Compound Engineering：让 AI 编程从堆代码变成滚雪球

Every Inc

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。

Project Logo

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：

/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
/ce-plan —— 将需求或粗粒度计划细化成可执行的实现计划
/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
/ce-simplify-code —— 在 review 之前先精简刚写的代码，提升可读性和复用性
/ce-code-review —— 多 agent 协同 review，基于计划内容而非泛泛而谈
/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：

以 Claude Code 插件格式为源格式（SKILL.md 格式），作为事实标准
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
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。

Compound Engineering：让 AI 编程从堆代码变成滚雪球

Every Inc

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

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

Project Logo

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：

/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
/ce-plan —— 将需求或粗粒度计划细化成可执行的实现计划
/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
/ce-simplify-code —— 在 review 之前先精简刚写的代码，提升可读性和复用性
/ce-code-review —— 多 agent 协同 review，基于计划内容而非泛泛而谈
/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

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

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

Compound Engineering Plugin 的解决方案是：

以 Claude Code 插件格式为源格式（SKILL.md 格式），作为事实标准
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
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

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

六、局限与争议

6.1 上下文依赖的代价

6.2 平台支持的不均衡

6.3 重规划的效率权衡

七、行业意义与趋势

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。