dotai
dotai 是一款专为 Claude AI 助手打造的上下文管理工具包,旨在将分散的 AI 代理能力整合为统一、高效的开发工作流。它通过插件化架构解决了开发者在使用 AI 编程时常见的上下文断裂、调试流程不规范以及缺乏自动化验证等痛点,让 AI 不仅能写代码,更能像资深工程师一样思考、测试和排错。
dotai 特别适合软件开发者、技术团队以及希望提升 AI 辅助编程效率的研究人员使用。其核心亮点在于内置了标准化的工程实践:包含“红 - 绿 - 重构”的测试驱动开发(TDD)工作流、四阶段深度调试框架,以及自动克隆并探索源码以解答 API 疑问的“挖掘”技能。此外,dotai 引入了独特的动态提示注入系统,允许用户通过配置文件定义任务开始前后的检查清单(如类型检查、代码规范),确保输出质量可控。结合 Compound Engineering 模块,它甚至能支持从需求头脑风暴到自主执行、浏览器测试及生成演示视频的全流程自动化,极大地扩展了 AI 在复杂工程场景中的落地能力。
使用场景
一位全栈开发者正试图在现有项目中集成一个陌生的第三方图表库,并需要确保其 API 调用正确且通过测试。
没有 dotai 时
- 开发者需手动查阅冗长的官方文档和源码,耗时数小时才能理清关键 API 用法,容易遗漏细节。
- 调试过程缺乏系统性,往往凭经验盲目修改代码,遇到深层报错时难以定位根本原因。
- 编写测试用例滞后于开发,常出现“先写代码后补测试”的情况,导致重构风险高且覆盖率不足。
- 任务切换频繁,需要在浏览器、终端和编辑器间来回跳转以确认进度,注意力极易分散。
使用 dotai 后
- 直接调用
dig技能自动克隆并分析库源码,快速生成精准的 API 使用解答,将调研时间缩短至分钟级。 - 触发
debug技能启动四阶段调试框架,内置的深度堆栈追踪能自动定位错误根源并提供修复建议。 - 激活
tdd技能强制执行“红 - 绿 - 重构”流程,先生成失败测试再驱动代码实现,确保逻辑严密可靠。 - 利用
notification插件在后台自主运行工作流,任务完成时自动推送 macOS 通知,让开发者专注核心逻辑。
dotai 通过将分散的开发动作整合为上下文感知的自动化工作流,让开发者从繁琐的查错与流程管理中解放出来,真正实现高效交付。
运行环境要求
- macOS
未说明
未说明

快速开始
dotai
安装
新的 .claude/settings.json 文件
npx shadcn@latest add https://raw.githubusercontent.com/udecode/dotai/main/registry/all.json
已存在的 .claude/settings.json 文件
Dotai:
/plugin marketplace add https://github.com/udecode/dotai
/plugin install dotai notification debug test dig codex
Claude Plugins Official:
/plugin install ralph-loop@@claude-plugins-official
/plugin install frontend-design@@claude-plugins-official
Compound Engineering:
/plugin marketplace add https://github.com/kieranklaassen/compound-engineering-plugin
/plugin install compound-engineering
组件
| 组件 | 数量 |
|---|---|
| 插件 | 7 |
| 命令 | 5 |
| 技能 | 3 |
插件
| 插件 | 描述 |
|---|---|
dotai |
开发工具包 - 文档与规划 |
debug |
四阶段调试框架 |
test |
TDD 工作流程 - 红绿重构 |
dig |
克隆并探索库源代码 |
notification |
macOS 通知 |
media |
自动播放/暂停媒体 |
codex |
用于 Codex 的 MCP 服务器 |
命令
文档
| 命令 | 描述 |
|---|---|
/dotai:create-app-design |
生成应用设计文档 |
/dotai:update-app-design |
更新现有应用设计文档 |
/dotai:create-tech-stack |
生成技术栈文档 |
/dotai:update-tech-stack |
更新现有技术栈文档 |
/dotai:install |
安装插件文件 |
技能
技能会根据上下文自动调用。
调试
| 技能 | 插件 | 描述 |
|---|---|---|
debug |
debug | 内置深度堆栈追踪的四阶段调试过程 |
测试
| 技能 | 插件 | 描述 |
|---|---|---|
tdd |
test | 测试驱动开发 - 先写测试,观察失败,再使其通过 |
研究
| 技能 | 插件 | 描述 |
|---|---|---|
dig |
dig | 克隆并探索库源代码以解答 API 问题 |
提示系统
通过 .claude/prompt.yml 进行动态提示注入:
| 钩子 | 描述 |
|---|---|
beforeStart |
Claude 回答前的检查清单 |
beforeComplete |
宣称完成前的验证事项 |
afterCompact |
压缩后恢复上下文 |
示例配置:
beforeStart:
- tag: SKILL-ANALYSIS
header: 🎯 技能检查
todos:
- "列出可用技能,调用适用的技能"
beforeComplete:
- tag: VERIFICATION
header: 🔒 验证
todos:
- "类型检查:bun typecheck"
- "代码风格检查:bun lint:fix"
Compound Engineering
工作流命令
| 命令 | 描述 |
|---|---|
/workflows:lfg |
完全自主工作流(计划 → 执行 → 审查 → 浏览器测试 → 录制视频) |
/workflows:brainstorm |
在计划之前探索需求 |
/workflows:plan |
创建实施计划 |
/workflows:review |
运行全面的代码审查 |
/workflows:work |
有条不紊地执行任务 |
/workflows:compound |
记录已解决的问题 |
代理(27)
- 审查(14):agent-native-reviewer、architecture-strategist、code-simplicity-reviewer、data-integrity-guardian、deployment-verification-agent、dhh-rails-reviewer、kieran-rails-reviewer、kieran-python-reviewer、kieran-typescript-reviewer、pattern-recognition-specialist、performance-oracle、security-sentinel、julik-frontend-races-reviewer、data-migration-expert
- 研究(4):best-practices-researcher、framework-docs-researcher、git-history-analyzer、repo-research-analyst
- 设计(3):design-implementation-reviewer、design-iterator、figma-design-sync
- 工作流(5):bug-reproduction-validator、every-style-editor、lint、pr-comment-resolver、spec-flow-analyzer
- 文档(1):ankane-readme-writer
技能(14)
agent-native-architecture、andrew-kane-gem-writer、compound-docs、create-agent-skills、dhh-rails-style、dspy-ruby、frontend-design、skill-creator、every-style-editor、file-todos、git-worktree、rclone、agent-browser、gemini-imagegen
MCP 服务器
context7 - 框架文档查询(Rails、React、Next.js、Vue、Django、Laravel 等)
开发
请参阅 CONTRIBUTING.md。
许可证
MIT
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
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。
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