claude-code-cookbook
claude-code-cookbook 是一个专为 Claude Code 设计的开源增强工具箱，旨在通过插件化系统大幅提升开发效率。它解决了开发者在使用 AI 编程助手时面临的重复操作繁琐、缺乏特定领域专家视角以及工作流不够标准化等痛点。
该工具主要面向软件开发者、技术团队及编程爱好者。其核心亮点在于提供了一套丰富的“斜杠命令”和“专家角色”预设：用户只需输入如 /pr-review 或 /refactor 等指令，即可快速执行代码审查、重构、生成提交信息等复杂任务；同时能一键切换至安全专家、架构师或前端顾问等虚拟角色，获得更具针对性的专业建议。此外，它支持自动化钩子（Hooks），可在特定事件触发时自动运行脚本，进一步减少人工干预。
值得一提的是，claude-code-cookbook 拥有强大的多语言支持，内置包括简体中文在内的多种语言插件，确保非英语用户也能获得原汁原味的本地化体验。作为一个经过生产环境验证且基于 Apache 2.0 协议开源的项目，它不仅安全可靠，还允许用户根据自身需求灵活扩展自定义命令，是优化日常编码工作流的得力助手。
使用场景
某后端团队在紧急迭代中需要快速修复一个高并发下的内存泄漏问题，并准备合并代码。
没有 claude-code-cookbook 时
- 开发者需反复用自然语言描述“请帮我分析内存问题”，AI 每次都要重新理解上下文，难以聚焦到专业的性能优化视角。
- 生成修复代码后，手动编写符合团队规范的 Commit Message 和 PR 描述耗时费力，容易遗漏关键变更细节。
- 缺乏自动化的代码审查流程，只能依赖人工逐行检查，难以系统性发现潜在的安全漏洞或架构缺陷。
- 遇到报错时，需在对话框中粘贴错误日志并解释背景，沟通成本高且容易丢失之前的对话状态。
使用 claude-code-cookbook 后
- 输入
/role performance一键切换至性能专家模式，AI 立即以专业视角定位内存泄漏根源并提供优化方案。 - 执行
/semantic-commit和/pr-create命令，自动生成标准化的提交信息与结构清晰的 PR 描述，确保文档规范统一。 - 运行
/smart-review与/role security组合拳，自动触发深度代码审查与安全漏洞扫描，提前拦截高风险问题。 - 直接使用
/fix-error命令，AI 自动读取当前终端报错上下文并给出修复补丁，无需重复粘贴日志或解释环境。
claude-code-cookbook 通过预设的专家角色与自动化命令，将繁琐的沟通与重复操作转化为高效的标准化工作流，显著提升了研发交付质量与速度。
运行环境要求
快速开始
Claude Code 烹饪书
用于 Claude Code 的命令、角色和自动化脚本集合。
通过多种语言的斜杠命令、专家角色和自动化钩子，自定义 Claude Code。
什么是 Claude Code 烹饪书？
Claude Code 烹饪书提供了一个插件系统，可为 Claude Code 扩展以下功能：
- 命令：用于常见开发任务的自定义斜杠命令
- 角色：针对特定领域的专家角色预设
- 钩子：在特定事件触发的自动化脚本
安装
第一步：添加市场
首先，在 Claude Code 中将此仓库添加为插件市场：
/plugin marketplace add wasabeef/claude-code-cookbook
第二步：安装您的语言插件
选择您偏好的语言插件并进行安装：
| 语言 | 插件名称 | 安装命令 |
|---|---|---|
| 🇯🇵 日语 | plugins/ja | /plugin install cook@claude-code-cookbook |
| 🇺🇸 英语 | plugins/en | /plugin install cook-en@claude-code-cookbook |
| 🇰🇷 韩语 | plugins/ko | /plugin install cook-ko@claude-code-cookbook |
| 🇨🇳 简体中文 | plugins/zh-cn | /plugin install cook-zh-cn@claude-code-cookbook |
| 🇹🇼 繁體中文 | plugins/zh-tw | /plugin install cook-zh-tw@claude-code-cookbook |
| 🇪🇸 西班牙语 | plugins/es | /plugin install cook-es@claude-code-cookbook |
| 🇫🇷 法语 | plugins/fr | /plugin install cook-fr@claude-code-cookbook |
| 🇧🇷 葡萄牙语 | plugins/pt | /plugin install cook-pt@claude-code-cookbook |
每个插件包含：
- 以本地语言编写的完整命令文档
- 针对该语言优化的角色定义
- 语言特定的自定义示例
快速入门
安装完成后：
- 使用以
/开头的命令开始使用（例如/pr-create、/refactor） - 使用
/role命令激活专家角色（例如/role security） - 查看您的语言插件以获取详细文档
核心功能
命令
用于常见开发工作流的斜杠命令：
- 拉取请求管理：
/pr-create、/pr-review、/pr-feedback、/pr-auto-update - 代码质量：
/refactor、/smart-review、/tech-debt、/analyze-dependencies - 开发工具：
/fix-error、/commit-message、/semantic-commit、/explain-code - 规划与分析：
/plan、/spec、/ultrathink、/check-fact
角色
切换到专家角色以获得专业帮助：
/role security- 安全漏洞分析/role architect- 软件架构与设计/role frontend- UI/UX 和前端优化/role backend- API 设计与微服务/role performance- 性能优化/role qa- 测试与质量保证/role mobile- iOS/Android 最佳实践/role reviewer- 代码审查与可维护性/role analyzer- 系统与代码分析
为什么选择 Claude Code 烹饪书？
- 多语言支持：提供原生语言翻译的插件
- 生产就绪：经过实战检验的命令和角色
- 可扩展性：易于添加您自己的命令和角色
- 安全性：内置安全钩子，防止危险操作
- 高效性：减少重复性任务和上下文切换
- 开源：采用 Apache 2.0 许可证
版本历史
v3.0.02025/10/15v2.6.62025/09/17v2.6.52025/09/16v2.6.42025/09/16v2.6.32025/09/09v2.6.22025/09/04v2.6.12025/09/04v2.6.02025/08/20v2.5.02025/08/20v2.4.02025/08/19v2.3.02025/08/11v2.2.02025/08/11v2.1.02025/08/10v2.0.02025/08/10v1.0.02025/07/28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
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。
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。