19 篇博文 含有标签「AI」

为指定 VIN 车辆逐条写入应用内部配置（huapp-config）：设置应用打开时的首页路由（homeRouteName）和截图悬浮按钮（showScreenshotFab）开关。 内网接口，无需鉴权，不需要登录 Cookie，可单台或批量调用。

应用不一定都要配 huapp-config —— 只有需要在应用内部做额外设置（首页路由、截图悬浮按钮）的 app 才需要。纯批量加 VIN 到测试分组请用「批量推送」skill。

环境信息​

接口地址可通过环境变量 AMP_HUAPP_CONFIG_URL 覆盖。

默认参数​

快速开始​

# 安装依赖
pip install -r requirements.txt

# 为单台车配置（默认参数）
python scripts/configure.py HLX32B141T1026801

# 指定 app_code、首页路由，并关闭截图悬浮按钮
python scripts/configure.py HLX32B141T1026801 --app-code com.fuxi.x11mediatest --home-route X04cMediaTestDrive_AccelDecelPitch --no-fab

# 批量配置多台
python scripts/configure.py HLX32B141T1026801 HLX34B160T1303448

执行步骤（供 Claude 使用）​

1. 确认参数：VIN（17 位，多台用逗号/空格分隔）、--app-code（默认 com.fuxi.x11mediatest）、--home-route（默认同前）、截图悬浮按钮开关（默认开）
2. 确认必要性：只有该 app 需要在应用内部做设置时才配置；不了解可询问用户
3. 运行 python scripts/configure.py <VIN...> [...]
4. 报告：每台输出 [成功]/[失败] 与汇总「成功 N/总数」；失败项可单独重跑

参数说明​

故障排查​

把 VIN 车辆批量添加到 OTA 应用市场运营平台（AMP）的应用测试分组。 纯 Python 实现，不依赖浏览器；接口 + Cookie 鉴权。 车辆应用配置（huapp-config）已拆分为独立 skill「cheyun-amp-huapp-config」：需要配置首页路由/截图悬浮按钮等应用内部设置时用那个 skill，本 skill 只做批量加 VIN。

环境信息​

域名可通过环境变量覆盖：

• AMP_PUSH_TESTTWO_URL：testtwo 接口域名

鉴权：登录 Cookie​

testtwo 环境需要登录态。code=240420 表示登录失效。获取 Cookie 方式：

1. 浏览器登录 https://amp.testtwo.chehejia.com
2. F12 → Network → 勾选 Fetch/XHR，再按接口域名过滤：ota-app-market-web.testtwo.k8s.chehejia.com；刷新页面或操作一下页面（如触发一次查询）
3. 复制该请求 Request Headers 里的 Cookie 整串（形如 k1=v1; k2=v2）
4. 通过 --cookie 传入；脚本会保存到 settings.json，下次可省略

Cookie 会过期，报 240420 时重新复制一份即可；可用 --clear-cookie 清除已保存的 cookie。

📖 获取 Cookie 的详细图文步骤见飞书文档：获取AMP登录Cookie操作指南

测试分组解析规则（重要）​

--group 参数支持两种写法，脚本自动处理：

名称模糊匹配和平台查询的结果一致；拿不准时先运行 groups 子命令确认 id。

快速开始​

# 安装依赖
pip install -r requirements.txt

# 按名称查测试分组（返回 id）
python scripts/push.py groups --name L6 --cookie "k1=v1; k2=v2"

# 批量添加 VIN 到测试分组
python scripts/push.py add HLX32B141T1026801 HLX34B160T1303448 --group L6试驾_HU_SS3_台架 --cookie "k1=v1; k2=v2"

# 需要配置车辆应用配置（huapp-config）时，用独立 skill「cheyun-amp-huapp-config」

命令说明​

groups：查询测试分组​

python scripts/push.py groups [--name <关键字>]

• 不传 --name 列前 50 条全部分组；传了就按名称模糊匹配
• 输出包含：id、名称、类型、状态、已关联 VIN 数、说明

add：批量添加 VIN 到测试分组​

python scripts/push.py add <VIN> [<VIN> ...] --group <名称或id>

流程：解析分组 → batchAdd（一次性把多个 VIN 加入测试分组）。

需要配置 huapp-config（车辆应用配置，如首页路由、截图悬浮按钮）时，改走独立 skill cheyun-amp-huapp-config，两者分开执行，按需选择。

