Compound Engineering：让 AI 编程从堆代码变成滚雪球

想象一个场景：你刚用 AI agent 修了一个棘手的 bug，agent 把改动提交了、测试通过了，一切看起来很美好。但三个月后，类似的问题再次出现——团队里没人记得当时的排查思路，每个人都得从头推理一遍。Compound Engineering 想解决的就是这个问题：不让每一次 AI 辅助编程白费，把每次调试、规划、评审中产生的知识积累下来，让下一个循环比这一个更快。

一、背景：为什么传统 AI 编程在堆积债务

传统的软件开发中，技术债务是绕不开的诅咒。每加一个功能，代码库就大一点；每修一个 bug，就多一块局部知识，后续接手的人得重新摸索。引入 AI agent 之后，这个趋势反而更明显了：agent 跑得快，但跑得快的代价是上下文窗口不断膨胀、历史决策无人归档。

Every Inc（由 Kieran Klaassen 和 Trevin Chow 联合创立）给出的解题思路是复合工程（Compound Engineering）：与其让 agent 闷头写代码，不如在写代码之前花更多时间规划、在写完之后花更多时间复盘——核心主张是80% 在规划和review，20% 在执行。这听起来很反直觉，但背后的逻辑是：一次高质量的规划能让执行阶段的代码量大幅缩减，一份好的 review 能捕获模式而非只是 bug，而一条好的复盘笔记，意味着下一个 agent 不需要从零学起。

这个理念被封装成一套可分发的 AI agent 技能插件——也就是今天要分析的 Compound Engineering Plugin。

二、项目概述

Compound Engineering Plugin 是 Every Inc 官方的 AI 编程技能合集，以插件形式分发到主流 AI coding agent 平台。它不是 Web 应用，不是命令行工具，而是一套可组合的技能体系（Skills），每个技能解决开发流程中一个特定环节的问题。项目采用 MIT 开源协议，目前支持超过 15 个 AI 编程平台，包括 Claude Code、Cursor、Cline、OpenAI Codex、Devin、Kimi Code CLI 等，几乎覆盖了当前市面上所有主流的 AI 编程工具。

核心数据一览：

指标	数值
GitHub Stars	23,977
Forks	1,960
主语言	TypeScript
最新版本	3.21.2
维护者	Kieran Klaassen & Trevin Chow
开源协议	MIT

三、核心技能体系：六步循环的工程方法论

3.1 主循环：计划→执行→复盘

插件围绕一个六步核心循环组织，每个步骤对应一个独立的 Skill：

1. /ce-brainstorm —— 用交互式问答引导你把需求想清楚，在写代码之前就形成一份只包含需求的统一计划
2. /ce-plan —— 将需求或粗粒度计划细化成可执行的实现计划
3. /ce-work —— 按计划执行代码，可原生执行或通过跨模型协作者执行
4. /ce-simplify-code —— 在 review 之前先精简刚写的代码，提升可读性和复用性
5. /ce-code-review —— 多 agent 协同 review，基于计划内容而非泛泛而谈
6. /ce-compound —— 将本次循环中学到的知识归档到 docs/solutions/，供下一个循环使用

这六个技能构成了一个完整的反馈闭环：复盘（compound）写出的知识，会被下一个 brainstorm 和 plan 读取，形成知识复利——这正是「复合工程」名字的由来。

3.2 扩展技能：按需触达

在主循环之外，插件还提供了一系列按需技能，覆盖更广泛的工程场景：

• /ce-ideate —— 还没有明确方向？通过生成和批判性排序有根据的想法，帮助你找到值得做的方向，然后路由到 brainstorm
• /ce-strategy —— 创建和维护 STRATEGY.md，作为 ideate、brainstorm、plan 的上游锚点
• /ce-product-pulse —— 外部循环：定期生成用户实际体验报告（性能、错误、用法），归档到 docs/pulse-reports/，反哺 ideation
• /ce-debug —— 当输入是 bug 而非新功能时，跳过 brainstorm→plan，直接复现→追踪根因→修复→review
• /ce-pov —— 提交代码之前给出决定性意见，基于项目上下文做出判断，可交叉验证

完整的技能目录共有 33 个（含 lfg 等辅助技能），所有技能描述和使用文档集中在 docs/skills/ 目录下。

3.3 知识复用机制

Compound Engineering 的独特之处在于它的知识复用设计。每个技能执行后产生的工件（plan、review 报告、debug 记录、solutions 笔记）都有约定的存放路径：

• docs/plans/ —— 实施计划
• docs/solutions/ —— 已解决问题的复盘记录
• docs/pulse-reports/ —— 产品体验报告

