Claude Code 史詩級加強!配合這款神級插件,開發效率直接翻倍!⬇️

The Only Bamboo
243粉絲
本期聚焦 Claude Code 搭配神級插件後的實戰效果,快速看懂它到底怎麼改善上下文品質、規劃流程與整體開發節奏。Anthropic 的官方插件說明提到,Claude Code plugins 能透過自訂指令、專用 agents、hooks 與 MCP servers 擴充工作流,而 GSD 正是目前最受關注的相關方案之一。
📊 AI API 推薦
ToAPIs 幾乎涵蓋全球主流多模態模型,在 API 接入效率與成本上皆具極大優勢,最低 0.05 美元 / 百萬 Token,程式碼、圖像、影片更能線上生成,依次計費,超高併發。
📢 重磅公告
• API Key:最低 0.05 美元 / 百萬 Token
• 影片:Kling v3 0.07 美元 / s
• 圖像:NanoBanana2 0.025 美元 / 1-4K 圖像
• 3 分鐘免費一鍵部署 OpenClaw
🔗 相關連結
• ToAPIs:https://toapis.com/login?aff=h4i5
• Discord社群:https://discord.gg/htYZDDyvqz
• 使用文件:https://docs.toapis.com/docs/cn
你有想探討的話題嗎?歡迎在評論區留言,或加入我們的 Discord 社群交流!
#ToAPIs #AI #LLM #Developer #API #AIInference #OpenAI
AI 生成·可能包含錯誤
今天我想和大家聊聊
最有趣的開源工作流之一
我近期見過的最有趣的AI編程開源工作流之一
它叫做Get Shit Done
簡稱GSD
我知道這名字聽起來有點簡單粗暴
但這個項目火起來是有原因的
它在GitHub上已經拿到了幾萬顆星
這可不是又一個華而不實的AII
它也不是什麼新模型
本質上它是一個你安裝的工作流系統
你可以將它安裝在Cloud Code
以及Gemini CLI Copilot Cursor等工具上運行
這樣智能體能處理大型項目
且中途不會思路全亂
GSD核心要解決的
正是Rio所稱的上下文腐爛問題
說實話
如果你深度使用過AI編程智能體
你一定深有體會
起初你的提示詞非常清晰
模型前幾輪表現驚豔
隨後上下文變得臃腫
它的回答越來越短
忘了先前的決策
甚至開始胡亂修改
到頭來
你盯着它改作的時間
比它幫你幹活的時間還多
GSD引入強規範
規格驅動工作流
解決痛點
我想
這就是它備受矚目的原因
廢話不多說
我們直接切入正題
這裏插播一條廣告
這個國內外大模型
AI API聚合戰
可以讓你更低價
更快速地接入500家
AI模型API
可0v3 0.07美元每秒
Nano Banana 2 API
0.025刀每次
總體價格是官網的兩折到七折
五分錢百萬級token
也能在線體驗
文字 圖像 視頻模型隨心調用
還能無限併發
失敗給你退費
點擊視頻描述裏的鏈接即可直達
想要優惠或遇到問題
加入我們的Discord社區
任何問題及時響應
也可以添加客服
發送消息6
爲你一對一服務
好 回來
GSD究竟是什麼
你可以這樣簡單理解
它是編程智能體的上下文工層層
與其像Cloud Code扔一段冗長的提示詞
或者指望Codex能碰巧作對
GSD提供了一套可附用的流程
先梳理代碼庫 創建項目
討論並規劃階段
將其拆解執行
最後進行驗證
最後完成交付
與其陷入一團亂麻的長對話中
你將獲得一系列短小專注的高效產出
且每步都有檢查點
講真的
這確實很了不起
這也是它之所以感覺不同
不同於市面上
其他規格驅動工具的原因
作者明確地將此工具定位
針對所謂的企業級表演
它並不是要把你的個人項目
變成更繁瑣的GR流程
其核心觀點是
模型的表現會更好
任務範圍明確
調研環節獨立
計劃拆解到原子級別
並且驗證步驟明確
如果你用過
SpecOpen
SpecB-Man
或TestMaster等工具
那麼這款工具也屬於同類產品
但它更傾向於精簡的獨立開發理念
接下來看看如何安裝