执行步骤（供 Claude 使用）​

1. 确认参数：拼 VIN（17 位，多台用逗号/空格分隔）、分组（名称或 id）、Cookie（优先已保存的；无则按上文引导获取）
2. 环境：当前仅 testtwo；如用户明确需要 prod，说明接口地址待确认，暂不可用
3. 运行：可先 push.py groups --name <关键字> 确认分组 id，再 push.py add ...
4. 报告：batchAdd 返回 code；多分组歧义时把候选列表展示给用户让其选 id
5. 按需配置：如果用户还需要配置应用内部设置（首页路由/截图悬浮按钮），再引导用 cheyun-amp-huapp-config skill

参数说明​

故障排查​

查询车辆在各应用市场运营平台（AMP）环境下的 OTA 应用升级记录（已安装 / 未安装及版本号）。 纯 Python 实现，不依赖 Playwright 浏览器，通过接口 + 登录 Cookie 鉴权。 应用不写死：VIN 与应用（appid）均由用户输入。

环境信息​

域名可通过环境变量覆盖（默认使用上表中的值）：

• OTA_QUERY_PROD_URL：prod 接口域名
• OTA_QUERY_TESTTWO_URL：testtwo 接口域名

鉴权：登录 Cookie​

两个环境都需要登录态。code=240420 表示登录失效。获取 Cookie 方式：

1. 浏览器登录对应环境的登录页（prod：https://amp.chehejia.com，testtwo：https://amp.testtwo.chehejia.com）
2. F12 → Network → 勾选 Fetch/XHR，再按接口域名过滤：ota-app-market-web.prod.k8s.chehejia.com（prod）/ ota-app-market-web.testtwo.k8s.chehejia.com（testtwo）；刷新页面或操作一下页面（如触发一次查询）
3. 复制该请求 Request Headers 里的 Cookie 值（形如 k1=v1; k2=v2）
4. 通过 --cookie 传入；脚本会保存到 settings.json，下次可省略

Cookie 会过期，报 240420 时重新复制一份即可；可用 --clear-cookie 清除已保存的 cookie。

📖 获取 Cookie 的详细图文步骤见飞书文档：获取AMP登录Cookie操作指南

appid 转换规则（重要）​

queryPage 接口要求平台数字 appId（如 prod 1000181 / testtwo 3000170），不能直接传包名。

脚本对用户输入的 --appid 自动处理：

转换走的目标枚举接口与环境一致：选 --env prod 用 prod 的 app 列表，选 --env testtwo 用 testtwo 的 app 列表。若不匹配会明确报错并提示相近应用。

快速开始​

# 安装依赖
pip install -r requirements.txt

# 查询全部应用（prod，需 Cookie）
python scripts/query.py HLX34B160T1303448 --cookie "k1=v1; k2=v2"

# 按包名查某个应用（自动转平台 appId）
python scripts/query.py HLX34B160T1303448 --appid com.fuxi.x11mediatest --cookie "k1=v1; k2=v2"

# 按平台数字 appId 查，并指定 testtwo 环境
python scripts/query.py HLX32B141T1026801 --appid 3000170 --env testtwo --cookie "k1=v1; k2=v2"

# 输出原始 JSON
python scripts/query.py HLX34B160T1303448 --appid com.fuxi.x11mediatest --json

执行步骤（供 Claude 使用）​

1. 确认参数​

缺什么问什么：

• VIN：要查询的车辆 VIN（必填）
• appid：应用。可选。用户直接给包名/中文名/数字均可；不给则查询全部
• 环境：默认 prod；如需 testtwo 让用户明确指定
• Cookie：优先用已保存的；失效时引导用户按上文重新复制

2. 检查 Python 环境 & 安装依赖​

python --version        # 3.10+
pip install -r requirements.txt

3. 运行查询脚本​

python scripts/query.py <VIN> [--appid <appid>] [--env <prod|testtwo>] [--cookie "<cookie>"]

4. 向用户报告结果​

• 查到数据：按表展示各行的包名、屏幕、当前/目标版本、升级状态、安装判定、事件时间
• 未查到：说明该 VIN 在所选环境无该应用升级记录（多数属于未推送/未安装）

