Claude Code 必装插件与 Skills 排行

Claude Code 裸装已经具备终端 Agent 能力，但要稳定处理复杂开发任务，还需要按场景补充方法论、规格管理、代码图谱、实时文档、浏览器自动化和上下文监控等能力。本文整理 12 个开源插件与 Skills，建议按实际需求选装，不要一次性全部启用。

文中的 GitHub Star 数采用原文统计口径，截至 2026 年 8 月。项目热度会持续变化，相关数字仅用于判断大致量级，安装前应以各仓库最新 README 为准。

先看排行

排名	项目	Star 量级	核心用途
1	Superpowers	约 26 万	Agentic Skills 与软件开发方法论
2	ECC	约 23.7 万	Agent 性能、记忆与安全优化
3	karpathy-skills	约 19.8 万	约束 LLM 编程反模式
4	graphify	约 10 万	将代码库转换为知识图谱
5	caveman	约 9.5 万	压缩输出与 Token 消耗
6	OpenSpec	约 6.3 万	规格驱动开发
7	Context7	约 6 万	获取实时版本文档
8	Playwright MCP	约 3.6 万	浏览器自动化与 E2E 测试
9	claude-hud	约 2.7 万	上下文与 Token 可观测性
10	compound-engineering-plugin	约 2.4 万	规划、执行和验证工作流
11	claude-skills	约 2.4 万	多领域 Skills 合集
12	pua	约 1.9 万	强化验证与任务闭环

下面按 Star 数量从高到低介绍。

1. Superpowers：完整的软件开发技能框架

• 仓库： github.com/obra/superpowers
• Star： 约 26 万

Superpowers 不只是单个插件，而是一套 Agentic Skills 框架和 AI 软件开发方法论。它覆盖头脑风暴、方案设计、测试驱动开发、代码审查、问题调试和计划执行等环节，并支持 Claude Code、Codex、Cursor、Gemini CLI、OpenCode 等多个 Agent 平台。

它的主要价值是把成熟的 AI 编程流程沉淀为可复用技能。例如，writing-plans 用于形成实施方案，executing-plans 为执行过程设置验证节点，brainstorming 则负责在编码前梳理目标和思路，减少反复编写提示词的成本。

安装

/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

2. ECC：优化 Agent 的任务执行方式

• 仓库： github.com/affaan-m/ECC
• Star： 约 23.7 万

ECC 全称为 The Agent Harness Performance Optimization System，面向 Claude Code、Codex、OpenCode 和 Cursor，集中提供 Skills、Instincts、Memory、Security 以及 Research-first Development 等能力。项目提供 minimal 和 full 两种配置，可根据需要选择。

ECC 关注的不是单项编码功能，而是 Agent 如何持续、稳定地运行任务，包括怎样保存记忆、落实安全约束，以及在动手修改前先完成必要调研。对于容易在长任务中偏离目标的 Agent，这类运行层约束尤其有价值。

安装 minimal 配置

npx ecc-install --profile minimal --target claude

也可以手动安装：

/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc

3. karpathy-skills：轻量级编程避坑规则

• 仓库： github.com/multica-ai/andrej-karpathy-skills
• Star： 约 19.8 万

这个项目的核心是一个 CLAUDE.md 文件，其中整理了针对 LLM 编程常见问题的行为约束。它既可以作为 Claude Code 插件全局启用，也可以合并到单个项目的 CLAUDE.md 中。

与大型技能框架相比，它的优势是足够轻量。通过把常见反模式直接写入项目指令，可以为 Agent 建立基础的避坑规则，适合作为新项目的初始配置。

安装

/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills

4. graphify：把大型代码库转换为知识图谱

• 仓库： github.com/Graphify-Labs/graphify
• Star： 约 10 万

graphify 可以将代码、文档、SQL Schema、配置文件和 PDF 等内容转换成可查询的知识图谱。它使用本地、确定性的 AST 解析方式，每条关系边都可以解释，不依赖向量数据库，并支持 Claude Code、Cursor、Codex 和 Gemini CLI。

大型代码库往往难以完整装入模型上下文，Agent 因此容易遗漏调用关系或误判修改范围。知识图谱能够帮助它查询依赖、追踪调用链并定位潜在改动点。需要注意，PyPI 包名是带两个 y 的 graphifyy，安装后的 CLI 命令则是 graphify。

安装

uv tool install graphifyy # 也可以使用 pipx install graphifyy
graphify install

5. caveman：通过极简表达节省 Token

• 仓库： github.com/JuliusBrussee/caveman
• Star： 约 9.5 万

caveman 是一个 Token 压缩 Skill，通过更短、更直接的表达方式减少输出消耗。项目宣称可削减约 65% 的 Token，并提供 Claude Code 插件和自动发现本机 Agent 的一键安装脚本。

上下文窗口是长任务的硬约束。输出越冗长，可用于保留历史、代码和需求的信息就越少。caveman 更适合长对话和连续开发任务，但如果项目要求详细解释或完整文档，应留意压缩表达是否影响可读性。

安装 Claude Code 插件

claude plugin marketplace add JuliusBrussee/caveman
claude plugin install caveman@caveman

使用一键脚本

适用于 macOS、Linux 和 WSL：

curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash

6. OpenSpec：用规格驱动 AI 开发

• 仓库： github.com/Fission-AI/OpenSpec
• Star： 约 6.3 万

OpenSpec 是一套 Spec-Driven Development 工具，目标是把临场对话式开发转换为可追踪的工程流程。需求会被整理为 proposal、design、specs 和 tasks，Agent 再按照规格逐步实现，使代码改动能够回溯到具体需求。