安裝過程非常絲滑
你只需打開終端
運行API Sketch Detect At Latest
然後安裝程序會讓你選擇所需的運行室
選擇是全局安裝
還是僅用於當前項目
現在的安裝程序支持
Cloud Code
Open Code
Gemini CLR
Codex Copilot
Cursor Anti-Gravity
或一鍵全部配置
它還兼容MAC
Windows和Linux多平臺支持友好
若用Cloud Code
如果是使用Gemini CLR輸入GSD
HELP即可確認
如果你用的是Codex輸入美元GSTEL
這裏有個關鍵的小細節
Codex支持是以技能優先爲核心的
不使用自定義提示詞
它安裝技能文件夾
直接到Codex目錄下
我很讚賞
因其契合Codex原生邏輯
而非硬塞進不同模型
現在我帶大家走一遍實際的工作流
因爲這纔是GSD真正彰顯實力的地方
第一個非常強大的命令是
GSD MECO BASE
如果你手頭已有效
我覺得從這裏入手最合適
它會啓動並行智能體來分析
你的架構
規範
技術戰機痛點
這樣
當你要求開發新功能時
系統已對項目結構瞭如指掌
這非常有意義
因爲智能體編程最大的痛點之一在於
模型往往還沒真正理解代碼
就急着動手修改
也就是理解代碼庫
而GSD則是嘗試將理解工作流程前置
但在深入探討之前
我想先簡單聊聊
接着運行
GSD
New Project
即可啓動規劃流程
它會通過提問
調研和提取需求
並根據代碼庫生成一份路線圖
它會自動生成Project MD
Requirements MD
以及Roadmap MD和State MD等文件
以及一個規劃調研文件夾
此時你不再只是單純地和AI聊天
你是在構建一套持久的項目記憶
就在你開始
讓智能體做出大量的具體實現決策之前
接下來的部分
我認爲是其中
整個系統中最被低估的一環
那就是GSD
Discuss Phase命令
這一階段
在正式規劃前
工具會嘗試挖掘出所有不明確的模糊地帶
比如你要構建UR
它會詢問有關佈局信息密度的問題
包括交互空狀態等細節
如果你在構建API
或是命令型工具
它會確認響應格式
包括參數標誌
錯誤處理和輸出詳略
這樣模型就不會
擅自替你做產品決策
GSD只在將這些決策顯性化
很多時候
模型寫代碼的水平並不差
它只是不擅長猜你的心思
所以這一步至關重要
討論完成後
進入GSD Plan
規劃階段
在這個階段
GSD會進行調研
並創建微小的原子化任務計劃
隨後根據需求驗證這些計劃
作者指出
這些計劃規模極小
足以在全新的上下文窗口中運行
這就是祕訣所在
你不再需要
讓智能體在記住
整個產品討論的同時
去執行第12個任務
通過將工作拆解
智能體可以專注於
每次只處理一個獨立單元
接着你運行GSD
Execute Phase命令
對於喜歡並行智能體的人來說
這絕對是最酷的部分
GSD根據依賴關係將計劃按波次分組
互不干擾的計劃可以並行運行
有依賴的計劃則需等待
依賴計劃需等前序波次完成
文檔強調垂直切片
比水平分層更利於並行
這確實沒錯
通過將工作拆分
微端到端的切片
可以有效減少代碼衝突
並確保每個環節都更加務實地
緊扣實質產出
這簡直絕了
非常精彩
另一個非常亮眼的細節是
GSD會爲每個任務
任務執行後
你面對的不再只是
堆積如山的變更
而是整潔的項目歷史
回滾點也更加清晰
這非常棒
接下來是
我真心認爲
其他工具都應該借鑑這種做法
大多數AI編程工作
留在代碼通過編譯或測試後就結束了
但我們都知道
這遠遠不夠
一個功能即便通過了測試
在面向用戶的層面
仍可能存在明顯錯誤
所以GSD會提取可測試交付
並帶你逐一確認
比如用戶能否登錄
新手引導流程是否正常
儀表盤顯示的狀態是否正確
如果有環節失敗
它會自動啓動調試智能體
並制定修復方案並重新執行
所以這套工作流不只是生成代碼
它的最終目標是交付可運行的軟件
如果你不想每次都費心考慮
下一步該運行什麼命令
你還可以使用GSD Nest
它能自動規劃後續步驟
在工作流中爲你規劃
這聽起來可能不算什麼
但對保持開發連貫性很有幫助
現在我舉個具體的例子
假設我已經有了一個SaaS應用