返回字段与安装判定​

已安装判定：upgradeStatus == 50 且 currentInternalVersion > 0 → 已安装；否则未完成。

参数说明​

故障排查​

一句话摘要： 上一轮我安利过"从 prod 迁车到 testtwo"，这次是接续它的编排层 Skill——把「检测 → 添加 → 白名单 → 切换云端环境 → 按车型批量推送 App 到 OTA 测试分组」5 步串成一条线。其中最磨人的两件收尾活：切环境（prod ↔ testtw）和 App OTA 推送，终于不用再跨 AMP / 飞书机器人 / 云端平台人肉一遍。

你是否也被这两件"收尾活"烦着​

把车搬进 testtwo、加好白名单，你以为完了——真正磨人的是两个收尾动作：

• 切换云端环境：车得上测试环境联调，结果它云端环境还挂在 prod，联调各种连不上；得去跟飞书机器人「罗伯特」发命令切环境，发完还不知道切没切成，再查一遍；
• 添加 App 的 OTA 推送：要推了，打开 AMP，按车型挑 OTA 测试分组——组号又长又难记（X04B=3000742、X04C=3000743……），记不住还得回头查，一台一台手点，点错就推到别人的测试环境。

这两件事有规则、纯手工、跨平台，还极其容易错。正适合交给 Claude Code。

所以我把迁移、白名单、切环境、批量推送四个叶子能力串成一个编排 Skill：一句人话触发，5 步一条龙跑完，中间该你拍板的节点自动停下来问你。

一、这个 Skill 是什么：编排层，把 4 个子能力按序串起来​

它不自造接口，而是站在 4 个已发布的子 Skill 之上，把一条「完整流程」按顺序编排执行：

flow.py plan <VIN...>
  ├─ Step 1  检测：testtwo 里车是否已存在
  ├─ Step 2  添加：prod 查原车 → testtwo 建车 + 绑定设备（存在则跳过）
  ├─ Step 3  白名单：飞书机器人罗伯特加 X01（线上 + 线下）
  ├─ Step 4  ⚠ 切环境：prod ↔ testtwo（本 Skill 核心新增）
  └─ Step 5  ⚠ OTA 推送：选机型测试分组，批量推 App（本 Skill 核心新增）

一整条流程 = flow.py 编排 + 4 个子 Skill。只装主 Skill 不装叶子，flow.py list 会显示「缺」，流程跑不了。

二、两件"新增"到底省了什么​

场景 A：切换云端环境（Step 4）​

以前（约 5~10 分钟，跨两个界面）： 找到车 → 判断它目前在 prod 还是 testtwo → 去飞书给机器人罗工发「切环境」命令 → 等回 → 切完再回云端平台查一次确认「现在到底在哪」→ 不在预期里再回头切一遍。

现在： 一行命令（或一句话）就切，切完回读确认在哪个环境：

python send.py switch-env <VIN> prod testtwo   # 从 prod 切到 testtwo
python send.py query-env <VIN>                  # 随时查当前在哪个环境

一句话：「切环境」从『发命令 + 手工回查』变成『一条命令 + 自动确认』。

为什么这个判断点必须先问你： 车可能处于离线。车不在线的时候切换没有意义——是否切由你根据车辆状态拍板，Skill 不做主。

场景 B：批量推送 App 到 OTA 测试分组（Step 5）​

以前（一台车 8~15 分钟）： 打开 AMP → 输入 VIN → 找到该车型对应的测试分组号（组号要在各分组里翻，因为 X04B=3000742、X04C=3000743 这种编码要死记）→ 把 App 推进分组 → 重复 N 台。

现在：

push.py add VIN1 VIN2 VIN3 --group 3000742   # 多辆车一次批量推
push.py groups --name X04B                    # 记不住组号？按关键字搜

一句话：「批量推送」从『反复挑组 + 手打组号』变成『一次点名、按机型分组一把推进去』。

三、两个"判断点"：它知道什么时候该闭嘴​

把流程做成「一门到底」最大的顾虑是自动过头。所以切环境和推送两队都设成了询问点——只问你不自动跑：

• Step 4 为什么问？ 车不在线的时候切了等于白切，车辆在不在只有你掌握实况。
• Step 5 为什么问？ 推送是额外操作，推错会误伤测试环境其他同学，必须你确认。

