ECC 是一个面向 AI 编码代理的“代理框架性能优化系统”。它想解决的不是“代理能不能写代码”,而是代理写完代码之后缺少工程约束的问题:ECC 让代理先规划再动手、用测试验证改动、换一个干净上下文审查自己的产出、记住重要信息,并把重复出现的成功经验沉淀成可复用的技能和工作流。用项目自己的话说,不必在每个提示词里重建这套过程,安装一次,让它成为代理工作方式的一部分。
项目托管在 GitHub 的 affaan-m/ECC 仓库,采用 MIT 许可证。平台元数据显示该仓库约有 303,435 个 Star、44,733 个 Fork;这些是 GitHub 指标,与 Hugging Face 的 Likes 或 Downloads 无关。主要语言为 JavaScript,创建于 2026 年 1 月,最近更新于 2026 年 11 月。
包含哪些组件
根据 README,ECC 提供 71 个代理、314 个技能和 98 个旧版命令入口,另有钩子、规则、记忆、持续学习以及 AgentShield 安全扫描。代理按用途分工,覆盖规划、审查、构建修复、安全、架构和领域任务;技能覆盖 TDD、研究、安全、文档、前端、数据、机器学习、运维等方向。
- Agents:面向具体工程任务的专用代理。
- Skills:可复用的工作流与知识单元。
- Commands:便捷入口,项目正在向以技能为主的界面迁移。
- Hooks 与 memory:运行时约束、会话摘要、持续学习、直觉与上下文控制。
- Rules:按语言或项目选择性加载的标准,而不是全部常驻。
- AgentShield:扫描提示词、钩子、MCP 配置、权限、密钥和代理文件。
支持哪些编码代理
ECC 目前与 Claude Code 配合最完整,同时提供 Codex 和 Qoder 的原生插件路径,并为 Cursor、OpenCode、Gemini、Zed、GitHub Copilot、Antigravity、Qwen 等提供能力受限的适配器。README 明确提醒,不同 harness 的功能并不对等,使用前应查看支持状态矩阵。
安装方式上,项目强调每个 harness 只选一种安装路径,不要叠加。比如 Claude Code 可以使用引导式安装或原生插件命令;Codex 可以使用原生仓库市场插件,也可以走已标记为废弃的同步脚本,但两者不应同时使用。重复安装到同一个 harness 可能导致技能、命令、钩子或配置重复。
安装与运行环境
ECC 2.2 提供面向 Claude Code、Codex 和 Kimi Code 的引导式安装。通用 npm 包要求 Node.js 18 或更高版本;Claude 插件安装还要求 PATH 中存在 Git 和 Claude Code 2.1 或更高版本。README 给出的引导安装命令包括 npx ecc-universal@2.2.3 setup,以及 pnpm、Yarn 2+、Bun 对应的包运行器写法。
项目区分了三个公开标识:GitHub 源码仓库是 affaan-m/ECC,Claude 市场/插件标识是 ecc@ecc,npm 包名是 ecc-universal。README 说明这种命名是有意为之,三者不能互换。npm 发布按版本标签切分,因此 ecc-universal 跟踪的是 2.1、2.2 等发布版本,而不是每次推送到主分支的提交。
项目还提示只从官方渠道安装:GitHub 仓库、npm 包 ecc-universal 与 ecc-agentshield、GitHub App、插件标识 ecc@ecc 以及项目网站 ecc.tools。第三方重新上传或非官方镜像不受项目维护和审查,可能包含恶意软件。
适用场景与注意事项
ECC 适合已经在使用 Claude Code、Codex 等编码代理,并希望把规划、测试验证、代码审查、安全检查和经验沉淀变成固定流程的开发者。它更像是在代理之上加一层工程化的工作系统,而不是替代代理本身。
需要注意的几点:项目功能在不同 harness 上并不完全一致;安装时应避免同一 harness 叠加多种方式;许可证为 MIT,但 README 中提到的 ECC Pro 是面向私有仓库的托管 GitHub App,属于另一项付费服务,开源仓库本身保持 MIT 许可。平台元数据中的许可证标识仅用于说明仓库许可,不应推断项目内图片或其他资源的授权情况。
项目主页:https://github.com/affaan-m/ECC
项目地址:ECC
相关推荐
cinecode:用 AI 编程代理写剧本、造画面、配音效,把一句话变成 MP4 电影
gputaskman:给 GPU 装一个 htop,逐进程看清显存都被谁占了