这些目录由 /ce-compound 技能统一维护，并在后续 brainstorm 和 plan 中被自动读取为背景知识。这解决了一个常见的 AI 编程痛点：agent 每次开新会话都要重新解释上下文，而 Compound Engineering 让上下文积累变成了「睡后收入」。

四、技术架构：多平台插件分发引擎

4.1 项目结构

compound-engineering-plugin/
├── .claude-plugin/        # Claude Code 原生插件清单
├── .codex-plugin/         # Codex 原生插件清单
├── .cursor-plugin/        # Cursor 插件清单
├── skills/                # 33 个技能的 SKILL.md 文件
├── src/                   # TypeScript CLI 源码
│   ├── index.ts           # 入口：convert / install / list / cleanup
│   ├── converters/        # 各平台格式转换器
│   ├── targets/           # 目标平台适配
│   └── release/           # 发布和验证脚本
├── docs/skills/           # 技能文档
└── package.json           # Bun 项目配置

4.2 多平台转换机制

该插件的核心工程价值之一，是解决了AI agent 插件生态碎片化的问题。Claude Code、Cursor、Codex、Devin 等平台各自有自己的插件格式和安装方式，开发者维护多套配置的成本极高。

Compound Engineering Plugin 的解决方案是：

1. 以 Claude Code 插件格式为源格式（SKILL.md 格式），作为事实标准
2. src/converters/ 目录中为每个目标平台实现一对 Converter + Writer
   • Converter：将源格式解析为各平台的内联 Bundle
   • Writer：将 Bundle 写入目标平台的预期路径和合并语义
3. src/index.ts 是统一的 CLI 入口，支持 convert、install、list、cleanup 四个子命令

支持的平台均以点目录或对应配置文件的形式存在，例如 .claude-plugin/、.codex-plugin/、.cursor-plugin/ 等。

4.3 依赖与构建

项目使用 Bun 作为运行时和包管理器，核心依赖只有两个轻量库：

• citty（^0.1.6）—— 命令行参数解析
• js-yaml（^4.1.0）—— YAML 配置处理

这是一个有意为之的设计选择：插件本身的运行时依赖极少，保证了转换到各平台后的 bundle 体积可控。

五、部署与安装

重要说明：这是一个AI agent 技能插件，不是传统意义上的服务或应用。它没有 Web UI、没有 Dockerfile、没有 docker-compose.yml，也不以容器方式部署。它的「安装」是安装到 AI coding agent 中，替代/增强 agent 的原生技能。

5.1 安装方式（按平台）

平台	安装命令
Claude Code	/plugin marketplace add EveryInc/compound-engineering-plugin 然后 /plugin install compound-engineering
Cursor	/add-plugin compound-engineering 或在插件市场搜索
Codex App	添加自定义 marketplace，填入 EveryInc/compound-engineering-plugin
Codex CLI	codex plugin marketplace add EveryInc/compound-engineering-plugin 然后 codex plugin add compound-engineering
OpenCode	插件市场安装
Cline	插件市场搜索

5.2 开发验证

本地开发调试使用 bun run codex:dev -- local 将当前 worktree 的 skills 链接到 Codex，避免每次修改都要重新安装快照。所有修改通过 bun test --parallel 运行并行化测试套件验证。

六、局限与争议

6.1 上下文依赖的代价

Compound Engineering 的知识复用机制依赖 agent 主动读取历史工件。但在实际使用中，agent 对上下文的理解和利用程度取决于各平台的能力边界——不是所有 agent 都能高效地从 docs/solutions/ 中检索到最相关的历史记录。当积累的文档增多时，检索精度会成为瓶颈。

6.2 平台支持的不均衡

虽然声称支持 15+ 平台，但各平台的原生插件机制成熟度差异很大。Claude Code 和 Codex 有官方插件市场支持，体验最完整；而其他平台的支持更多依赖手动配置或社区维护，版本同步可能存在延迟。

6.3 重规划的效率权衡

「80% 在规划」的主张在大型团队、高风险项目中确实有价值，但对于快速原型和小型任务，过重的流程会带来不必要的摩擦。插件本身提供了灵活性（可以跳过某些步骤），但初始学习成本不低。

七、行业意义与趋势

Compound Engineering Plugin 反映了一个更广泛的趋势：AI 编程正在从「工具使用」阶段进入「方法论工程」阶段。早期的 Copilot 类工具解决的是「帮我补全这段代码」；现在的 Agent 编程需要解决的是「如何让 AI 在整个软件生命周期中持续产生价值」。

23,977 的 stars 量级说明这个方向获得了大量开发者的认可。它代表了一种对 AI 编程的成熟思考：快不是目的，持续产生可累积的价值才是。

项目由 Every Inc 公司持续维护，更新频率较高（v3.21.2），维护者同时维护着详细的技能文档和 changelog，表明这是一个认真对待社区的项目。