一句话：AI 把能自动的自动掉，把该由你拍板的还给你——这正是它敢『一条龙』的底气。

四、怎么装上、怎么用起来​

安装（一条命令串，4 个一起装）​

/plugin marketplace add https://gitlab.chehejia.com/ai-market/lixiang-skills-marketplace.git
/plugin marketplace update lixiang-skills-marketplace

/plugin install cheyun-vehicle-migrate-prod-to-testtwo-push
/plugin install cheyun-vehicle-sync-prod-to-testtwo
/plugin install cheyun-lark-robert-whitelist-env
/plugin install cheyun-amp-batch-push-app

/reload-plugins

或到 AI Market 详情页复制安装命令发给 ClaudeCode 机器人即可。

运行所需凭据：

用法：一句话 / 命令​

五、提示与避坑​

别背组号：push.py groups --name <关键字> 帮你搜，X04B=3000742、X04C=3000743 这种事让它记。

适合谁 / 不适合谁​

🎯 推荐：

• 天天在 prod ↔ testtwo 之间切云端环境的测试同学
• 要给一批车做 OTA 推送、还要按车型分组的
• 想省"切环境回查 + 背组号"这种纯枯燥操作的人

⚠️ 谨慎：

• 对云端环境 / OTA 分组关系还不太熟的——先跑 flow.py plan 看清单
• 对"自动推送"还没把握——Step 5 有刹车点，先手动跑几回确认

下一步规划​

• 📅 支持 VIN 列表文件：CSV 批量 100 台，统一汇总报告
• 📅 流程日志落盘：每步可回溯，排查不用重跑
• 📅 凭证改走环境变量：token/cookie 集中管理，不散在命令里

结语​

「切环境 + OTA 批量推送」这两件收尾活，是我在车云测试里最想交出去的两件事。 它们不是难，是碎、是重复、是不小心就错。把规则的部分交给编排，把判断的部分留给自己，这台车云测试的日常才算真的顺了下来。

装好之后，在 Claude / LiClaw 里说一句就行：

「把这台车迁到 testtwo，切个环境，再推到 X04B 测试分组」

🚗 完整编排 Skill：https://ai-market.chehejia.com/?page=skills&skill=ckqpipedmzv0phihh4el

检查 skill 目录是否符合上传应用市场的质量标准，兼容输出接近内部评估接口的预检信息（SKILL.md 质量 / 脚本静态分析 / 模拟运行 / 一致性 / 兼容性 / skill 类型 / 沙箱可执行性 / Token 估算 / 安全发现）。 本检查器将 __pycache__ 编译缓存目录及其中的编译产物文件如实判为垃圾文件，不再排除。

检查维度（对齐正式报告）​

快速开始​

# 全量扫描 skills 项目根目录下所有 skill
python scripts/checker.py

# 指定一个或多个 skill 目录逐个检查
python scripts/checker.py cheyun-vehicle-cloud-online-status
python scripts/checker.py ../foo-skill ../bar-skill

# 覆盖扫描根目录、关闭模拟运行、JSON 输出
python scripts/checker.py --root D:/path/to/skills --no-run
python scripts/checker.py --json

--json 输出中的 company_compatible 是本地静态预检，不会访问公司服务端，也不能替代最终上传检测；它的字段和严重级别尽量贴近 AI Market 返回结构。

参数说明​

执行步骤（供 Claude 使用）​

1. 确认参数​

• 目标：检查某个具体 skill，还是全量扫描？缺省即全量扫描。
• 是否要模拟运行：默认开启；若用户担心副作用或目标目录含会真实发送消息/调接口的脚本，可加 --no-run。

2. 运行检查器​

python scripts/checker.py [skill_dir...] [--no-run]

3. 解读报告​

• 每个 skill 一行 [目录名] 整体得分 xx | 全部通过 / 有 N 项未通过，各维度给出分类得分。
• [PASS] 通过；[LOW ] 次要问题（如触发词缺失、assets 混入非资源文件）；[MED ] 中等问题（如垃圾文件、语法错误、缺超时、依赖未声明）。
• 有未通过项时，把对应项的 明细 逐条反馈给用户并给出修复建议。

