创建钩子：构建事件驱动型自动化
专家级调试：通过收集证据和验证假设进行系统调试
设置Ralph：搭建Geoffrey Huntley的Ralph Wiggum自主编码循环

代理（共3个）——用于验证和质量控制的专用子代理

skill-auditor：审查技能是否符合最佳实践
slash-command-auditor：审查命令是否结构规范
subagent-auditor：审查代理配置的有效性

安装

选项1：插件安装（推荐）

# 添加市场
claude plugin marketplace add glittercowboy/taches-cc-resources

# 安装插件
claude plugin install taches-cc-resources

启动一个新的克劳德代码会话即可使用这些命令和技能。

选项2：手动安装

# 克隆仓库
git clone https://github.com/glittercowboy/taches-cc-resources.git
cd taches-cc-resources

# 安装命令
cp -r commands/* ~/.claude/commands/

# 安装技能
cp -r skills/* ~/.claude/skills/

命令会全局安装到 ~/.claude/commands/。技能则安装到 ~/.claude/skills/。项目特定的数据（提示、待办事项）存储在各项目的工作目录中。

命令

元提示

将分析与执行分开。用自然语言描述目标，克劳德会生成严谨的提示，并在全新的子代理环境中执行。

/create-prompt —— 生成带XML结构的优化提示
/run-prompt —— 在子代理环境中执行已保存的提示

待办事项管理

在对话中途捕捉想法，而不打断当前工作。稍后可恢复完整上下文继续处理。

/add-to-todos —— 捕捉包含完整上下文的任务
/check-todos —— 继续处理已捕获的任务

上下文交接

创建结构化的交接文档，以便在全新环境中继续工作。可通过 @whats-next.md 引用，实现无缝衔接。

/whats-next —— 创建用于全新环境的交接文档

扩展创建

调用下方技能的封装命令。

/create-agent-skill —— 创建新技能
/create-meta-prompt —— 创建分阶段工作流提示
/create-slash-command —— 创建新斜杠命令
/create-subagent —— 创建新子代理
/create-hook —— 创建新钩子

审计扩展

调用审计子代理。

/audit-skill —— 审计技能是否符合最佳实践
/audit-slash-command —— 审计命令是否符合最佳实践
/audit-subagent —— 审计子代理配置是否符合最佳实践

自我改进

/heal-skill —— 根据执行问题修复技能

思维模型

将心理框架应用于决策和问题解决。

/consider:pareto —— 应用80/20法则，聚焦关键
/consider:first-principles —— 还原本质并重新构建
/consider:inversion —— 逆向思考（什么会导致失败？）
/consider:second-order —— 思考后果的后果
/consider:5-whys —— 深入挖掘根本原因
/consider:occams-razor —— 寻找最简单的解释
/consider:one-thing —— 确定最具杠杆作用的行动
/consider:swot —— 列出优势、劣势、机会和威胁
/consider:eisenhower-matrix —— 按紧急性和重要性排序
/consider:10-10-10 —— 从不同时间维度评估
/consider:opportunity-cost —— 分析放弃的机会
/consider:via-negativa —— 通过移除来改进

大数据分析

采用系统化的调查方法进行深度调试。

/debug —— 应用专家级调试方法调查问题

代理

由审计命令使用的专用子代理。

skill-auditor —— 专业技能审计员，确保符合最佳实践
slash-command-auditor —— 专业斜杠命令审计员
subagent-auditor —— 专业子代理配置审计员

技能

创建计划

专为单人开发者与 Claude 优化的分层项目规划。创建可执行的计划，由 Claude 来运行，而非闲置的企业级文档。

PLAN.md 就是提示词——而不是后续再转换的文档。简报 → 路线图 → 研究（如需）→ PLAN.md → 执行 → SUMMARY.md。

领域感知： 可选择从 ~/.claude/skills/expertise/ 加载框架特定的专业知识（例如 macos-apps、iphone-apps），使计划具体化而非泛化。领域专业知识技能通过 create-agent-skills 创建——这些是详尽的知识库（5k-10k+ 行），能够使任务规范符合特定框架的要求。

