ECC:30 萬 stars 的 Agent Harness 最佳化系統,把 71 個 Agent、314 個 Skill、記憶與資安掃描打包成一套工程體系
本內容僅供參考,詳細使用規則與工具安全性與否,建議要進行相關安全性測試與評估
如果你這兩個月有在看 AI 開源趨勢報告,一定對一個名字不陌生:ECC(affaan-m/ECC)。它幾乎天天出現在榜首附近,11 月 12 日的報告中更以約 30.1 萬 stars 名列 LLM 主題第一。我們介紹過許多單一功能的 Skill——寫更少程式碼的 Ponytail、工程紀律的 Superpowers、省 token 的 Caveman——而 ECC 走的是另一條路:把這些東西全部整合成一套完整的工程系統。它的口號是:「最佳化 context window,其他一切都持久化。」目前約 302k stars、44.6k forks。
1. 專案背景與定位
ECC 採 MIT 授權(官方強調「開源版永遠免費」),官方描述是「Agent harness 效能最佳化系統:為 Claude Code、Codex、OpenCode、Cursor 等提供 Skill、instincts、記憶、資安與研究優先的開發方式」。README 的開場白說:「你的 Agent 會寫程式,但 ECC 給它一套協調好的工程系統與工具箱」,工作流程是「規劃 → 測試 → 實作 → 審查 → 驗證 → 記住 → 改進」。
目前版本為 2.2.3(2026 年 10 月 1 日),v2.0.0 於 2026 年 6 月成為穩定版。值得一提的是,README 表示這是「一位維護者每週在 7 個 harness 上發佈更新」——規模與個人維護之間的反差相當驚人。
2. 技術架構與核心設計
- 元件規模(README 表格):
- 71 個 Agent:規劃、審查、建置修復、資安、架構與領域工作
- 314 個 Skill:TDD、研究、資安、文件、前端、資料、ML、維運等
- 98 個指令:在 ECC 轉向「Skill 優先」介面期間保留的舊指令入口
- Hooks 與記憶:規範執行、session 摘要、持續學習、instincts 與 context 控制
- Rules:依語言或專案選擇性載入的常駐規範
- Instincts(持續學習):從使用中學習習慣並給予信心分數,預設只注入信心值 0.7 以上、最多 6 條的 instincts。
- Memory Vault:以 Markdown 格式保存記憶,透過
ecc memory存取;session 資料預設保留 30 天。 - AgentShield:掃描 prompt、hooks、MCP 設定、權限、機密與 Agent 檔案的資安工具(README 宣稱 1,282 個測試、98% 覆蓋率、102 條靜態分析規則)。
- GateGuard:攔截具破壞性的 shell 指令。
- Context 預算建議:README 提醒每個 MCP 工具描述都會吃掉 context,太多 MCP 可能讓 200k 的 context 剩下約 70k,因此建議每個專案啟用的 MCP 不超過 10 個、工具不超過 80 個。
- 支援的 harness:Claude Code 為「穩定的主要平台」;Codex 與 Qoder 為原生 plugin;Cursor、OpenCode、GitHub Copilot CLI 為 beta;Gemini、Zed、Hermes、OpenClaw 等則為實驗性的最小 adapter。
- 安裝:
npx [email protected] setup(引導式安裝 Claude Code plugin),或/plugin marketplace add等多種方式;README 特別警告不要疊加多種安裝方式。
3. 社群熱度與生態採用
約 302k stars、44.6k forks、4,327 commits,open issue 100 個、PR 175 個,是目前 Agent harness 類別中最受歡迎的專案。它也提供 ECC Pro(給私有 repo 使用的託管 GitHub App)作為商業模式,同時維持開源版免費。README 有簡體中文與多種語言的翻譯。
4. 局限性與潛在風險
- Hooks 就是可執行的設定:README 說得很直白——「Hooks 可以執行 shell 指令、MCP server 可以持有憑證、專案指令會進入 Agent 的 context,這三者都應視為可執行的設定。」安裝時必須明確選擇
--enable-hooks或--no-hooks,Codex 的 hooks 也需要明確信任。 - 規模本身就是風險:71 個 Agent、314 個 Skill,很難逐一審查;建議從
--profile minimal開始,只啟用真正需要的部分。 - 數字前後不一致:README 不同章節的元件數量不一致(例如 v2.0.0 章節寫 67 個 Agent、281 個 Skill),AgentShield 的測試數據與「Sonnet 可處理八成以上任務、成本降六成」等說法都是專案自述,未經獨立驗證。
- 跨平台支援程度不一:功能在不同 harness 上差異很大,Windows 原生環境也有部分已知問題;使用前應先查看支援矩陣。
- 部分功能會把程式碼送到外部:例如 Astra review 功能會把 diff 送到 OpenAI,README 表示執行該指令即視為同意。
- 仿冒套件風險:README 警告第三方重新上傳的版本可能含有惡意程式,只應從官方管道安裝。
- 單一維護者:如此龐大的系統主要由一人維護,長期支援與安全回應速度值得考量。
- 重複安裝的陷阱:plugin 與手動安裝疊加,可能導致 hooks 重複觸發。
5. 應用價值與適用場景
最適合想一次建立完整 Agent 工程體系、而不想自己拼裝的團隊或個人:從規劃、TDD、審查到記憶與資安掃描都有現成的元件。AgentShield 即使單獨使用也很有價值——在導入任何 Skill、hook 或 MCP 設定前,先掃描一次。若你只需要其中一兩個功能,則可以考慮本月介紹過的單一用途工具,系統更輕、更容易理解。
Monday 的觀點與架構建議
- ECC 代表了 Agent 工具生態的「發行版」時代:就像 Linux 有核心也有發行版,Agent 也開始出現把眾多 Skill、hooks、記憶與資安工具整合在一起的「全家桶」。它的價值在於整合與預設值,而不是單一功能。
- 「最佳化 context、持久化其他一切」這句話精準抓到了 Agent 工程的核心矛盾:context 有限、知識無限,好的 harness 要決定什麼放在 context、什麼放在檔案裡。
- 導入建議:從 minimal profile 開始;先用 AgentShield 掃描現有設定;hooks 逐一審查後再開啟;不要疊加安裝方式;定期檢查 instincts 與記憶的內容,避免錯誤的「經驗」被固化。
- 從 anthropics/skills 的極簡格式,到 ECC 的 314 個 Skill,Agent Skill 生態在短短幾個月內經歷了爆炸式成長。接下來的挑戰不是「更多」,而是更好的組合、審查與信任機制——這也是 ECC 把 AgentShield 放進核心的原因。
參考來源
- GitHub:affaan-m/ECC
- 官網:ecc.tools
- AI 開源趨勢日報:ai-radar 2026-11-12
- 相關文章:Superpowers:把資深工程師的開發紀律打包成 Skill 框架
Friday