4. 常见修复​

故障排查​

通过飞书群聊 @机器人「罗伯特」，发送线上/线下白名单添加、切换/查询车辆云端环境等指令。 使用 lark-cli 以用户身份发送，罗伯特才会响应。

环境准备​

前置：必须先加入「罗伯特」所在飞书群​

使用本 skill 前，必须先进张博文邀请的飞书群，否则无法向群里 @机器人「罗伯特」发消息。

张博文 邀请你加入飞书群，快点击 https://applink.feishu.cn/client/chat/chatter/add_by_link?link_token=f61m352d-9482-44f8-9380-70c632fb8b66 加入吧！

• 若发送时提示无权限 / 找不到群聊（尚未进群），请先通过上方邀请链接加入飞书群，加入成功后再重试；
• 若不确定是否已进群，可在飞书客户端搜索群名确认。

本地如果没有 lark-cli，先按文档安装：

lark-cli 安装指南

安装后在终端执行 lark-cli --version 确认可用。首次使用或 token 过期时，先执行 lark-cli auth login 重新授权。

命令一览​

# 添加白名单（默认线上 + 线下都发送，间隔 1.5s）
python scripts/send.py whitelist <VIN>

# 只添加线上白名单
python scripts/send.py whitelist <VIN> --type online

# 只添加线下白名单
python scripts/send.py whitelist <VIN> --type offline

# 切换车辆云端环境（prod -> testtwo）
python scripts/send.py switch-env <VIN> prod testtwo

# 切换车辆云端环境（testtwo -> prod）
python scripts/send.py switch-env <VIN> testtwo prod

# 查询车辆云端环境
python scripts/send.py query-env <VIN>

# 不真正发送，只打印将生成的命令（用于核对）
python scripts/send.py whitelist <VIN> --dry-run

底层本质​

以上命令最终执行的是 lark-cli 发送一条群消息，等价于：

lark-cli im +messages-send --as user --chat-id oc_826d073ba8c9bf029ad38bef60253e9c \
  --text '<at user_id="ou_f18b74520bac526a0242f42b615153be">罗伯特</at> 添加线上X01白名单 <VIN>'

执行步骤（供 Claude 使用）​

1. 确认参数​

先问用户以下信息，缺什么问什么：

• 操作类型：添加白名单 / 切换环境 / 查询环境
• VIN：目标车辆 VIN（必填）
• 添加白名单需确认是线上、线下还是都要（默认两条都发）
• 切换环境需确认当前环境 → 目标环境（prod / testtwo）

2. 检查 lark-cli​

lark-cli --version

如果未安装，引导用户按上面文档安装；如果报 token/auth 相关错误，先 lark-cli auth login。

3. 发送指令​

# 白名单（默认线上+线下）
python scripts/send.py whitelist <VIN>

# 切换环境
python scripts/send.py switch-env <VIN> <当前环境> <目标环境>

# 查询环境
python scripts/send.py query-env <VIN>

不确定时先加 --dry-run 核对要发送的内容，确认无误后再去掉发送。

4. 向用户报告结果​

• 发送成功：告知已发送的操作与 VIN，白名单说明线上/线下均已添加，切换/查询说明请求已投递。
• 发送失败：展示错误信息；token 相关错误引导执行 lark-cli auth login。

注意事项（务必遵守）​

• 必须使用 --as user 以用户身份发送，否则罗伯特不会响应机器人消息。
• 由于飞书平台限制，不能跨 app 给第三方 bot 发 P2P 私聊，必须通过群聊 @ 的方式。
• 无论什么车型，都按 X01 发送（罗伯特只识别 X01 格式）。
• 线上和线下白名单都要添加，不能漏掉任何一个；脚本默认分两条发送，间隔 1.5s。
• VIN 不要加引号。
• 不要在 <at> 标签中的 @ 前加反斜杠：错误写法 <at>...</at> \罗伯特</at> 会导致无法正常 @ 用户。
• 当前 lark-cli 登录应用为 cli_aaa26a27d8b91bc2，罗伯特属于另一应用 cli_9f7979022e3d500e。

故障排查​

参数说明​

📖 不知道怎么获取 x-chj-gwtoken？看这里！ 👉 飞书文档 - 获取 x-chj-gwtoken 操作指南（含截图步骤）

查询车辆在云端（testtwo / prod）各域控模块的在线状态。 策略：先查 testtwo（无需鉴权），若无数据再兜底查 prod（需 x-chj-gwtoken）。

