Claude Code Multi-Agent

更多详细的介绍内容与文档，请详见：
Claude-Code-Multi-Agent/README.md at master · Prorise-cool/Claude-Code-Multi-Agent

如果有功能上的疑问，请在 github 上提交 PR，此项目已内置 MCP

因为是个人使用的工作流，开源出来如果有无法复现的情况请反馈给我及时优化，欢迎提交 PR，分享更多实用的 SKILLS 技能

这是什么？

Claude Code Multi-Agent 是一个为 Claude Code 设计的智能开发框架，通过 Hooks 系统 在会话生命周期中自动执行智能操作，让 Claude Code 从 “通用聊天助手” 升级为 “懂你项目的专业开发伙伴”。

核心定位

这不是一个插件生态，而是一个 Claude Code 的专属工作空间
你需要将仓库克隆后，将你的项目（或初始化项目）放在此文件夹中，即可享受智能 Hooks 定义以及 300+ Skills 方案。

解决了什么痛点？

痛点 1：Claude Code 缺乏项目感知能力

问题：Claude Code 默认不知道你的项目是什么类型、使用什么框架、有什么依赖。每次都需要你手动描述项目背景。

解决：通过 Ollama 智能引擎 自动检测项目类型（Python/Node.js/Java 等）、识别框架（Django/FastAPI/React 等），并在会话启动时自动注入项目上下文。

痛点 2：需要手动配置各种工具和提示词

问题：每次使用 Claude Code 都需要：

• 手动告诉它项目结构
• 手动配置 Git 工作流
• 手动编写提示词模板
• 手动管理文档更新

解决：零配置启动 - 克隆即用，所有配置通过 Hooks 自动完成。提示词模板化存储在 prompts.json，支持团队协作和版本控制。

痛点 3：缺乏智能的意图分析和技能推荐

问题：Claude Code 不知道什么时候该调用什么工具，也不知道有哪些可用的专家技能。

解决：智能意图分析 - 自动判断任务复杂度，推荐合适的 MCP 工具（Sequential Thinking、Task Manager 等）和 Skills（后端专家、测试专家等）。

痛点 4：文档维护繁琐且容易遗忘

问题：代码改了，文档忘了更新。项目知识散落在聊天记录中，无法沉淀。

解决：自动文档维护 - 每次代码修改后，强制提示更新 DEVELOPMENT.md、KNOWLEDGE.md、CHANGELOG.md，确保文档与代码同步。

核心优势

所有判断逻辑通过本地部署 Ollama 完成，无需编写复杂的规则引擎。提示词模板化存储在 prompts.json，支持持续调优和版本控制。

300+ Skills 专家智能体

会话启动时自动扫描并加载所有 Skills，包括：

• 后端专家 (/backend-specialist) - Django、FastAPI、Spring Boot 等
• 前端专家 (/frontend-specialist) - React、Vue、Next.js 等
• 测试专家 (/testing-specialist) - 单元测试、集成测试、E2E 测试
• 安全专家 (/security-specialist) - OWASP Top 10、安全审计
• 架构专家 (/architecture-specialist) - 系统设计、微服务架构
• DevOps 专家 (/devops-specialist) - CI/CD、容器化、云部署
• … 还有更多

自动文档维护系统

强制维护三个核心文档：

• DEVELOPMENT.md - 开发工作文档（任务状态、进度跟踪）
• KNOWLEDGE.md - 项目知识库（技术决策、代码模式）
• CHANGELOG.md - 变更日志（版本记录、功能变更）

文档在会话启动时自动注入上下文，替代 Memory MCP，避免上下文爆炸。

Git 工作流智能集成

自动检测 Git 仓库配置，提示分支策略（github-flow /git-flow），确保团队协作规范。

零配置启动

基于 uv 的依赖管理，无需手动安装 Python 包。克隆项目 → 配置环境变量 → 启动 Claude Code，即可使用。

使用示例

示例 1：自动项目检测

场景：你打开了一个新的 Python 项目，想了解项目结构。

操作：直接打开 Claude Code，系统会自动：

1. 检测项目类型（Python + FastAPI）
2. 识别框架和依赖
3. 加载相关 Skills（后端专家、测试专家等）
4. 初始化项目文档

结果：Claude Code 立即了解你的项目，无需手动介绍。

示例 2：调用专家 Skills

场景：需要设计 RESTful API，但不确定最佳实践。

操作：在 Claude Code 中输入：

/backend-specialist 设计用户认证的 RESTful API

结果：Claude Code 以 “后端专家” 身份回答，参考 FastAPI/Django 最佳实践，提供：

• RESTful 资源设计
• HTTP 方法选择
• 状态码定义
• 请求 / 响应格式

示例 3：智能意图分析

场景：输入一个复杂任务：“实现用户登录功能”

操作：系统自动分析意图，推荐：

• 推荐工具：Sequential Thinking（复杂任务分解）
• 推荐 Skills：/backend-specialist、/security-specialist
• 执行计划：自动生成任务拆解建议

