myclaude
myclaude 是一个专为开发者设计的多智能体协作工作流系统,旨在通过自动化编排提升软件开发效率。它解决了单一 AI 模型在处理复杂开发任务时上下文受限、规划能力不足以及难以兼顾全流程的问题。通过集成 Claude Code、Codex、Gemini 和 OpenCode 等多种后端模型,myclaude 能够根据任务需求智能调度不同的 AI 代理协同工作。
该工具特别适合希望将 AI 深度融入日常编码、调试、测试及文档编写流程的软件工程师和技术团队。无论是快速构建功能原型、排查复杂 Bug,还是执行大型企业的敏捷开发流程,myclaude 都提供了对应的模块化指令(如 /do、/omo、/bmad-pilot)来适配不同场景。
其核心技术亮点在于“多后端执行”与“分阶段编排”能力。系统内置了包括 SPARV(指定 - 计划 - 行动 - 审查 - 归档)在内的多种成熟工作流,并支持浏览器自动化、交互式需求文档生成及测试用例自动编写等专项技能。用户只需通过简单的命令行即可安装所需模块,灵活配置开发环境,让 AI 真正像一支配合默契的工程团队一样辅助代码创作。
使用场景
某初创团队的后端工程师需要在两天内为一个电商项目紧急开发“会员积分兑换”功能,涉及数据库变更、API 编写及单元测试。
没有 myclaude 时
- 多模型切换繁琐:工程师需手动在 Claude、Codex 和 Gemini 之间复制粘贴代码,无法利用不同模型的优势(如用 A 写逻辑、用 B 写测试),效率低下且易出错。
- 上下文断裂严重:从需求分析到代码落地缺乏统一编排,每次切换任务阶段都要重新向 AI 解释背景,导致生成的代码风格不一致或遗漏关键业务规则。
- 流程管理混乱:缺乏标准化的开发工作流,调试和重构依赖人工记忆进度,遇到复杂 Bug 时难以快速定位是逻辑错误还是模型幻觉。
- 测试覆盖不足:由于时间紧迫,往往跳过自动生成测试用例的环节,导致上线后出现积分计算偏差等低级错误。
使用 myclaude 后
- 智能多代理协同:通过
/do命令启动五阶段开发流,myclaude 自动调度 CodeAgent 调用最适合的后端(如用 Claude 规划、Codex 写核心算法),无缝衔接各模型能力。 - 全链路上下文保持:系统自动维护从需求文档到最终代码的完整上下文,确保生成的 API 接口、数据库迁移脚本与初始业务逻辑高度一致。
- 标准化敏捷执行:内置的 BMAD 或 SPARV 工作流将任务拆解为明确的“计划 - 执行 - 审查”步骤,自动处理依赖安装与代码优化,大幅减少人为疏漏。
- 自动化质量保障:在编码完成后自动触发
test-cases技能,基于需求生成全覆盖的单元测试并执行修复,确保交付代码即具备高可靠性。
myclaude 通过将分散的 AI 模型整合为有序的多代理协作流,让单人开发者也能像拥有整个专家团队般高效交付高质量代码。
运行环境要求
- 未说明
未说明
未说明

快速开始
Claude Code 多智能体工作流系统
基于 AI 的开发自动化,支持多后端执行(Codex/Claude/Gemini/OpenCode)
快速开始
npx github:stellarlinkco/myclaude
模块概览
| 模块 | 描述 | 文档 |
|---|---|---|
| do | 推荐 - 5 阶段功能开发,配合 codeagent 协调 | /do 命令 |
| omo | 多智能体协调,具备智能路由功能 | /omo 命令 |
| bmad | BMAD 敏捷工作流,包含 6 个专业智能体 | /bmad-pilot 命令 |
| requirements | 轻量级需求到代码的流水线 | /requirements-pilot 命令 |
| essentials | 11 个核心开发命令:ask、bugfix、code、debug、docs、enhance-prompt、optimize、refactor、review、test、think | /code、/debug 等 |
| sparv | SPARV 工作流(Specify→Plan→Act→Review→Vault) | /sparv 命令 |
| course | 课程开发(结合开发 + 产品需求 + 测试用例) | 复合模块 |
| claudekit | ClaudeKit:do 技能 + 全局钩子(pre-bash、inject-spec、log-prompt) | 复合模块 |
可用技能
可通过 npx github:stellarlinkco/myclaude --list 单独安装各个技能(如 do、omo、sparv 等模块中已捆绑的技能已在上文列出):
| 技能 | 描述 |
|---|---|
| browser | 浏览器自动化,用于 Web 测试和数据提取 |
| codeagent | codeagent-wrapper 调用,用于多后端 AI 代码任务 |
| codex | 直接使用 Codex 后端执行 |
| dev | 轻量级端到端开发工作流 |
| gemini | 直接使用 Gemini 后端执行 |
| product-requirements | 交互式 PRD 生成,并附带质量评分 |
| prototype-prompt-generator | 结构化 UI/UX 原型提示词生成 |
| skill-install | 从 GitHub 安装技能,并进行安全扫描 |
| test-cases | 根据需求生成全面的测试用例 |
安装
# 推荐使用交互式安装程序
npx github:stellarlinkco/myclaude
