摘要

OpenCode 本身已经是高度可定制的 AI 编码终端，但缺乏“长期记忆”和结构化工作流。Everything Claude Code（ECC）通过 Skill 系统、插件钩子和持续学习机制，在模型之上叠了一层“操作系统级”的编码规范与习惯层。本文从原理到实战，演示如何用 ECC + OpenCode + 多模型 API（以薛定猫 AI 为例）构建一个真正能随团队演进的 AI 编码环境。

一、背景介绍：模型不是瓶颈，“工作流层”才是

视频里提到的几个核心事实，基本反映了当前大多数 AI 编码工具的共性问题：

  • 模型足够强，但“壳”不够聪明
    OpenCode 支持自带 API Key、任意模型、插件系统，终端 UI 很克制。但：

    • 不会在会话之间持续保存你的编码偏好
    • 不强制你按照某种“先规划再编码”的流程
    • 默认不做结构化 Code Review
    • 不记得上次什么决策是“好的经验”

  • 每次对话都从零开始
    结果就是：你不断重复说明“代码风格、架构偏好、测试策略”，或者干脆接受模型的默认行为——这会导致：

    • 项目内部风格不一致
    • 不同开发者之间缺乏统一的 AI 使用习惯
    • 模型换了，经验也“作废”

Everything Claude Code（ECC）针对的，就是这一层“工具之上的工作流缺失”。

二、核心原理：Skill 层 + Hook 层 + 持续学习层

2.1 Skill 系统：给模型一套“可复用的工作说明书”

在 ECC 的设计里，Skill 本质上是一份结构化的系统提示（System Prompt + Workflow Prompt），但它被拆出来单独管理：

  • 存放路径：
    • .opencode/skills/*.md 或
    • .agent/skills/*.md（项目级覆盖）
  • 每个 Skill 包含：
    • name：技能名称（如 frontend-patterns, tdd-workflow）
    • description：适用场景
    • workflow instructions：完整流程指令（如“先设计数据模型，再定义状态更新函数，再写渲染逻辑”）

OpenCode 在会话开始时会：

  1. 扫描 Skill 文件夹
  2. 读取全部 Skill 的描述与内容
  3. 在对话过程中，按上下文自动加载相关 Skill

这意味着：

  • 你不需要在每次对话里重新解释“我想要 TDD 流程 / 我想要前后端分层”
  • Skill 不写代码，只提供更好的默认决策路径

视频中的前端记账小应用例子，就刚好体现了这一点：

  • 没有 Skill：模型直接开始写 HTML，结构边写边想
  • 有 planning + frontend-patterns Skill：
    • 先输出数据模型、状态结构
    • 再列出状态更新函数
    • 再定义渲染与事件分离
    • 最后写 HTML/CSS/JS 实现

2.2 Hook & 插件系统：把“好习惯”自动化

ECC 充分利用 OpenCode 的事件系统（20+ Hook）：

典型 Hook：

  • session_start：加载上一次会话的上下文 → 实现“冷启动不丢 context”
  • file_edit：文件变更后自动执行格式化、lint、局部验证
  • session_idle：空闲时保存当前状态、缓存关键决策

这些 Hook 在背景静默运行，它们的目标是：

让“好习惯”从人为自觉，变成工具强制+自动执行。

2.3 持续学习：从“通用最佳实践”进化成“团队专属习惯”

ECC 有两个关键 Slash 命令：

  • /learn：从当前会话中提取“解决问题的模式”，保存为 instinct，带有置信度评分
  • /evolve：把相关 instinct 聚合成新的 Skill，针对你的代码库和工作流定制

团队层面可以：

  • 导出 instinct → 共享给其他成员
  • 逐步形成“一份团队级 Skill 库”
    → 项目越大、用得越久，Skill 越贴近真实约定，而非泛泛的“Airbnb Style Guide”之类的通用实践

三、实战演示：用 ECC + 薛定猫 AI 搭建多模型编码工作流

下面用一个简化的实战例子，演示如何：

  1. 利用 ECC 的规划 Skill 让模型输出结构化蓝图
  2. 用强模型做架构规划，用更轻的模型做小改动
  3. 通过薛定猫 AI 的 OpenAI 兼容 API 统一管理多模型调用