环境信息​

域名可通过环境变量覆盖（默认使用上表中的值）：

• VEHICLE_QUERY_TESTTWO_URL：testtwo 环境域名
• VEHICLE_QUERY_PROD_URL：prod 环境域名

接口说明​

GET /api/icn-veh-domains-all?vin={VIN}

返回车辆的 Domain 域控环境配置信息，每个域控模块（5G、fsd-a、hu-f、xcu 等）包含：

• isConnected：连接状态
• ip：连接 IP
• env：所在环境
• cell：cell
• latest：最近在线时间（毫秒时间戳）
• leaveTime：离线时间（如有）

车辆无云端数据时，接口返回 {}（空对象）。

快速开始​

# 安装依赖
pip install -r requirements.txt

# 查询（自动：先查 testtwo，无数据再查 prod）
python scripts/query.py <VIN>

# 指定 token 查询 prod（也可在提示时粘贴，会保存供下次使用）
python scripts/query.py <VIN> --token "your-x-chj-gwtoken"

# 只查 testtwo，不兜底查 prod
python scripts/query.py <VIN> --no-fallback

获取 x-chj-gwtoken​

不知道怎么获取 x-chj-gwtoken？查看飞书文档 👉 获取 x-chj-gwtoken 操作指南（含截图）

x-chj-gwtoken 有过期时间，如果 prod 查询报 401/403，重新获取一次即可。

执行步骤（供 Claude 使用）​

1. 确认参数​

先问用户以下信息，缺什么问什么：

• VIN：要查询的车辆 VIN（必填）

如果用户只给了 VIN，直接进入下一步；token 仅在 testtwo 无数据、需要兜底查 prod 时才需要。

2. 检查 Python 环境​

python --version

确认 Python 3.10+ 可用。

3. 安装依赖​

pip install -r requirements.txt

4. 运行查询脚本​

python scripts/query.py <VIN>

• 若 testtwo 查到数据：直接展示各域控模块状态，结束。
• 若 testtwo 无数据：脚本会提示输入 x-chj-gwtoken（或可提前用 --token 传入），再查询 prod。

5. 向用户报告结果​

• 查到数据：列出各域控模块的连接状态、IP、环境、最近在线时间。
• 未查到：说明 testtwo、prod 均无该车辆的 Domain 数据，可能是车辆未接入云端或 VIN 有误。

参数说明​

故障排查​

一个痛点开场​

用 AI 干活干多了，我发现最扎心的不是"它写不出来"，而是这三件事：

一是配置天天重来。Claude Code 换了新会话就不认识你；CLAUDE.md、agents、hooks、rules 每个项目都要重新搭一遍，搭完上个项目的经验又带不过来。

二是干完没人把关。让 AI 并行拉起来跑得挺热闹，但「看起来都对」和「真的对」之间差一道独立检核。好几次交付物差点带病出门，就是少了这一道。

三是没有章法。想让 AI 先规划再动手、提交前自查、测试写规范……说一次管一次，换个说法它又忘了。

所以我就在想：能不能把「并行干活、常驻记忆、质量把关、越用越懂我、干活有章法」这几件事，打包成一个开箱即用的东西，不用每次重新解释？

ECC（Everything Claude Code）就是这么长出来的。

一句话说清它是什么​

ECC 是一套「AI 编程工具的配置全家桶」——把 67 个专业子智能体、281 个技能、94 个命令、一套工程规约和安全审计，封装成插件，装进 Claude Code 就能直接用。

它不是针对某个功能的增强，而是把 Claude Code 从"一个能写代码的对话窗口"，升级成一支配置好的 AI 团队。

数据卡片（截至 2026-08，均可复现验证）：

一句话：它解决的不是『AI 写不写得快』，而是『AI 写得稳不稳、有没有人把关、还记不记得你是谁』。

我亲测下来，它到底好在哪​

1. 开箱就是一支「AI 团队」🎯​

不用自己写 planner、code-reviewer、tdd-guide——这些它都配好了：写大功能 /ecc:plan，改完 /ecc:code-review，构建挂了有 build-error-resolver，C++/Go/Rust 各有专属 reviewer。