质量控制： 研究环节包括验证检查清单、盲点审查、关键主张审计，以及流式写入，以防止遗漏和超出 token 限制的情况。

上下文管理： 当剩余 token 达到 10% 时自动交接。Git 版本控制记录的是结果，而非过程。

命令： /create-plan（调用技能）、/run-plan <path>（以智能分段方式执行 PLAN.md）

完整文档请参阅 create-plans README。

创建代理技能

通过描述你的需求来构建技能。系统会提出澄清性问题，必要时研究 API，并生成结构合理的技能文件。

两种类型的技能：

任务执行技能——执行特定操作的常规技能。
领域专业知识技能——存放在 ~/.claude/skills/expertise/ 中的详尽知识库（5k-10k+ 行），为其他技能（如 create-plans）提供框架特定的上下文。

上下文感知： 检测你是否位于技能目录中，并呈现相关选项。渐进式披露引导你完成复杂的决策。

当技能运行不理想时，/heal-skill 会分析问题所在，并根据实际效果更新技能。

命令：/create-agent-skill、/heal-skill、/audit-skill

创建元提示

基于技能的元提示系统演进版本。构建具有结构化输出（research.md、plan.md）的提示，以便后续提示可以解析这些内容。新增自动依赖检测功能，用于串联研究 → 计划 → 实施的工作流。

注意： 对于端到端的项目构建，建议使用 create-plans——它是该方法的更结构化的演进版本，具备完整的生命周期管理（简报 → 路线图 → 执行 → 交接）。而 create-meta-prompts 则适用于抽象工作流及 Claude→Claude 流水线；create-plans 则用于实际的项目构建。

命令：/create-meta-prompt

创建斜杠命令

构建可在调用时扩展为完整提示的命令。描述你想要的命令，即可获得包含参数、工具限制及动态上下文加载的正确 YAML 配置。

命令：/create-slash-command、/audit-slash-command

创建子代理

构建在隔离环境中运行的专用 Claude 实例。描述代理的目的，即可获得优化后的系统提示，配备合适的工具访问权限和编排模式。

命令：/create-subagent、/audit-subagent

创建钩子

构建基于事件驱动的自动化流程，可在工具调用、会话事件或提示提交时触发。描述你想要自动化的事项，即可获得可用的钩子配置。

命令：/create-hook

创建 MCP 服务器

构建模型上下文协议（MCP）服务器，向 Claude 公开工具、资源和提示。支持 Python 和 TypeScript 实现，具备 API 研究、OAuth 处理及响应优化功能。

架构模式： 根据复杂度选择传统模式（1-2 个操作）或按需发现模式（3 个以上操作）。

包含内容： 自适应接入、通过子代理进行 API 研究、模板代码生成、环境变量安全保护，以及在 Claude Code 和 Claude Desktop 中的安装。

命令：/create-mcp-servers（通过技能路由）

像专家一样调试

针对复杂问题的深度分析调试模式。激活系统的调查协议，包括证据收集、假设检验和严格验证。当标准故障排除失败，或需要系统性地分析根本原因时使用此模式。

命令：/debug

设置 Ralph

设置 Geoffrey Huntley 的 Ralph Wiggum 自动化编码循环。Ralph 是一种自主 AI 编码方法论，采用迭代循环进行任务选择、执行和验证。每次迭代都使用全新上下文，以防止上下文污染。

三个阶段： 规划（差距分析 → 待办事项列表）、构建（实现一项任务、验证、提交）、观察（由你来设计环境）。

关键概念： 通过测试/静态检查/构建施加反压，以文件 I/O 作为状态（IMPLEMENTATION_PLAN.md），并行子代理负责读取，提示则通过观察不断演化。

命令：/setup-ralph

完整文档请参阅 setup-ralph README。

TÂCHES Claude Code Resources 快速上手指南

TÂCHES Claude Code Resources 是一套专为真实工作流设计的 Claude Code 扩展资源集合，包含自定义命令（Commands）、自动化技能（Skills）和专用子代理（Agents），旨在通过结构化提示词、思维模型和自主工作流提升开发效率。