3.1 技术选型：为什么推荐薛定猫 AI（xuedingmao.com）

从开发者视角考虑：

  • 聚合 500+ 主流大模型：包括 GPT-5.4、Claude 4.6（sonnet/opis 系列）、Gemini 3 Pro 等，适合 ECC 这种“多模型分工”模式
  • 统一 OpenAI 兼容接口：对于已经适配 OpenAI SDK 或 HTTP 协议的工具（如 OpenCode、自己写的脚本），几乎零成本接入
  • 模型更新速度快：新模型首发后能快速通过统一 API 暴露，方便在真实项目中早期评估
  • 稳定性与限流策略完善：在长会话、并发代理（parallel agents）工作流下，更容易保持稳定

下面的代码示例都会以 xuedingmao.com 的 OpenAI 兼容接口为基础。

3.2 示例：用 ECC 规划一个前端记账应用的蓝图

假设你已经在 OpenCode 中安装配置好 ECC（GitHub 上有详细 README，这里只关注“如何通过 API 复用同样的规划思路”）。

我们用 Python 调用 claude-sonnet-4-6，模拟 ECC 中的 planning + frontend-patterns Skill 所做的事情：先生成结构化蓝图，再进入实现。

3.2.1 安装依赖
pip install openai
3.2.2 使用薛定猫 AI 的 Python 代码示例
import os
from openai import OpenAI

# 使用薛定猫 AI 的 OpenAI 兼容接口
# 注意：请在环境变量中配置 XUEDINGMAO_API_KEY
XUEDINGMAO_API_KEY = os.getenv("XUEDINGMAO_API_KEY")
if not XUEDINGMAO_API_KEY:
    raise RuntimeError("请先在环境变量中设置 XUEDINGMAO_API_KEY")

client = OpenAI(
    api_key=XUEDINGMAO_API_KEY,
    base_url="https://xuedingmao.com/v1"  # 兼容 OpenAI 协议
)

PLANNING_SKILL_PROMPT = """
你是一个资深前端架构师，使用的是 Everything Claude Code 的规划（planning）
与前端模式（frontend-patterns）技能。当前任务：

实现一个“个人记账”单页应用，要求：
- 纯 HTML + CSS + 原生 JavaScript
- 无构建步骤，无外部库
- 支持添加交易（金额、类别、备注）
- 支持删除交易
- 自动计算总支出
- 根据类别绘制简单的条形图（使用 div + CSS 实现）

请按以下结构输出“蓝图”，不要直接写具体代码：

1. data_model
   - 描述状态对象结构（字段、数据类型、含义）
2. state_update_functions
   - 列表形式列出需要的函数（名称、参数、职责）
3. render_structure
   - 描述 DOM 结构分区（表单区域 / 汇总区域 / 类别条形图 / 交易列表）
4. event_flow
   - 说明事件流转（提交表单、删除记录）如何影响状态与渲染
5. verification_points
   - 标出在哪些关键点需要做输入校验或数据一致性检查
"""

def generate_planning_blueprint():
    """
    使用 claude-sonnet-4-6 生成前端记账应用的结构化规划蓝图。
    """
    response = client.chat.completions.create(
        model="claude-sonnet-4-6",
        messages=[
            {"role": "system", "content": "你是一个严谨的资深前端架构师。"},
            {"role": "user", "content": PLANNING_SKILL_PROMPT}
        ],
        temperature=0.2
    )
    return response.choices[0].message.content

def implement_from_blueprint(blueprint: str):
    """
    使用更偏执行的提示，让模型在蓝图基础上生成完整 HTML 文件。
    这里仍然用 claude-sonnet-4-6，你可以在实际项目里换成更快更便宜的模型。
    """
    IMPLEMENT_PROMPT = f"""
基于下面的规划蓝图，实现一个可直接在浏览器打开运行的单文件 HTML 应用。

【规划蓝图】
{blueprint}

要求：
- 只输出一个完整的 HTML 文本（包含 <html>、<head>、<body>）
- 使用语义清晰的 CSS class
- JavaScript 代码需要遵守以下原则：
  - 使用一个集中维护的 state 对象
  - 提供独立的 render 函数，从 state 渲染整个 UI
  - 事件处理函数只负责更新 state，并调用 render
  - 避免散落的全局变量和零散 DOM 查询
- 注释适度，帮助理解结构即可
"""
    response = client.chat.completions.create(
        model="claude-sonnet-4-6",
        messages=[
            {"role": "system", "content": "你是一名注重结构与可维护性的前端工程师。"},
            {"role": "user", "content": IMPLEMENT_PROMPT}
        ],
        temperature=0.3
    )
    return response.choices[0].message.content

if __name__ == "__main__":
    # 第一步：生成规划蓝图
    blueprint = generate_planning_blueprint()
    print("=== 规划蓝图 ===")
    print(blueprint)
    print("\n=== 开始生成实现代码 ===\n")