一句话：67 个 agent，就是一支现成的、各司其职的「虚拟团队」。

2. 281 个技能 = 各技术栈的最佳实践直接抄​

frontend-patterns、backend-patterns、python-patterns、golang-patterns……让 AI 输出的不是"能跑"，而是符合该语言惯用法的代码；tdd-workflow 把"先写测试"变成每次都会执行的流程。

一句话：想少踩坑，就先装一套别人踩完坑沉淀出来的 patterns。

3. 一套规约，让 AI 干活「有章法」​

rules/ 里是必须遵守的硬约束：代码风格、git 规范、80% 覆盖率、提交前安全自查。装完之后，不管开哪个项目，AI 都默认按这套标准干活。

一句话：等于把团队的工程纪律，也"配置化"了。

4. 跨会话记忆 + 持续学习：AI 终于记得我​

hooks 自动在会话开始加载上下文、会话结束存状态；/instinct-status 能看 AI 学到了我哪些习惯，/evolve 把相关习惯聚合成技能。用久了是真的"越用越懂我"。

一句话：新会话里它不再是个陌生人。

5. AgentShield：给 AI 配置上个「安全锁」🤔​

扫描 CLAUDE.md / settings.json / MCP / hooks，查密钥泄露、注入风险、权限过宽。一句话命令就能跑：

npx ecc-agentshield scan

一句话：把 AI 接进生产之前，先让它自己给自己体检一遍。

6. 不止 Claude Code：一套配置，多端通用​

Claude Code / Codex / Cursor / OpenCode / Gemini 都能用——skills 和 rules 的资产可以带走，不被某个工具绑定。

怎么装上就用（完整教程）​

前置条件​

• Claude Code v2.1.0+（ECC 依赖新版插件钩子机制，太老会踩坑）

claude --version

方式一：插件安装（推荐，2 分钟）​

/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc

⚠️ 早期文档见过 everything-claude-code@everything-claude-code 这种旧标识符，现在统一成 ecc@ecc，以仓库最新 README 为准。

方式二：手动安装（想完全掌握装哪些）​

git clone https://github.com/affaan-m/ECC.git && cd ECC
npm install

# ⚠️ 关键一步：rules 不随插件分发，必须手动复制，否则「规约不生效」
mkdir -p ~/.claude/rules
cp -R rules/common ~/.claude/rules/
cp -R rules/typescript ~/.claude/rules/   # 按技术栈追加 python/golang 等

常用命令速查​

三个容易踩的坑​

1. 别叠加安装：已用 /plugin install 就不要再跑 install.sh --profile full 或 npx ecc-install，会技能重复。
2. MCP 别一下开太多：工具开关太多会挤爆上下文窗口，每个项目实际启用 < 10 个。
3. multi- 命令需额外装运行时*：/multi-plan 这类要 npx ccg-workflow 初始化才可用。

适合谁 / 不适合谁​

🎯 推荐给：

• 重度 Claude Code 用户——少写重复配置、让 AI 干活更规范
• 多语言 / 多项目开发——一套 skills/rules 通用所有技术栈
• 想把"写代码"外包给 AI、但还想保留工程判断力的人——规划 / 评审 / 安全这些"人的活"，它帮你兜底

⚠️ 要谨慎的：

• Claude Code 新手：67 个 agent + 281 个技能信息量巨大，建议先只装 rules + 几个常用 skill
• 不喜欢被规约束缚的人：它会"管教"AI 的行为，自由发挥型会觉得被唠叨
• 只想改一行代码就收工的人：完整规划流程有额外开销

看完立即做（10 分钟落地清单）✅​

1. claude --version 确认 ≥ v2.1.0
2. /plugin marketplace add https://github.com/affaan-m/ECC + /plugin install ecc@ecc
3. 手动补 rules（git clone + cp rules/common、rules/typescript 到 ~/.claude/rules/）
4. npx ecc-agentshield scan 给现有配置体检一遍
5. 随手试一下 /ecc:plan "给当前项目加个用户认证"

