Claude Code 生态全景：从单兵作战到团队编排的 5 大神器

最近零零散散用过的开发工具包括 mcp 和 skill ，欢迎大佬们补充。其中用的最多 最贴合工作场景的应该是 Trellis ，其他的不是太重了就是不适合团队开发，但是 Trellis 在配合公司大模型（ minimax ）的时候，实现起来却没有 codex 好。举个例子 codex 知道你要在添加的接口新增字段的时候会帮你把详情接口也加上，但是公司的模型却不会，在提示词都是内置的情况下。可能是 minimax 的任务链却是不如 gpt 但目前本着能不花钱就用公司的情况下，只能通过外挂弥补模型不足。如果大佬们有更好的替代的工具可以推荐下。下面是几个工具的基本介绍 ai 生成可以跳过，后面有我使用的总结。

目录

1. 为什么需要 Claude Code 生态？
2. 五大核心工具详解
   • GSD：Get Shit Done —— 规格驱动的开发框架
   • Trellis —— 跨平台的 AI 工作流 harness
   • Agent Skills —— 生产级工程技能库
   • Code Review Graph —— 本地代码知识图谱
   • OMC (Oh My Claude Code) —— 多智能体编排系统
3. 适用场景速查表
4. 实际应用
5. 已知问题与避坑指南

为什么需要 Claude Code 生态？

Claude Code 本身是一个强大的"裸机"——200K 上下文、工具调用、子代理。但裸机不等于生产力。

实际开发中你会遇到：

• Context Rot：随着对话进行，Claude 的上下文质量衰减
• 重复劳动：每次都要重新解释项目结构、代码规范
• 单线程瓶颈：一个 Claude 实例一次只能做一件事
• 质量不可控：没有内置的 Code Review 、Security Check 、Testing 流程

这 5 个工具分别解决了不同层面的问题，组合起来构成完整的 AI 工程流水线。

五大核心工具详解

1. GSD （ Get Shit Done ）—— 规格驱动的开发框架

GitHub: https://github.com/gsd-build/get-shit-done

一句话定义：解决 "Context Rot" 的元提示工程 + 规格驱动开发系统。

核心机制

工作流程（ 6 步闭环）

/gsd-new-project → 初始化：提问 → 研究 → 需求 → 路线图 /gsd-discuss-phase N → 讨论阶段：捕捉实现决策（视觉/UI/API/组织） /gsd-plan-phase N → 规划阶段：研究 → 创建 2-3 个原子计划 → 验证 /gsd-execute-phase N → 执行阶段：波浪式并行执行，每任务独立上下文 /gsd-verify-work N → 验证阶段：人工验收测试，自动诊断失败 /gsd-ship N → 交付阶段：创建 PR 关键创新 —— Wave 执行：

• 独立计划 → 同波并行
• 依赖计划 → 后续波次等待
• 每计划 200K 纯净上下文，零累积垃圾

多平台支持

Claude Code 、OpenCode 、Gemini CLI 、Kilo 、Codex 、Copilot 、Cursor 、Windsurf 、Antigravity 、Augment 、Trae 、Qwen Code 、Cline 、CodeBuddy —— 全部支持。

2. Trellis —— 跨平台的 AI 工作流 Harness

GitHub: https://github.com/mindfold-ai/Trellis

一句话定义：让 AI 编码工具拥有项目记忆和团队共享标准的跨平台框架。

核心概念

.trellis/ ├── spec/ # 项目标准、模式、指南（一次编写，随处注入） ├── tasks/ # 任务 PRD 、上下文文件、状态 ├── workspace/ # 个人日志与会话连续性 ├── workflow.md # 共享工作流规则 └── scripts/ # 自动化工具

与 GSD 的关键差异

独特功能

1. Auto-injected specs：将规范自动注入每次会话，无需重复解释
2. Parallel agent execution：通过 git worktree 实现真正的并行开发
3. Project memory：Journal 记录让下次会话从上次结束处继续
4. Team-shared standards：Specs 在仓库中，团队共享最佳实践

3. Agent Skills —— 生产级工程技能库

GitHub: https://github.com/addyosmani/agent-skills

一句话定义：把 Google 软件工程实践编码成 AI 可执行的 20 个结构化技能。

技能体系（ 7 个阶段 × 20 技能）

DEFINE PLAN BUILD VERIFY REVIEW SHIP ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ │ Idea │ ───▶ │ Spec │ ───▶ │ Code │ ───▶ │ Test │ ───▶ │ QA │ ───▶ │ Go │ │Refine│ │ PRD │ │ Impl │ │Debug │ │ Gate │ │ Live │ └──────┘ └──────┘ └──────┘ └──────┘ └──────┘ └──────┘ /spec /plan /build /test /review /ship

核心技能清单

Define: idea-refine, spec-driven-development Plan: planning-and-task-breakdown Build: incremental-implementation, test-driven-development, context-engineering, source-driven-development, frontend-ui-engineering, api-and-interface-design Verify: browser-testing-with-devtools, debugging-and-error-recovery Review: code-review-and-quality, code-simplification, security-and-hardening, performance-optimization Ship: git-workflow-and-versioning, ci-cd-and-automation, deprecation-and-migration, documentation-and-adrs, shipping-and-launch