AI 编程的难点往往不是能否生成代码，而是结果能否验证。OpenSpec 通过先定义目标、设计和任务，再进入实现阶段，降低 Agent 自行扩展需求或偏离预期的概率。该工具要求 Node.js 20.19.0 或更高版本。

安装

npm install -g @fission-ai/openspec@latest
cd your-project
openspec init

7. Context7：为模型补充实时文档

• 仓库： github.com/upstash/context7
• Star： 约 6 万

Context7 是面向 LLM 的实时文档 MCP Server，可让 Claude Code 获取当前版本的库文档，而不是仅依赖模型训练阶段留下的旧知识。它提供 CLI、Skills 和 MCP 等使用方式，需要 Node.js 18 或更高版本。

当项目使用新版本框架或频繁变化的 API 时，模型容易生成不存在的方法、错误参数或已废弃接口。Context7 通过拉取真实文档降低此类问题。若需要更高调用限额，可以在 Context7 控制台申请 API Key。

安装

npx ctx7 setup

该命令会完成 OAuth 认证、生成 API Key 并安装 Skill。也可以通过 --claude、--cursor 或 --opencode 指定目标 Agent。

8. Playwright MCP：让 Claude Code 操作浏览器

• 仓库： github.com/microsoft/playwright-mcp
• Star： 约 3.6 万

Playwright MCP 是微软维护的浏览器自动化 MCP Server，可让 AI 操作真实浏览器，完成点击、表单填写、截图、页面内容提取和 E2E 测试等任务。

只要工作涉及前端调试、UI 验证、端到端测试或网页数据采集，它就比让模型根据代码猜测页面状态更可靠。

MCP 配置

在 Claude Code 的 MCP 配置中加入：

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

9. claude-hud：查看上下文和 Token 状态

• 仓库： github.com/jarrodwatts/claude-hud
• Star： 约 2.7 万

claude-hud 为 Claude Code 提供实时状态面板，可以显示上下文用量、当前活动和 Token 消耗，让终端中的 Agent 运行过程更容易观察。

有了这些信息，使用者可以判断何时需要清理上下文、终止无效流程或重新对齐目标。它属于可观测性工具，本身不直接提升代码生成能力，但有助于控制长任务成本和运行状态。

安装

/plugin marketplace add jarrodwatts/claude-hud

随后按照提示完成安装。如果旧版 Linux 环境出现 EXDEV 错误，应先升级 Claude Code。

10. compound-engineering-plugin：固化复合工程流程

• 仓库： github.com/EveryInc/compound-engineering-plugin
• Star： 约 2.4 万

该插件由 EveryInc 推出，将规划、执行和验证组成的 Compound Engineering 方法固化为 Claude Code 工作流。

它与 OpenSpec 都强调工程纪律，但实现方式和术语体系不同。如果不适应 OpenSpec 的规格结构，可以尝试这一插件。方法论类工具的关键不在于安装数量，而在于团队能否持续按照流程使用。

安装

/plugin marketplace add EveryInc/compound-engineering-plugin
/plugin install compound-engineering

11. claude-skills：多领域技能合集

• 仓库： github.com/alirezarezvani/claude-skills
• Star： 约 2.4 万

claude-skills 收录了 345 个按领域划分的 Claude Code Skills，包括工程、产品、营销、质量与合规、项目管理、管理层咨询、增长和财务等类别。其中工程领域包含 24 个核心技能和 25 个进阶技能。

这个项目适合作为技能目录使用，需要某项能力时再按领域安装。一次性启用过多 Skills 可能增加上下文负担，也可能让不同指令发生冲突。

安装工程类 Skills

/plugin install engineering-skills@claude-code-skills
/plugin install engineering-advanced-skills@claude-code-skills

12. pua：强调证据和任务闭环

• 仓库： github.com/tanweai/pua
• Star： 约 1.9 万

pua 是一个用于提升 Agent 执行积极性和验证意识的 Skill，采用 MIT 许可证。它会根据任务类型选择不同方法：调试时强调根因分析，开发新功能时采用“质疑、删除、简化”的流程，架构决策则引入 Working Backwards 思路。

它主要针对 Agent 未经验证就宣布任务完成的问题。当用户表达“仍然报错”“更换方法”或“为什么还不行”等不满信号时，Skill 会强化证据优先规则，要求运行测试并提供输出后再判断任务是否完成。

安装

claude plugin marketplace add tanweai/pua
claude plugin install pua@pua-skills

更新时应先刷新 Marketplace，再更新插件，避免使用旧缓存版本：

claude plugin marketplace update
claude plugin update pua@pua-skills

怎么选：不要照单全收

插件和 Skills 并不是越多越好。启用数量过多，可能带来指令冲突、上下文占用增加以及 Agent 决策边界不清等问题。更合理的方式是根据当前项目短板补充能力：

• 需要完整开发方法论： 优先比较 Superpowers、ECC 和 compound-engineering-plugin。
• 新功能需求容易跑偏： 使用 OpenSpec，把需求和任务先固化为规格。
• 项目规模较大、调用关系复杂： 使用 graphify 构建可查询的代码图谱。
• 依赖库更新快： 使用 Context7 获取当前版本文档。
• 涉及网页、前端或 E2E 测试： 安装 Playwright MCP。
• 长任务 Token 消耗明显： 评估 caveman，并用 claude-hud 观察上下文状态。
• Agent 经常未经验证就宣布完成： 使用 pua 强化证据和闭环要求。
• 只想先建立基础行为约束： 从轻量的 karpathy-skills 开始。

最终应围绕具体问题形成一套小而稳定的组合，并在启用新插件后检查其指令是否与现有工作流冲突。