claude-composer
claude-composer 是一款专为提升 Claude Code 使用体验而设计的增强工具。它主要解决了开发者在频繁与 AI 交互时遇到的打断过多、配置繁琐以及缺乏自动化流程等痛点。通过自动确认常规提示、灵活管理可用工具集以及提供系统通知,claude-composer 让编码过程更加流畅高效。
这款工具特别适合经常使用 Claude Code 进行开发工作的程序员和技术研究人员。对于希望减少重复操作、追求更高工作效率的开发者来说,它能显著优化工作流。其独特的技术亮点包括"YOLO 模式”,该模式可一键自动接受所有提示,实现全速运行;同时支持自定义“工具集”配置,让用户精确控制 AI 可调用的能力范围。此外,它还提供了“可信根目录”功能,针对指定项目目录自动建立信任,避免重复授权。
需要注意的是,该项目目前已进入“毕业”状态,原作者不再主动维护,转而推荐使用更底层的 Hooks 和权限模式来实现类似功能。不过,现有版本依然稳定可用,社区也可自由分支继续开发。如果你正在寻找一种让 Claude Code 更听话、更自动化的方式,claude-composer 是一个值得尝试的轻量级解决方案。
使用场景
资深后端工程师小李正在使用 Claude Code 重构一个遗留的微服务项目,需要批量修改数十个文件并安装新的依赖包。
没有 claude-composer 时
- 频繁打断心流:每执行一个文件写入或命令运行操作,CLI 都会暂停并等待手动确认"Approve",导致思维不断中断。
- 重复信任操作:每次切换到新目录或非 Git 仓库区域,都需要重新输入指令来授权访问,操作繁琐且机械。
- 模式切换僵硬:难以灵活地在“先规划后执行”的安全模式与“快速迭代”的激进模式间切换,要么过于保守影响效率,要么缺乏安全兜底。
- 工具配置分散:管理 Claude 可调用的外部工具集(Toolsets)和 MCP 服务连接缺乏统一入口,配置过程容易出错。
使用 claude-composer 后
- 流畅自动化执行:在受信的根目录下开启
--yolo模式,claude-composer 自动通过所有常规确认提示,让重构脚本一气呵成地运行。 - 智能目录信任:通过配置
roots列表,自动识别并信任公司及个人项目目录,消除了在非 Git 环境下反复授权的麻烦。 - 灵活模式控制:利用
--mode参数轻松指定启动策略,既能在复杂任务前强制进入"Plan 模式”审查方案,也能在明确任务中直接"Act 模式”加速交付。 - 集中化工具管理:通过
toolsets配置统一管理可用工具集,确保 Claude 在特定项目中仅调用预设的、安全的开发工具链。
claude-composer 通过消除机械的确认交互和简化环境配置,将开发者从繁琐的对话框操作中解放出来,使 AI 辅助编程真正实现了无缝流畅的沉浸式体验。
运行环境要求
- 未说明
不需要 GPU
未说明

快速开始
克劳德作曲家
此仓库已毕业。这意味着我不再使用它,祝愿任何想要复刻、继续使用、接管或进行其他让自己开心活动的人好运与快乐。今后我将使用钩子来实现“YOLO模式”:
https://github.com/possibilities/claude-code-generic-hooks
并且我使用权限模式以计划模式启动:
https://docs.anthropic.com/en/docs/claude-code/iam#permission-modes
同时使用 DIRTY-CONFIRM 来获得与 CLAUDE-COMPOSER 在非 Git 和脏 Git 目录中提供的相同确认提示:
https://github.com/possibilities/dirty-confirm
一个为 Claude Code 添加小增强的工具
特性
- 减少打断:自动接受确认提示
- 工具管理:工具集可配置 Claude 可使用的工具
- 增强可见性:系统通知让您随时了解情况(已损坏,即将迎来重大更新)
快速入门
# 安装
npm install -g claude-composer
# 初始化配置
claude-composer cc-init
# 使用默认设置运行
claude-composer
# 使用 YOLO 模式(接受所有提示)
claude-composer --yolo
安装
先决条件:Node.js 18+、npm/yarn/pnpm,以及已安装的 Claude Code
# 全局安装
pnpm add -g claude-composer
# 或
yarn global add claude-composer
# 或
npm install -g claude-composer
命令行选项
核心选项
# 配置
--yolo # 自动接受所有提示
--toolset <name...> # 使用指定工具集
--mode <mode> # 以 'act' 或 'plan' 模式启动
--ignore-global-config # 忽略全局配置
# 安全
--dangerously-allow-in-dirty-directory
--dangerously-allow-without-version-control
--dangerously-suppress-yolo-confirmation
# 通知
--show-notifications / --no-show-notifications
--sticky-notifications / --no-sticky-notifications
# 调试
--quiet # 抑制预检消息
--allow-buffer-snapshots # 启用 Ctrl+Shift+S 截图
--log-all-pattern-matches # 记录到 ~/.claude-composer/logs/
所有未识别的选项会传递给 Claude Code。
完整参考请参阅 docs/cli-reference.md。
配置
运行 claude-composer cc-init 创建配置:
# 全局配置(默认)
claude-composer cc-init
# 项目特定配置
claude-composer cc-init --project
基本配置
# config.yaml
yolo: false # 设置为 true 以自动接受所有提示
toolsets:
- internal:core
- my-tools
roots:
- ~/projects/work
- ~/projects/personal
show_notifications: true
sticky_notifications: false
详细信息请参阅 docs/configuration.md。
YOLO 模式
当通过 --yolo 标志或在配置中设置 yolo: true 启用时,Claude Composer 将自动接受所有提示而无需确认。请谨慎使用!
工具集
配置 Claude 可使用的工具及 MCP 服务器连接。
详细信息请参阅 docs/toolsets.md。
受信根目录
使用受信根目录定义受信的父目录,以便自动接受初始信任提示。
详细信息请参阅 docs/roots-config.md。
环境变量
详细信息请参阅 docs/environment-variables.md。
许可证
本项目属于公有领域。详情请参阅 UNLICENSE 文件。
相似工具推荐
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
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
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。