Chaoyu Fan bio photo

PhD Student in Artificial Intelligence

Tongji University

PhD student in Artificial Intelligence at Tongji University, working across AI systems, research tooling, and computational workflows.

Shanghai, China

Email

LinkedIn

Instagram

Github

Claude Code 开始长成一个生态了

更新时间:2026/04/10
文章定位:技术观察与工程实践整理。

这篇笔记想讲的,不是哪一个 GitHub 仓库又涨了多少 star,而是一个更值得注意的变化:

Claude Code 周围,已经开始同时长出教程、配置、skills、多 agent 编排和开源替代。

当这些东西一起出现时,它就不再只是一个单点工具,而更像一个正在成形的工程生态。

我看到的那条抖音图文,本质上也在讲这件事。
它列了几个这周热度很高的项目,但真正有价值的,不是项目名单本身,而是它们刚好拼出了一条比较完整的路径:

  • 新人怎么学
  • 团队怎么配
  • 能力怎么装
  • 工作流怎么编排
  • 底层怎么被二次开发

这才是我觉得值得单独写一篇 note 的原因。


原图来源
原图摘录 1
开头点得很直接:这周 GitHub 上最火的一批 AI 项目,不是零散冒出来,而是一整片都和 Claude Code 有关。
原图摘录 2
后半段真正值得记住的一句,是工作方式正在从“你和一个 AI 聊天”,走向“你调度一组 AI 干活”。

来源:抖音 @跟着阿亮学AI,《整理了几个很火的 Claude Code 项目》,页面链接: https://v.douyin.com/8SOAeTUxRo8/


我看到的,不是 4 个项目,而是 4 层结构

原图里重点提了 Everything Claude CodeSuperPowersClaude How ToOh My Claude Code 这些项目。
如果把它们分开看,只是“这周热榜推荐”;但如果把它们放在一起看,结构就出来了。

层级 代表项目 它在解决什么
学习层 Claude How To 帮新人理解 Claude Code 怎么上手、怎么走通基本工作流
配置层 Everything Claude Code 把 agents、rules、hooks、MCP 之类的配置集合起来
能力层 SuperPowers 把高频开发动作封装成可安装、可组合的 skill
编排层 Oh My Claude Code 把“一个 AI 帮你写”推进到“多个 AI 分工协作”

如果只有教程火,说明大家还在围观。
如果只有配置包火,说明还停留在民间经验阶段。
但当 skill 和 orchestration 也一起往上走,说明开发者已经不满足于“有个聊天框能写代码”,而是在把它往系统化生产工具上推。

我觉得这才是这波热度真正重要的地方:Claude Code 被社区使用的方式,已经开始从“工具消费”走向“工作流搭建”。


四个信号,分别说明了什么

1. 教程开始补位

教程型项目能快速涨起来,说明真实需求已经不是“听说过”,而是“我现在就要学会怎么用”。生态早期最缺的往往不是功能,而是公共语言。

2. 配置开始沉淀

当大家把 rules、hooks、agents、commands 打包进一个仓库,个人经验第一次有机会变成团队默认值。这是从“偏方”走向“基建”的信号。

3. skill 开始模块化

skill 火起来,说明值钱的东西已经不是一句 prompt,而是一整套可重复执行的做事方法。高手经验终于能被封装、复用、迁移。

4. 编排开始成形

从单 agent 到多 agent,不只是数量变多,而是软件开发开始按角色拆分:谁搜索、谁编码、谁审查、谁回收。这个方向会长期存在。


为什么这些项目会在同一个时间段一起爆

原图里还提到一个很戏剧性的催化剂:Claude Code 的 npm 包源码意外泄露后,社区很快出现了一批衍生项目和开源替代。

这类事件本身当然不是常规路径,但从生态演化的角度看,它会带来三个直接结果:

  • 大家第一次更接近底层实现
  • 很多原本只能猜的设计选择,开始变得可观察
  • 二次开发和替代实现的门槛,突然被拉低

一旦开发者不只是会“用”,而是开始“改、封装、兼容、替换”,社区就会从学习型社区进入改造型社区。
这也是为什么这波热度看起来不像一次单点爆款,而像整条生态链都在往外长。


如果现在入场,我更建议这样走

我不太建议一上来就把所有热门仓库都装一遍。
更稳的顺序反而很朴素:

1. 先补学习层

先把最基本的工作流走通:

  • 怎么提任务
  • 怎么约束输出
  • 什么时候让它搜索和验证
  • 什么时候该人为接管

2. 再补配置层

把常用规则、命令和默认约束沉淀下来。
现成配置可以抄,但最后最好还是收敛成自己的默认版本。

3. 再装 skill

skill 不是越多越好。
真正重要的是:

  • 它解决什么问题
  • 什么时候触发
  • 失败时怎么退出

4. 最后再做多 agent 编排

多 agent 的上限很高,但也最容易把复杂度放大。
如果主线流程还没跑顺,盲目并发只会让结果更乱。


我的结论

这条抖音图文最值得保留下来的,不是项目名单,而是它抓住了一个时间点:

Claude Code 正在从一个强工具,变成一个有教程层、配置层、能力层和编排层的生态。

对普通开发者来说,这意味着入门门槛会继续下降。
对团队来说,这意味着竞争点会从“会不会用 Claude Code”,慢慢变成“能不能把它变成稳定流程,再变成团队资产”。

如果你现在还只是把它当成一个聊天式写码助手,那很可能已经低估这波变化了。


完整原图附录
展开查看原始 10 张图文

引用来源与说明
  • 原始图文来源:抖音 @跟着阿亮学AI
    链接:https://v.douyin.com/8SOAeTUxRo8/
  • 页面解析链接:https://www.douyin.com/note/7626598460468333858
  • 图文发布时间:2026-04-09 11:37:15
  • 本文写法:基于原始图文信息做技术整理和工程化扩展,不是逐句转写。
  • 文中提到的项目热度数字,以原图发布时给出的口径为准,后续可能已经变化。