9.1.workflow

Claude Code 开源工作流扩展集

配色:墨绿色 #2d6a4f(主)+ #1b4332(深)+ #95d5b2(浅) 主题:Claude Code 生态里第二梯队的开源工作流项目 范围:5 框架已覆盖的(gstack / Superpowers / ECC / planning-with-files / GSD)之外的同类项目

0. 为什么还要再做这一份?

之前做的 5 框架,本质都是"Skill 合集"——给你一个"大而全"的工程纪律仓库。但生态里还有另一类项目,它们只做一个点,但做到极致:

加上之前 cc-workflows/ 教程里提过的 Skills / Plugins / Hooks / MCP,这就构成了一幅完整的 Claude Code 生态地图。

1. Waza — 8 个克制 Skill,只做"该有的习惯"

仓库:tw93/waza · 作者:tw93(妙言、Pake 作者)· Star:3k+ · 类型:纯 Markdown Skill 集

1.1 一句话定位

"Waza"(日语"技"):把 AI 该有的工程习惯封装成 8 个 Skill,不堆功能,只做克制。

Waza 解决的是另一个问题:Superpowers、gstack 之类规则太多反而压垮模型。Waza 反着来——每个 Skill 只定目标和约束,剩下的交给模型自己发挥。

1.2 8 个 Skill

1.3 安装

# 安装 Waza(目前通过 skill 子命令)
npx skills add tw93/waza

1.4 怎么用?—— 60 秒上手

# 在 Claude Code 里
> /think 帮我设计一个 OAuth2 登录系统
> Waza 会反问:用户量?是否需要多端?Token 过期策略?SSO?

> /design 重新设计我的 SaaS 着陆页
> Waza 会先问:目标用户?品牌调性?参考网站?然后给出有审美方向的方案

> /hunt 这个 API 偶尔返回 500
> Waza 会强制你先复现 + 收集日志 + 假设验证,不允许瞎改

1.5 灵魂问题

Waza vs Superpowers 怎么选?

Superpowers 是"给 AI 立规矩"(很多 Skill,很重);Waza 是"给 AI 留空间"(8 个 Skill,克制)。

如果你觉得自己 AI 经常"想得不够"——用 Superpowers; 如果你觉得自己 AI 经常"想得太多"——用 Waza。

我的建议:先装 Waza,因为它轻。学完发现不够用,再上 Superpowers。

2. Claude Taskmaster — PRD → 任务清单

仓库:eyaltoledano/claude-task-master · 作者:eyaltoledano · Star:20.9k · 类型:AI 任务管理 CLI

2.1 一句话定位

"把 PRD 喂进去,吐出一份带依赖关系的任务清单;然后告诉 AI ‘做下一个',它会自己推进。"

它解决的问题:Claude Code 容易"做一步算一步",没有全局视角。Taskmaster 充当"项目经理",强制 AI 按任务清单推进。

2.2 核心工作流

# 1. 初始化
npx task-master-ai init

# 2. 写一份 PRD(放 .taskmaster/docs/prd.txt)
cat > .taskmaster/docs/prd.txt <<'EOF'
# 用户认证系统
- 邮箱 + 密码注册
- OAuth2(Google / GitHub)
- JWT token + refresh token
- 邮件验证
- 找回密码
EOF

# 3. 解析 PRD → 任务
> Parse my PRD at .taskmaster/docs/prd.txt
# Taskmaster 会输出:
# Task 1: 数据库 schema 设计(依赖:无)
# Task 2: 用户注册 API(依赖:1)
# Task 3: 邮件验证流程(依赖:2)
# Task 4: OAuth2 集成(依赖:1)
# Task 5: JWT 中间件(依赖:2,4)
# ...

# 4. 推进
> What's the next task I should work on?
# → "Task 1: 数据库 schema 设计"

> Implement task 1
# AI 写完后,标记完成,自动跳到 Task 2

2.3 跨编辑器支持

• ✅ Cursor(原生 MCP)
• ✅ Windsurf
• ✅ VS Code(原生 MCP)
• ✅ Claude Code(用 claude-code/sonnet,免 API Key)
• ✅ Lovable、Roo、Kiro

2.4 灵魂问题

Taskmaster vs planning-with-files 怎么选?

planning-with-files: 通用规划哲学,任何时候都能用 Taskmaster: 强任务分解 + 依赖管理,适合多任务、长周期项目

简单项目用 PWF;复杂项目(5+ 任务、有依赖)用 Taskmaster。

3. Ruflo — Claude Code 多智能体编排

仓库:ruvnet/ruflo(前身:claude-flow)· 作者:ruv(Reuven Cohen)· Star:48k+ · 类型:多智能体编排平台 · 协议:MIT