环境准备

在开始之前，请确保满足以下系统要求：

操作系统: macOS, Linux 或 Windows (WSL)
核心依赖: 已安装并配置好 Claude Code CLI 工具
版本控制: 已安装 git
运行环境: 根据具体技能需求，可能需要 Python 或 Node.js 环境（用于构建 MCP 服务器等高级功能）

注意: 本工具主要面向全球用户，目前官方未提供特定的中国镜像源。如遇网络访问 GitHub 或插件市场缓慢，建议配置全局代理或使用国内加速服务。

安装步骤

推荐通过插件市场进行安装，也可选择手动克隆源码安装。

方式一：插件市场安装（推荐）

这是最简便的方式，可自动管理更新。在终端执行以下命令：

# 添加插件市场源
claude plugin marketplace add glittercowboy/taches-cc-resources

# 安装插件
claude plugin install taches-cc-resources

安装完成后，启动一个新的 Claude Code 会话即可生效。

方式二：手动安装

如果需要自定义修改或离线使用，可手动克隆仓库：

# 克隆仓库
git clone https://github.com/glittercowboy/taches-cc-resources.git
cd taches-cc-resources

# 安装命令到全局目录
cp -r commands/* ~/.claude/commands/

# 安装技能到全局目录
cp -r skills/* ~/.claude/skills/

命令将安装至 ~/.claude/commands/
技能将安装至 ~/.claude/skills/
项目特定的数据（如待办事项、提示词）将存储在各项目的当前工作目录中。

基本使用

安装成功后，您可以在 Claude Code 会话中使用斜杠命令 / 调用各种功能。以下是三个最常用的入门场景：

1. 结构化项目规划与执行

使用分层规划技能替代传统的文档编写，直接生成可执行的计划。

创建计划: 描述您的需求，系统将生成包含简报、路线图和执行计划的完整结构。
```
/create-plan
```
随后按照提示输入项目描述，系统将生成 PLAN.md。
执行计划: 基于生成的计划文件，智能分段执行任务。
```
/run-plan <path-to-PLAN.md>
```

2. 应用思维模型辅助决策

在处理复杂问题或需要深度分析时，调用内置的思维模型命令。

第一性原理分析: 将问题拆解为基本事实并重新构建。
```
/consider:first-principles
```
帕累托法则 (80/20): 识别最关键的任务以聚焦精力。
```
/consider:pareto
```
深度调试: 当遇到棘手 Bug 时，启动系统化调试流程（收集证据、假设测试）。
```
/debug
```

3. 管理上下文与待办事项

在长对话中捕捉灵感而不打断当前工作流，稍后无缝恢复。

添加待办: 捕获当前想法或任务，保留完整上下文。
```
/add-to-todos
```
检查待办: 查看并恢复之前捕获的任务。
```
/check-todos
```
上下文交接: 生成交接文档，以便在新的会话中无缝继续工作。
```
/whats-next
```

进阶：创建自定义扩展

您可以让 AI 帮您创建新的技能、命令或子代理：

创建新技能：/create-agent-skill
创建新命令：/create-slash-command
创建专用子代理：/create-subagent

常见问题

如何安装该资源库到 Claude Code？

生成的提示词输出超过 32,000 token 限制导致任务失败怎么办？

为什么研究结果会出现关键信息遗漏（例如误判配置方式）？

使用 /run-prompt 命令时出现静默失败或子代理无响应怎么办？

如何避免大型研究任务因 token 限制而中断并丢失进度？

研究类提示词如何确保结论的准确性和全面性？

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|1周前

Agent开发框架图像

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|★★★☆☆|1周前

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

★ 159.3k|★★☆☆☆|今天

开发框架Agent语言模型

opencode

OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信

★ 144.3k|★☆☆☆☆|昨天

Agent插件

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。

★ 108.3k|★★☆☆☆|1周前