我想添加支付功能和一個完善的管理後臺
通常如果我把這些需求丟給編程AI
打包成一段超長提示詞
它可能起步很快
接着就開始跑偏
也許它能加上Stripe支付功能
但會忽略邊緣情況
通過Phase 1來執行這些任務
最後使用GSD Verify Work 1
來測試實際的交付成果
這種工作流要理智得多 理解
即希望於一段長篇提示詞搞定一切
這正是其核心價值所在
GSD是爲了解決評感覺編程的問題
不再指望通過一次長對話來處理架構和邊緣情況
或是同時兼顧執行和驗證
它將探索 規劃與執行徹底結構
並將執行與驗證結構
對於大形象
這種工作方式顯然更科學
那麼 它
這適合誰
我認爲GSD適合那些人
即已經相信AI能勝任核心開發的人
但厭倦了流程混亂的人準備的
它適合個人開發者 獨立開發者
以及追求流程規範且不願假裝
自己是在50人規模軟件公司的高級用戶
如果你正在開發中大型功能或多階段項目
這絕對是一個非常理想的選擇
但我也要如實
說明它的缺點
首先
這不是什麼黑魔法
倉庫說明裏大概是這麼寫的
只要你清楚自己的需求
它就能幫你實現
而這句前提非常關鍵
如果你不清楚
自己想要的是什麼
那無論什麼工作流
都救不了你
即便計劃在清晰
上下文在實實
模糊的產品思路
最終只能得到模糊的結果
所以別指望GSD
能奇蹟般的解決需求不清的問題
其次
處理簡單任務時
它絕對是大材小用
如果你只是想改個函數名或修個小班
或者微調一個組件
你可能
不需要那一套討論 計劃 執行
再到驗證的完整循環
這種情況下
直接問你的AI助手就行
GSD真正有用武之地的時候
適當任務規模大到
上下文管理成爲核心難題時
第三
倉庫建議運行Cloud Code並配合
Dangerous Escape Permissions
參數以獲得絲滑的開發體驗
說實話
我也能理解爲什麼
逐條批准那些細微命令
極其煩人
這確實會拖慢AI的工作效率
但我還是建議保持謹慎
在你自己信任的電腦上
處理你熟悉的像實
這樣做或許無妨
但不建議初學者
盲目開啓後
撒手不管
所以對那部分功能
建議大家要持保留態
也要運用常識
第四點
整個工具仍以終端操作爲主
且非常看重工作流邏輯
如果你想要的是那種
麥克式畫面版
外觀華麗的圖形界面
以及完善的入門引導
那這個工具可能不適合你
所以這確實有一定的學習門檻
第五
這個項目的整體風格非常直白
我個人覺得
這種風格挺清爽的
但如果你身處
極其死板的企業環境
單是這個名字
可能就很難過審
這聽起來挺搞笑
但確實是事實
接下來
我想聊聊成本方面的問題
畢竟成本總是關鍵
它本身
開源並採用MIT協議
這點很棒
但它並不會讓模型成本憑空消失
如果你使用的是昂貴的模型
並運行並行智能體
依然會
消耗大量的Token和資金
像Codex Copilot
Cursor和Antigravity
這讓其理念更具價值
我也認爲
這個項目是
是大趨勢的一部分
沒錯
基礎模型在進化
但光靠提升模型是不夠的
真正的優勢正逐漸取決於
控制框架的設計和上下文工程
以及驗證循環和任務拆解的方式
GSC的核心正是這種理念
它核心的觀點是
一個表現混亂的智能體
與可靠智能體的區別
不止在模型
更在外部工作流
我認爲這個觀點非常準確
那麼我的評價是什麼
我認爲Get Shit Done
是我近期見過的最實用的
AA編程開源工作流框架之一
它極具設計主見
但這種主見非常務實
它深至
上下文管理纔是真正的瓶頸
大型智能體項目核心瓶頸
提供可附用框架
和流程同時避免了企業級工具
常見的那種繁瑣與冗餘
此外支持多種運行環境
使其更具競爭力
當然它並不完美
處理簡單任務時可能大材小用
自動跳過權限的建議
也並非人人都能接受
如果你討厭使用終端
或是不喜歡結構化工作流
那你可能不會喜歡它
但如果你確實想用編程智能體
開發大型項目
我認爲它絕對值得一試
這工具確實很棒
如果你感興趣
想了解一下
倉庫地址是github.com斜槓
gsdbuild-dom
使用apps-domc
at latest安裝即可
選擇你的運行室環境
看看這套工作流
是否合你的心意
總的來說
這個工具挺酷的
總之
