Prorise-cool/Claude-Code-Multi-Agent

Claude-Code-Multi-Agent驱动的新一代AI编程助手生态系统，基于Claude Code构建的智能代理协调工作空间，实现从需求到交付的全流程自动化开发

Claude Code Multi‑Agent – 为 Claude Code 提供项目感知能力的开发助手

是什么 – 一个开源框架，将 Anthropic 的 Claude Code 从通用聊天助手转变为“项目感知型”AI开发者。它通过一个 Hooks 系统，在 Claude Code 会话的关键时刻（会话启动、用户提示提交、工具使用等）自动运行。Hooks 调用本地运行的 Ollama 模型（例如 gemma3:1b）来检测代码库类型、分析用户意图，并推荐或调用众多内置的 Skills（专家代理，如 backend-specialist、testing-specialist、security-specialist 等）。该框架还强制执行 自动文档生成（DEVELOPMENT.md、KNOWLEDGE.md、CHANGELOG.md），并与 Git 工作流集成。

核心概念

概念	作用
Hooks	在特定事件（SessionStart、UserPromptSubmit、PreToolUse、PostToolUse 等）上运行的小型 Python 脚本。它们与 Ollama 通信，管理文档，加载 Skills，并可通过 `exit_code` 阻止或允许操作。
Ollama	本地 LLM 引擎，用于项目类型检测、意图分析和技能推荐。无需外部 API 调用。
Skills	由 `SKILL.md` 文件定义的自包含“专家代理”（YAML 前置元数据 + Markdown）。每个 Skill 代表一个领域（后端、前端、测试、安全等），可通过 `/backend‑specialist …` 等斜杠命令调用。
命令	预定义的多步骤工作流（如 `/kiro/spec`、`/agent‑workflow`、`/gh/commit`），用于自动化规格创建、完整代理执行或 Git 提交生成。
自动文档系统	强制更新三个核心 Markdown 文件，确保项目知识与代码保持同步。

开箱即用的功能

300+ Skills：覆盖后端、前端、测试、安全、架构、DevOps 等领域。
零配置启动 – 克隆仓库，将项目文件夹放入，设置几个环境变量，Claude Code 就会自动加载合适的 Skills 并创建文档文件。
纯本地 LLM – Ollama 在你的机器上运行；框架从不将代码发送到云端。
Git 工作流辅助 – 检测仓库，建议分支模型（GitHub Flow、Git-Flow），并可生成提交消息。
意图驱动的工具选择 – 系统判断是简单“Write”工具足够，还是需要更复杂的“Sequential Thinking”工作流。

快速入门（约 5 分钟）

安装前置条件

# Ollama（Windows/macOS/Linux）
winget install Ollama.Ollama   # Windows
brew install ollama           # macOS
curl -fsSL https://ollama.com/install.sh | sh   # Linux

# 拉取轻量级模型
ollama pull gemma3:1b   # 或更大模型如 llama3.2:3b

# 安装 uv（快速 Python 包管理器）
curl -LsSf https://astral.sh/uv/install.sh | sh   # macOS/Linux
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"   # Windows

克隆并设置

git clone https://github.com/Prorise-cool/Claude-Code-Multi-Agent.git
cd Claude-Code-Multi-Agent
cp .env.example .env   # 可选 – 默认值已可工作

添加你的代码 – 将现有项目复制进来，或在仓库内创建一个小型测试项目（例如 test-project/main.py）。
打开 Claude Code（桌面应用或 VS Code 扩展）并打开仓库文件夹。
验证 – 在 Claude 的聊天中输入任意内容。你应该会看到类似消息：
- 项目类型: Python
- 已加载 50 个 Skills
- 已创建 DEVELOPMENT.md / KNOWLEDGE.md / CHANGELOG.md

如果出现这些消息，说明框架已激活。

典型工作流示例

情况	如何使用该框架
你需要设计 RESTful API	输入 `/backend-specialist 设计用户认证的 RESTful API`。Claude 将以后端专家身份回答，展示资源命名、HTTP 方法、状态码等。
你有一个复杂功能请求	用自然语言描述请求（例如“实现用户登录功能”）。`UserPromptSubmit` Hook 分析意图，建议工具（`Sequential Thinking`）和相关 Skills（`backend‑specialist`、`security‑specialist`），并返回分步计划。
你修改了代码	编辑文件后，`PostToolUse` Hook 强制触发 `DEVELOPMENT.md`、`KNOWLEDGE.md` 和 `CHANGELOG.md` 的更新提示，保持文档同步。
你想要一个完整规格	运行 `/kiro/spec 用户认证功能`。该命令引导你完成需求（EARS 格式）、架构、数据模型，并在 `.kiro/specs/` 下创建规格文件夹。
用好提交信息提交	运行 `/gh/commit`。该命令分析已暂存的变更，让 Ollama 生成简洁提交信息，并执行 `git commit`。

扩展系统

添加新 Skill – 在 .claude/skills/ 下创建文件夹并添加 SKILL.md 文件（YAML 前置元数据 + Markdown）。框架将在下次会话启动时自动发现。
创建自定义 Hook – 将 Python 脚本放入 .claude/hooks/handlers/，并在 .claude/settings.json 中对应事件下引用。
编辑提示词 – 所有系统提示词均位于 .claude/hooks/prompts.json。可调整措辞、添加变量（{type}、{framework}），更改立即生效。

项目结构（概览）

claude-code-multi-agent/
├─ .claude/
│  ├─ hooks/            # Hook 核心、处理器、配置
│  ├─ commands/         # 多步骤工作流
│  └─ skills/           # 专家代理（backend‑specialist, …）
├─ project_document/    # 自动维护的文档（DEVELOPMENT.md, …）
├─ .env.example         # 环境变量示例（OLLAMA_MODEL, TTS 设置）
├─ pyproject.toml       # uv 依赖文件
└─ README.md            # （本文件）

谁会使用它？

个人开发者：希望 Claude Code 能“理解”其仓库，而无需编写长提示的人。
小型团队：寻找可复现、版本控制、本地部署的 AI 助手的人。
教育者 / 培训师：希望展示使用自托管 LLM 的 AI 增强开发工作流的人。

许可与贡献

许可证：MIT（见 README 中的徽章）。
贡献：欢迎通过拉取请求提交。仓库包含 CONTRIBUTING 风格指南、测试命令（uv run pytest）和开发入口点（uv run python -m claude_hooks.dev）。

总结

Claude Code Multi‑Agent 是一个 真实可运行的框架，通过本地 Ollama 模型和清晰的 Python Hook 架构，为 Claude Code 添加了项目感知能力、基于技能的专家代理和强制文档管理。它让你几乎无需手动配置，即可立即使用 AI 增强的开发环境。