设计哲学

• Anti-rationalization：每个技能包含"常见借口 + 反驳"表格（如"我稍后加测试" → "Beyonce Rule：如果我喜欢它，我应该为它写测试"）
• Verification is non-negotiable：每个技能以证据要求结束，"看起来对"从不足够
• Google 工程文化：嵌入 Hyrum's Law 、Beyonce Rule 、Chesterton's Fence 、Trunk-based development 等概念

4. Code Review Graph —— 本地代码知识图谱

GitHub: https://github.com/tirth8205/code-review-graph

一句话定义：用 Tree-sitter 构建代码结构图谱，让 AI 只读相关的代码，节省 6.8× Token。

解决的问题

传统方式：AI 每次重新读取整个代码库 → 13,205 tokens → 质量 7.2/10 图谱方式：AI 查询图谱获取影响范围 → 1,928 tokens → 质量 8.8/10

技术架构

User: "Review my changes" ↓ Claude Code → 检查 MCP 工具 ↓ MCP Server (code-review-graph serve) ↓ graph.db (Tree-sitter 构建的结构图谱) ↓ 返回：影响范围(Blast radius)、受影响流程、测试缺口、风险评分 ↓ Precise Review：只读相关代码

22 个可用工具

detect_changes → get_review_context → get_impact_radius → query_graph

支持平台：Claude Code 、Cursor 、Windsurf 、Zed 、Continue 、OpenCode 、Antigravity 、Kiro

5. OMC (Oh My Claude Code) —— 多智能体编排系统

GitHub: https://github.com/Yeachan-Heo/oh-my-claudecode

一句话定义：零学习曲线的团队级多智能体编排，"Don't learn Claude Code. Just use OMC."

核心模式：Team Mode （ v4.1.7+ 推荐）

/team 3:executor "fix all TypeScript errors" 执行流水线： team-plan → team-prd → team-exec → team-verify → team-fix (loop)

编排模式对比

独特功能

• 19 个专业代理（架构、研究、设计、测试、数据科学等）
• 智能模型路由：Haiku 简单任务，Opus 复杂推理，节省 30-50% Token
• 技能学习：自动提取可复用的问题解决模式到 .omc/skills/
• 实时 HUD：状态栏显示编排指标
• Provider Advisor：/ask codex 或 /ask gemini 跨模型咨询

适用场景速查表

实际应用

GSD

• 适合场景: 适合从 0-1 或者需求完整的项目他的好处是规划好再执行每次完成一小部分都会提交代码，问题就是对于项目中小细节修改不友好，所以认为对于大型项目或者从 0-1 的可以尝试，另外虽然规划好但是没有约束，想要达到目的需要提示词约束

Code Review Graph

• 适合场景: 这个是 MCP ，他的理念是用于减少代码查找而节省 token ，项目初始化之后替代 search 等工具的调用节省 token ，实际体验下来确实是快一些，但是文件变更触发图更新好像要手动这个还没有研究明白，但是效率感觉比之前的 search 或者 grep 要高，类似的节省 token 的还有 rtk: https://github.com/rtk-ai/rtk ,是减少无用编译或者测试的但是我觉得对编译尤其报错定位问题的时候不友好，毕竟上下文少了，可能排查问题就难了

OMC

• 适合场景: oh my claudecode 用过一段时间也能进行小需求实现 但是他主打的应该是 team 开发，多 agent 协作之类的我没有类似的需求 所以我觉得这个一般，同样类似的还有 bmad method 虚拟角色适合一人团队 https://github.com/bmad-code-org/BMAD-METHOD 这个之前用过 算是比较好的了

Trellis

• 适合场景: 这个的特色其实是前后端开发约束，本身比较轻量，应该是所有这些里面最适合敏捷开发的了，他也会根据你提的需求判断你是简单需求还是复杂需求 简单需求直接实现，复杂需求需要你回答问题我觉得这个设计挺好的，非常适合现在敏捷开发和 bug 修改，也是现在我主要用的。

Agent Skills

• 适合场景: 这个是最近刚接触的，也是分为 spec ，plan ，build ，test ，qa 全流程，我还没用起来，暂时不评论

已知问题与避坑指南

Trellis

虽然有前后端开发规范 但是我觉得实现起来还是差点意思

Code Review Graph

在 mcp 调用的时候会有个列出所有可用工具上下文直接打满 50k ，感觉应该能有优化空间

参考链接：

• GSD: https://github.com/gsd-build/get-shit-done
• Trellis: https://github.com/mindfold-ai/Trellis
• Agent Skills: https://github.com/addyosmani/agent-skills
• Code Review Graph: https://github.com/tirth8205/code-review-graph
• OMC: https://github.com/Yeachan-Heo/oh-my-claudecode

最后更新: 2026-04-16 欢迎打架补充自己的 skill 和避坑经验