3.1 一句话定位

"把 Claude Code 从'一个能干活的助手'升级成'一个能协作、能记忆、会自进化的团队'。"

3.2 核心数据

3.3 5 种 Swarm 拓扑

Ruflo 最大的亮点:不同任务用不同的"组织架构":

3.4 12 个自动触发器

Ruflo 内置 12 个自动触发的 worker,不需要你手动调用:

• UltraLearn — 新项目/大重构,自动深度学习
• Optimize — 检测到慢操作,自动性能优化
• Audit — 安全相关变更,自动审计
• TestGaps — 代码变更没测试,自动补
• Security Scan — 依赖变更,自动 CVE 扫描
• Document — 新函数/类,自动生成文档
• ……

例子:你改了 API 接口,DeepDive 自动分析影响范围,TestGaps 检查有没有测试,Document 更新文档。全程不用动手。

3.5 安装

# 一键安装(轻量)
claude mcp add ruflo -- npx ruflo@latest mcp start

# 完整安装(CLI + hooks + daemon)
npx ruflo@latest init wizard

3.6 ⚠️ 冷静看

• Ruflo 描述的能力很激进(100+ agents、enterprise security),实际企业落地需要实际验证
• Reddit 社区有开发者质疑宣传与实际差距
• 每天发版(1.4k+ releases)意味着你最好固定 pin 版本
• 不要因为 star 高就直接上生产——先在非关键项目试

3.7 灵魂问题

Ruflo vs 直接用 Claude Code 子代理 怎么选?

Claude Code 原生的 sub-agents:够用,简单场景 Ruflo:100+ 预制角色、自动触发器、记忆持久化、跨机器联邦

日常单文件改动 → 用原生 sub-agents 就够 大型 monorepo 重构 → 上 Ruflo,真的省事

4. Compounding Engineering — 计划-执行-评审三步法

仓库:EveryInc/compounding-engineering-plugin · 作者:EveryInc · 类型:Claude Code Plugin

4.1 一句话定位

"让 AI 的每一次开发都积累质量,而不是制造技术债务。"

它的核心想法:质量应该是复利的,不是线性的。每完成一个功能,质量都应该提升,不是拉平。

4.2 三步工作流

Step 1:/compounding-engineering:plan

把模糊想法 → 结构化的 GitHub Issue

• 研究代码库,找相似模式
• 分析框架文档和最佳实践
• 制定详细验收标准 + 实施计划
• 生成符合现有模式的代码示例

输出:一个研究充分的 Issue,实施时直接照着做

Step 2:/compounding-engineering:work

执行计划 + 隔离环境

• 创建独立的 git worktree(干净开发)
• 把计划拆成可追踪的待办
• 系统执行 + 持续验证(每改一次就测)
• 测试覆盖 + 无回归

输出:首次构建就正确,测试覆盖全面

Step 3:/compounding-engineering:review

并行 12+ 评审 agent

• 在独立 worktree 里深度分析
• 并行跑 12+ 评审 agent:
  • security-sentinel(安全哨兵)
  • performance-oracle(性能预言家)
  • architecture-reviewer(架构评审)
  • code-quality-guard(代码质量)
  • ……(还有 8+ 个)
• 给每个发现创建可追踪的 TODO

输出:符合质量标准的代码 + 记录学习以备未来工作

4.3 安装

npx claude-plugins install @EveryInc/every-marketplace/compounding-engineering

4.4 灵魂问题

Compounding Engineering 跟 GSD 啥区别?

GSD:Spec 驱动开发,把 Spec 翻译成可执行技术上下文 CE:质量复利,每次开发都让下次的起点更高

想要"流程顺畅"用 GSD;想要"质量积累"用 CE。

5. claude-code-swarm — Git Worktree + 并行 Claude

仓库:smtg-ai/claude-squad · 类型:并行 AI 终端管理 · 作者:smtg-ai

5.1 一句话定位

"用 Git worktree 给每个 AI 代理一个独立工作区,互不干扰,自动并行。"

它解决的核心问题:一个 Claude 一次只能干一件事,效率低。多开几个 Claude 又会互相覆盖文件。

5.2 核心思想:Git Worktree

# 一个 git 仓库可以签出多个工作树
git worktree add ../project-feature-a -b feature-a
git worktree add ../project-feature-b -b feature-b
git worktree add ../project-bugfix -b bugfix-123

