awesome-claude-code
Claude Code 生态最全资源库:skills/hooks/命令/编排器全覆盖,四万星见证 AI 编程工具生态从 0 到 1
加载项目详情…
本应用为开源项目,仅供学习研究,请遵守其开源协议。
Claude Code 生态最全资源库:skills/hooks/命令/编排器全覆盖,四万星见证 AI 编程工具生态从 0 到 1
加载项目详情…
本应用为开源项目,仅供学习研究,请遵守其开源协议。
想象这样一个场景:你刚装了 Claude Code,兴奋地打了第一个需求,却发现 AI 在代码库里乱撞、生成了不符合团队规范的提交信息、连项目特有的术语都不认识——满腔热血瞬间凉了一半。
这时你需要的不是换一个 AI 工具,而是给 Claude Code 装上一套「扩展装备」。awesome-claude-code 正是这个装备库的导航手册,汇集了全球开发者为 Claude Code 开发的所有扩展资源。
这个项目的作者是「Really Him」——一个 Claude Code 的重度用户。他从 2025 年初开始维护这个列表,最初只是个人收藏,后来发现 Claude Code 生态发展太快,自己一个人根本跟不动。2025 年中,作者在 IRC 频道跟 Claude Code 团队聊天时提到这件事,团队鼓励他做成公开列表,于是 awesome-claude-code 正式诞生。
到 2026 年,这个仓库已经突破 44,000 颗星,成为 Claude Code 生态中 star 数最高的资源聚合项目。增长曲线几乎跟 Claude Code 本身的采用率同步——每当 Anthropic 发布新功能,这个列表就会迎来一波新增提交。
很多人以为 awesome-claude-code 就是个链接收藏夹,收藏夹当然有价值,但这个项目的野心远不止于此。它的真正角色是 Claude Code 生态系统的活地图,收录内容按功能维度分成七大类:
Agent Skills(智能体技能包):Claude Code 的核心扩展单位。一个 skill 就是一套预设的指令模板+工具链,可以让 Claude Code 在特定领域表现专家级水平。比如 Book Factory 能自动生成一本书的完整出版流水线,Claude Scientific Skills 则擅长科研数据分析。
Hooks(钩子):在 Claude Code 执行关键节点(如生成代码前、提交前)注入自定义逻辑。cc-hooks 收录了几十个社区贡献的 hook,覆盖安全扫描、代码格式化、上下文加载等场景。
Slash Commands(斜杠命令):扩展 / 命令系统。比如 /create-pr 自动生成规范的 Pull Request,/todo 管理任务清单。这些命令让 Claude Code 从「被动响应」变成「主动协作」。
Orchestrators(编排器):多 Agent 协同框架。当 Claude Code 需要同时处理多个子任务时,编排器负责调度和结果汇总。
Alternative Clients(替代客户端):虽然 Claude Code 官方只支持 VS Code 和 Neovim,但社区开发了 Emacs、Catalina、JetBrains 等多种第三方集成。
Status Lines(状态栏):在终端底部显示会话上下文、Token 消耗、当前任务进度等信息。
Tooling(工具链):围绕 Claude Code 的周边工具,如会话回放、日志查看器、配置管理等。
项目本身是一个 Python 工具包(pyproject.toml 定义的包名 awesome-claude-code),而非静态 Markdown。核心功能包括:
scripts/:包含 README 生成器、资源表管理、徽章生成、图形渲染等模块。整个 README.md 是由脚本自动生成的,支持多种风格模板(Awesome、Classic、Extra、Flat)。
THE_RESOURCES_TABLE.csv:所有资源的结构化数据库。每一行是一个资源,包含 ID、名称、分类、子分类、链接、作者、许可证、活跃状态、最近更新时间等 19 个字段。脚本定期抓取各资源仓库的最新 release 信息,更新 CSV 中对应行。
templates/:README 生成器使用 Jinja2 风格模板。不同风格模板(awesome、classic、extra、flat)定义了不同的视觉排版和内容组织方式。
acc-config.yaml:项目配置中心,控制 README 生成的风格选择、样式顺序等参数。
技术栈方面:Python 3.11+,依赖 PyGithub(GitHub API 调用)和 PyYAML(配置解析);开发依赖包括 pytest、ruff(代码检查)、mypy(类型检查)、pre-commit(Git hooks 自动化)。测试覆盖率报告由 pytest-cov 生成。代码规范遵循 ruff 的多维度 lint 规则(pycodestyle、isort、pep8-naming、pyupgrade、flake8-bugbear 等)。
对于普通用户,这个项目没有任何部署门槛——直接打开 GitHub 页面或 git clone 即可浏览所有资源。README.md 提供了多种阅读风格选择,满足不同审美偏好。
但对于贡献者而言,门槛不低:提交新资源需要通过 scripts/validation/ 中的自动化检查,包括资源有效性、分类合理性、许可证合规性等多项验证。README 生成流程由 Makefile 统一管理(make readme),涉及 CSV 解析、模板渲染、徽章生成、SVG 图形生成等多个步骤。
README 注释中作者坦言:「旧的方式已经过时了。目录结构已经不再适用,新的组织系统正在准备中。」项目处于 V2 过渡期,README 大幅重构,大量内容标记为 TODO。这意味着目前仓库中的资源分类体系可能已经过时,资源数量虽多但质量参差不齐。
此外,项目维护高度依赖作者个人投入。随着生态爆炸式增长,一个人很难跟上所有新资源的上线节奏,质量审核成了最大瓶颈。
awesome-claude-code 的增长轨迹折射出一个更大的趋势:AI 编程工具正在从「通用助手」向「可扩展平台」演进。Claude Code 的 skill/hook/command 体系,某种程度上对标的是 VS Code 的扩展市场——只不过这套生态目前还处于早期野蛮生长阶段。
这个列表的价值在于:它记录了生态从 0 到 1 的过程。当未来 Claude Code 官方推出扩展市场时,回头看这个列表,会发现它就是这段历史的最佳见证者。
图1:awesome-claude-code 项目仓库概览
总体而言,无论你是刚接触 Claude Code 的新手,还是想深度定制 AI 编程环境的老手,这个列表都是目前最值得收藏的 Claude Code 生态指南。