开发一次,四个平台原生运行:Exact 想做的 AI 原生跨平台应用运行时
Hermes Agent:Nous Research 开源的自我改进 AI 智能体,能从经验中创建技能并跨平台运行
TradingAgents 是什么:用多智能体 LLM 模拟交易公司的开源框架
llama.cpp:用 C/C++ 实现本地大模型与视觉语言模型推理
Superpowers:给编程 Agent 装上完整开发方法论的开源技能框架
REA:用一个 MCP 让 AI Agent 逆向分析二进制、应用与运行时行为
最近更新
cinecode:用 AI 编程代理写剧本、造画面、配音效,把一句话变成 MP4 电影
cinecode 是一个在本地运行的 AI 电影生成工具包:AI 编程代理写剧本、用代码逐帧搭建画面、设计声音并输出 MP4,覆盖短片、长视频、广告、解说和音乐视频。本文介绍它的两种模式、两个创作目标、主要功能、运行环境和适用场景。
gputaskman:给 GPU 装一个 htop,逐进程看清显存都被谁占了
gputaskman 是一个用 Python 编写的终端 GPU 任务管理器,试图回答“显存到底被谁占了”:它把逐进程显存、GPU 引擎活动与运行时、模型文件、LLM 的权重/KV cache 拆解关联起来,支持 Windows、Linux、WSL 和 Apple Silicon。本文介绍其功能、安装方式、平台限制与适用场景。
开发一次,四个平台原生运行:Exact 想做的 AI 原生跨平台应用运行时
Exact 是一个跨平台应用运行时:用小型声明式语言 Contract 描述界面,用 TypeScript 或 Rust 写数据逻辑,编译出的界面计划在 Web、macOS、iOS 和 Linux 上以各平台原生方式运行,并允许 AI 编码代理通过统一操作脚本构建、运行、观察和测试应用。
Hermes Agent:Nous Research 开源的自我改进 AI 智能体,能从经验中创建技能并跨平台运行
Hermes Agent 是 Nous Research 开源的自我改进 AI 智能体,内置学习闭环,能从经验中创建并改进技能,支持多消息平台、定时任务、子智能体和多种运行后端,可用任意模型并通过 CLI 或 Telegram 等入口使用。
TradingAgents 是什么:用多智能体 LLM 模拟交易公司的开源框架
TradingAgents 是一个基于 LangGraph 的多智能体 LLM 金融交易研究框架,用分析师、研究员、交易员和风险管理团队的分工模拟交易公司决策流程。本文介绍它的角色设计、安装方式、LLM 提供商配置、CLI 用法、支持市场与 Python 调用方式。
llama.cpp:用 C/C++ 实现本地大模型与视觉语言模型推理
llama.cpp 是一个用 C/C++ 编写的 LLM 与 VLM 推理项目,构建在 ggml 之上,支持多种 CPU 指令集、量化方案和 GPU/NPU 后端,并提供 CLI、server 等工具。本文依据其 GitHub README 介绍项目定位、功能特点、安装方式与适用场景。
ECC:给 AI 编码代理加装一套工程化流程与工具箱
ECC 是面向 AI 编码代理的工程化流程系统,提供 71 个代理、314 个技能、钩子、记忆与安全扫描,主要支持 Claude Code,并为 Codex、Cursor 等提供适配路径。
Superpowers:给编程 Agent 装上完整开发方法论的开源技能框架
Superpowers 是一个面向编程 Agent 的开源技能框架和开发方法论,通过自动触发的技能把需求澄清、计划拆解、TDD、子 Agent 开发和代码审查串成完整工作流,支持 Claude Code、Codex、Cursor、Gemini CLI 等多种 Agent 环境。
REA:用一个 MCP 让 AI Agent 逆向分析二进制、应用与运行时行为
REA 是一个 TypeScript 编写的开源 MCP 服务,让 AI Agent 能够逆向分析原生二进制、JavaScript/Electron 应用、.NET 程序集、Android APK、网站等多种目标,分析在本地运行并附带证据说明。本文介绍它的功能范围、安装方式、运行环境与使用注意事项。
MoneyPrinterTurbo:输入主题就能生成短视频的开源 AI 工作流
MoneyPrinterTurbo 是一个用 AI 大模型和自动化工作流生成短视频的开源 Python 项目,输入主题即可自动完成脚本、配音、素材、字幕、配乐和剪辑,支持 WebUI、API、CLI 和 AI Agent 四种使用方式。