# 每个 worktree 是独立的工作副本,共享 .git 历史

这样可以:

• 每个 Claude 在独立 worktree 工作
• 文件互不覆盖
• 共享 git 历史(可以 diff、merge)
• 处理完用 git worktree remove 清理

5.3 4 个使用模式

模式 1:特征探索

同时跑 3-4 个 Claude,用不同方法实现同一功能:

deploy_parallel_agents "payment-processing" 4 \
  "Implement payment processing with different approaches: 
   Stripe, PayPal, crypto, bank transfer"
# 等所有 agent 完成,挑最好的

模式 2:竞争性实施

同一个 prompt 跑多个,赌"至少一个一次就对":

deploy_parallel_agents "user-dashboard" 3 \
  "Create responsive dashboard with charts, tables, real-time updates"
# ROI: 节省 40 分钟,多花 $0.30

模式 3:专业代理

不同 agent 做不同方面:

git worktree add ../auth-frontend -b auth/frontend
git worktree add ../auth-backend -b auth/backend
git worktree add ../auth-tests -b auth/tests
cd ../auth-frontend && claude -p "Build React auth UI" &
cd ../auth-backend && claude -p "Implement JWT API" &
cd ../auth-tests && claude -p "Write auth tests" &

模式 4:Anthropic 官方推荐方式

Anthropic 工程师用 gw.sh / gwr.sh 自动创建 worktree + VS Code 集成。

5.4 性能数据

5.5 类似工具

• CCManager(TUI 工具) — 管理多个 Claude 会话
• Uzi CLI — 自动化 worktree + 代理编排
• claude-squad — 跨 Claude Code / Aider / Codex / OpenCode / Amp 多 AI 管理

5.6 灵魂问题

要不要上 worktree?

上:多人协作大型项目、长时跑大型重构、想用"竞争性实施"提质 不上:个人小项目、临时改 bug、不想管 git 分支

入门建议:从模式 3(专业代理)开始,体验到好处再上模式 1。

6. 选型决策树

我在做 Claude Code,要不要"工作流框架"?
│
├─ 我的痛点是什么?
│  │
│  ├─ "AI 总跳过关键步骤" ──▶ Superpowers / gstack(已做)
│  │
│  ├─ "AI 想得太多反而压垮" ──▶ Waza ✨
│  │
│  ├─ "AI 不知道下一步做啥" ──▶ Taskmaster ✨
│  │
│  ├─ "AI 一个人干不动大型项目" ──▶ Ruflo / Compounding Engineering ✨
│  │
│  ├─ "想要并行提速" ──▶ claude-code-swarm ✨
│  │
│  ├─ "想边做边沉淀质量" ──▶ Compounding Engineering ✨
│  │
│  └─ "我就是想规划好再动手" ──▶ planning-with-files / GSD(已做)
│
└─ 我的项目多大?
   │
   ├─ 单文件 / 小项目 ──▶ Waza(轻)
   │
   ├─ 中型项目(5-20 文件) ──▶ Taskmaster / Compounding
   │
   └─ 大型 monorepo / 团队协作 ──▶ Ruflo + claude-code-swarm

✨ = 本教程介绍的项目

7. 实战组合拳

组合 1:Waza + Taskmaster(轻量高效)

接需求 → Taskmaster 拆任务 → /think 方案设计 → 实施 → /check 验证

适合:中型项目、独立开发者、想保持轻量

组合 2:Compounding + swarm(质量复利)

新功能 → /ce:plan 出 issue → /ce:work 在 worktree 实施 
     → /ce:review 12+ agent 评审 → 合并 → 下一轮(质量复利)

适合:大型项目、团队、对质量要求高

组合 3:Ruflo + GSD(企业级)

需求 → GSD 转 Spec → Ruflo 拆 swarm 角色 
   → 自动触发器推进 → 自学习记忆 → 持续优化

适合:企业 monorepo、长期项目、需要可观测

8. 速查表

9. 参考资源

• Waza 官方仓库
• Claude Taskmaster 官方仓库
• Ruflo 官方仓库
• Compounding Engineering 官方仓库
• claude-squad 官方仓库
• Anthropic 工程师 worktree 工作流
• CC 生态 17 个开源项目

一句话总结:Claude Code 生态已经分化为两类——

1. "给 AI 立规矩"(5 框架 + Waza)— 保证质量
2. "让 AI 团队化"(Ruflo / Compounding / swarm)— 提高效率

选哪个不重要,组合用才出奇迹。