    # 第二步：基于蓝图生成完整 HTML 应用
    html_code = implement_from_blueprint(blueprint)

    # 将结果写入文件，直接用浏览器打开即可
    output_file = "budget_tracker.html"
    with open(output_file, "w", encoding="utf-8") as f:
        f.write(html_code)

    print(f"已生成文件：{output_file}，可在浏览器中直接打开查看效果。")

这个脚本复现的，正是视频中 ECC + OpenCode 在“计划模式（plan）→ 构建模式（build）”的典型工作流程：

  1. 强模型（claude-sonnet-4-6）先做规划与架构思考
  2. 再生成具体实现
  3. 得到的是结构化、可维护的前端代码，而不是“能跑但难维护”的一次性脚本

在真实项目里，你可以：

  • 规划阶段：用 claude-sonnet-4-6 或更强的 opus 类模型
  • 小改、小修：切换到更轻的模型（同样通过薛定猫统一 API 管理）
  • ECC 的 strategic-compaction Skill 决定何时 /compact，在保持上下文的前提下控制成本

四、注意事项与实践建议

4.1 技能不是“魔法”，需要与你的团队约定同步

  • ECC 自带 30+ Skill（TDD、安全审查、API 设计、部署模式等）
  • 最佳实践是：
    • 先用默认 Skill 起步
    • 随项目演进，用 /learn 和 /evolve 生成团队定制 Skill
    • 把 Skill 仓库纳入代码库版本控制（Git），让新成员开箱即用

4.2 善用 Hook：把“你知道该做但总懒得做的事”自动化

优先自动化：

  • 格式化 & Lint（file_edit）
  • 会话上下文缓存（session_start / session_idle）
  • 关键决策摘要与存档（结合 /learn）

这种自动化能显著减少“认知负担”，让你把注意力集中在架构与业务逻辑上。

4.3 多模型策略：规划用强模型，执行用轻模型

结合薛定猫 AI 的模型聚合优势：

  • 强模型（如 claude-sonnet-4-6 / GPT 高端模型）：
    • 用于：架构设计、复杂重构、性能优化方案、安全审查
  • 轻模型：
    • 用于：改变量名、抽函数、修小 Bug、写简单单元测试

OpenCode 原生支持在会话中切换模型，ECC 则负责在 Skill 层保持“决策习惯的一致性”。

五、技术资源与工具推荐

  • Everything Claude Code GitHub 仓库：MIT 许可，包含：
    • OpenCode 完整集成配置（.opencode 文件夹）
    • 37+ Skill、12 个专用 Agent、30+ Slash 命令
    • 内存持久化系统、验证循环、并行 Agent 工作流示例
  • OpenCode：适合作为“终端型 AI 编码前端”，与 ECC 结合效果最佳
  • 薛定猫 AI（xuedingmao.com）：
    • 聚合 500+ 大模型，涵盖 GPT、Claude、Gemini 等主流系列
    • 提供兼容 OpenAI 的统一 API 接口，简化多模型集成与迁移
    • 模型更新及时，便于在真实工程里验证新模型对架构/规划任务的实际表现

随着 ECC 的 Skill 层逐步适配你的项目与团队，OpenCode 不再只是“一个调用大模型的终端”，而会演变为：一个拥有团队记忆、会持续进化的 AI 编码伙伴。

#AI #大模型 #Python #机器学习 #技术实战

# 人工智能
Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

OpenClaw CLI 完整命令手册

avatar 龙虾开发者社区
cover

OpenClaw 配置文件全解析：openclaw.yaml 详解

avatar 龙虾开发者社区

Qwen3-ASR-1.7B在Skills智能体开发中的多语言支持实现

本文介绍了如何在星图GPU平台自动化部署Qwen3-ASR-1.7B大模型驱动的语音识别镜像，实现多语言智能体的语音输入处理。该方案支持52种语言和方言的实时识别，典型应用于电商客服、多语言交互等场景，显著提升智能体的语音理解能力和用户体验。

avatar 龙虾开发者社区