# 列出可安装的项目(模块 / 技能 / 包装器)
npx github:stellarlinkco/myclaude --list
# 检测已安装的模块并从 GitHub 更新
npx github:stellarlinkco/myclaude --update
# 自定义安装目录 / 强制覆盖
npx github:stellarlinkco/myclaude --install-dir ~/.claude --force
--update 会检测目标安装目录中已安装的模块(默认为 ~/.claude,通过 installed_modules.json 文件判断),并从 GitHub 上的最新版本覆盖更新这些模块文件。
模块配置
编辑 config.json 文件以启用或禁用模块:
{
"modules": {
"bmad": { "enabled": false },
"requirements": { "enabled": false },
"essentials": { "enabled": false },
"omo": { "enabled": false },
"sparv": { "enabled": false },
"do": { "enabled": true },
"course": { "enabled": false }
}
}
工作流选择指南
| 场景 | 推荐 |
|---|---|
| 功能开发(默认) | /do |
| Bug 调查 + 修复 | /omo |
| 大型企业项目 | /bmad-pilot |
| 快速原型开发 | /requirements-pilot |
| 简单任务 | /code、/debug |
核心架构
| 角色 | 智能体 | 职责 |
|---|---|---|
| 协调者 | Claude Code | 计划制定、上下文收集、验证 |
| 执行者 | codeagent-wrapper | 代码编辑、测试执行(Codex/Claude/Gemini/OpenCode) |
后端 CLI 要求
| 后端 | 必需功能 |
|---|---|
| Codex | codex e、--json、-C、resume |
| Claude | --output-format stream-json、-r |
| Gemini | -o stream-json、-y、-r |
| OpenCode | opencode、标准输入模式 |
安装后的目录结构
~/.claude/
├── bin/codeagent-wrapper
├── CLAUDE.md (默认安装)
├── commands/ (来自 essentials 模块)
├── agents/ (来自 bmad/requirements 模块)
├── skills/ (来自 do/omo/sparv/course 模块)
├── hooks/ (来自 claudekit 模块)
├── settings.json (自动生成,钩子配置)
└── installed_modules.json (自动生成,记录已安装模块)
文档
故障排除
常见问题
找不到 Codex 包装器:
# 选择:codeagent-wrapper
npx github:stellarlinkco/myclaude
模块无法加载:
cat ~/.claude/installed_modules.json
npx github:stellarlinkco/myclaude --force
后端 CLI 错误:
which codex && codex --version
which claude && claude --version
which gemini && gemini --version
常见问题解答
| 问题 | 解决方案 |
|---|---|
| “未知事件格式” | 日志显示问题,可忽略 |
| Gemini 无法读取 .gitignore 文件 | 从 .gitignore 中移除或使用其他后端 |
| Codex 权限被拒绝 | 在 ~/.codex/config.yaml 中设置 approval_policy = "never" |
更多内容请参阅 GitHub Issues。
许可证
AGPL-3.0 - 详见 LICENSE
商业授权
如需在不遵守 AGPL 条款的情况下进行商业使用,请联系:support@stellarlink.co
支持
版本历史
v6.8.22026/03/03v6.8.12026/03/01v6.8.02026/03/01v6.7.72026/02/28v6.7.62026/02/27v6.7.52026/02/27v6.7.42026/02/22v6.7.32026/02/22v6.7.22026/02/18v6.7.12026/02/14v6.7.02026/02/10v6.6.02026/02/09v6.5.12026/02/05v6.5.02026/02/03v6.4.02026/02/03v6.3.12026/01/28v6.3.02026/01/28v6.2.12026/01/26v6.2.02026/01/26v6.1.52026/01/25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。
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。
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。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。