结果：无需手动思考 “该用什么工具”，系统智能推荐。

示例 4：自动文档维护

场景：修改了 user_service.py，添加了新功能。

操作：系统自动检测代码变更，强制提示更新：

• DEVELOPMENT.md - 记录开发进度
• KNOWLEDGE.md - 记录技术决策
• CHANGELOG.md - 记录变更历史

结果：文档始终与代码同步，项目知识可沉淀。

示例 5：Commands 工作流

Commands 是预定义的工作流，通过 /command-name 触发：

# 创建功能规格（从需求到实施计划）
/kiro/spec 用户认证功能

# 执行完整的代理工作流
/agent-workflow 实现博客系统

# Git 提交（自动生成 Commit Message）
/gh/commit

Command 示例：/kiro/spec

这个 Command 会引导你完成：

1. 需求收集：生成 EARS 格式的需求文档
2. 设计文档：创建架构设计和数据模型
3. 任务列表：拆解为可执行的开发任务

所有文档自动保存到 .kiro/specs/{feature_name}/ 目录。

系统架构

Hooks 工作原理

本项目通过 Python Hooks 系统管理 Claude Code 的会话生命周期。每个 Hook 在特定事件触发时执行，通过 Ollama 进行智能决策。

核心设计理念：

• 文档驱动：强制维护三个核心文档（DEVELOPMENT.md、KNOWLEDGE.md、CHANGELOG.md），会话启动时自动读取并注入上下文
• 配置化提示词：所有提示词模板存储在 .claude/hooks/prompts.json，用户可自由调整和优化
• 去 Memory 中间层：不再依赖 Memory MCP，直接通过文档维护项目知识，避免上下文爆炸导致的指令失效

Hook 触发时机

Hook 执行流程

每个 Hook 通过 exit_code 控制后续操作：

返回值格式：

{ "exit_code": 0, "message": "操作成功", "data": { "skills": ["backend-specialist", "testing-specialist"], "project_type": "Python", "framework": "FastAPI" } } 

• exit_code=0：允许操作继续
• exit_code=2：阻止操作（如检测到危险命令）

Hook 类型说明

核心 Hook 详解：

1. SessionStart - 会话启动处理器

这是最重要的 Hook，负责项目初始化：

# .claude/hooks/handlers/session_start.py 的核心逻辑 # 1. 调用 Ollama 检测项目类型
project_info = ollama_client.detect_project_type()
# 返回：{"type": "Python", "framework": "FastAPI", "version": "3.11"} # 2. 扫描 skills/ 目录
skills = scan_skills_directory()
# 返回：["backend-specialist", "testing-specialist", ...] # 3. 初始化文档系统
document_manager.init_documents()
# 创建：DEVELOPMENT.md, KNOWLEDGE.md, CHANGELOG.md # 4. 【核心改进】强制读取三个文档并注入上下文
development_content = read_file("project_document/DEVELOPMENT.md")
knowledge_content = read_file("project_document/KNOWLEDGE.md")
changelog_content = read_file("project_document/CHANGELOG.md")
# 将这些内容注入到系统上下文中，替代 Memory MCP # 5. 检查 Git 配置
git_status = check_git_config()
# 检查：.gitignore, 分支策略 

2. UserPromptSubmit - 意图识别处理器

分析用户输入，提供智能建议：

# 用户输入："帮我实现用户登录功能" # Ollama 分析结果：
{
    "intent": "feature_implementation",
    "complexity": "medium",
    "recommended_tools": ["Write", "Edit", "Bash"],
    "recommended_skills": ["backend-specialist", "security-specialist"],
    "suggested_plan": [
        "1. 设计数据库表结构",
        "2. 实现认证逻辑",
        "3. 编写单元测试",
        "4. 添加安全防护"
    ]
}

3. PostToolUse - 工具使用后处理器

在每次代码修改后，强制 更新三个文档：

# 检测到修改了 user_service.py # 【强制】必须更新以下文档： # 1. DEVELOPMENT.md - 记录开发进度和任务状态 # 2. KNOWLEDGE.md - 记录技术决策和代码模式 # 3. CHANGELOG.md - 记录变更历史 # 文档更新提示通过 prompts.json 配置，用户可自定义格式和要求 

提示词配置化：
所有提示词模板存储在 .claude/hooks/prompts.json，支持：

• 自定义提示词内容和格式
• 使用 {变量} 占位符动态替换
• 按 Hook 类型分组管理
• 便于持续调优和版本控制

Skills 触发机制

Skills 是本项目的 “专家团队”，每个 Skill 代表一个专业领域的智能体。

Skills 加载流程

Skill 目录结构

.claude/skills/ ├── backend-specialist/ │ ├── SKILL.md                    # Skill 定义（必需）
│ └── references/                 # 参考文档（可选）
│ ├── cursor_rules_django.md
│ ├── cursor_rules_fastapi.md
│ └── restful_best_practices.md
├── testing-specialist/ │ ├── SKILL.md
│ └── references/ │ ├── pytest_guide.md
│ └── test_patterns.md
└── security-specialist/ ├── SKILL.md
    └── references/ ├── owasp_top10.md
        └── secure_coding.md

为什么需要 Ollama？

Ollama 是本项目的 “大脑”，负责：

• 项目类型检测：自动识别你的项目是 Python/Node.js/Java 等
• 意图分析：理解用户输入，判断是简单查询还是复杂任务
• 提示词优化：将模糊需求转化为清晰的执行计划
• 技能推荐：根据任务类型推荐合适的 Skills

没有 Ollama，系统会降级到基础模式（仅支持手动触发 Skills）。

为什么需要 uv？

uv 是 Rust 编写的超快 Python 包管理器，本项目用它来：

• 自动管理 Python 环境：无需手动创建虚拟环境
• 秒级安装依赖：比 pip 快 10-100 倍
• 零配置运行 Hooks：uv run 自动处理依赖隔离

为什么不用 pip？ uv 会自动创建隔离环境，避免污染全局 Python 环境，且速度快 10 倍以上。