🚀 装上之后你会发现：AI 干活的方式，从"你要什么我给什么"，变成了"我按工程标准帮你把关、把成果交给你验收"。

参考资料：

• GitHub 仓库：affaan-m/ECC ｜ 官网：ecc.tools
• 作者 @affaanmustafa 的官方精简指南 / 长文指南 / 安全指南
• 许可：MIT，可直接用、可改造，记得给个 star

本文为个人亲测分享，所有数字均可到仓库 README 复现验证。

提报人：张博文

一句话摘要： 给 testtwo 测试环境加一辆车、排查某辆车今天有没有连上云端——这两件在车云平台上高频又繁琐的"手工活"，被我做成了两个 Claude Code Skill。现在只要跟 Claude 说一句人话，它自己跑去 prod 把车搬过来建好、自己去翻各域控的在线状态。本文是实战记录，也顺带把这两个 Skill 安利给同样在干这件事的同事。

你是否也会被这两件事卡住？​

• 测试环境缺一辆车，得从 prod（licar）把它的基础信息、拓扑、HU 配置字、设备、展示信息一个个查出来、再一个个建回去，一不留神漏一项，等到联调才发现。
• 有人问"这辆车怎么不在线上？"你第一反应是"它在哪个环境？域控连上没？"——然后得去好几个平台翻接口，把 5G、HU、座舱这些模块挨个对状态。
• 这些活有规则、重复、纯属"会，但很浪费时间"，还特别容易因为手抖出错。

这两个 Skill 就是这么长出来的：把有规则但容易出错的车云操作，变成一句话就能触发的能力。

一、两个 Skill 各管什么​

两个都发布于我们内部的 AI Market，质量评级 A，均已通过安全认证，创建者：张博文。

按场景触发一句话，例如： 「把车 XX 同步到 testtwo」 / 「查一下这辆车在线吗」

二、场景拆解：从"半小时手工活"到"一句话"​

场景 A：给 testtwo 测试环境加车​

以前：先拿 VIN 去 prod 查车辆基础信息（车型系列、型号、用途）→ 再查配置字 → 再查设备（SN、ICCID）→ 然后到 testtwo 依次建基础信息、同步拓扑、创建 HU 配置字、绑定设备、更新展示信息。中间任何一个接口断了、字段记岔了，就得从头对。

现在：python scripts/sync.py <VIN>，或者在 Claude/LiClaw 里说一句"把这两辆车同步到 testtwo 测试环境"。Skill 自己完成 8 步全流程：基础信息 → 拓扑 → HU 功能配置字 → 设备绑定 → 展示信息更新 → 验证结果，最后给你一份迁移摘要。

场景 B：查某辆车今天在不在线上​

以前：问"车在哪个环境"——测试环境和生产环境是两套平台，得先猜一个去翻，找不到再换另一个。确认了环境还要挨个看 5G 模块、HU、ADAS 这些域控到底连没连上、有没有掉线时间。

现在：python scripts/query.py <VIN>，或者直接问"查下这几辆车的在线状态"。Skill 的策略是 先查 testtwo（免鉴权）→ 没有再兜底查 prod，一次返回每个域控模块（5G、fsd-a、hu-f、xcu 等）的连接状态、IP、所在环境、最近在线时间，一眼定位问题出在哪个域控、哪个环境。

三、它们是怎么干活的​

两个 Skill 本质是轻量 Python 脚本 + Claude 编排，核心都是一条原则：优先走接口，能免鉴权就免鉴权。

• sync（prod → testtwo）：只有 prod 读取需要 x-chj-gwtoken，testtwo 写入侧根本不需要鉴权。流程是"先查原车 → 再逐项还原创建"，最终落脚在纯接口操作，不依赖浏览器点击。
• online-status（在线状态）：默认 GET /api/icn-veh-domains-all?vin={VIN}，先查免鉴权的 testtwo，接口返回空（{}）才降级去 prod，避免为了看个状态还要先找 token。想只查测试环境、不落生产，加一个 --no-fallback 即可。

设计取舍：免鉴权优先。日常 80% 的排查其实在 testtwo 就能拿到答案；只有确需生产数据时才要求 token，且 token 由你本地提供、不写入任何仓库。

四、怎么装上，怎么用起来​

安装（三步）​

1. 打开 AI Market 里的 Skill 详情页；
2. 点右上角 复制安装命令；
3. 通过飞书发给 OpenClaw / ClaudeCode 机器人，等它装完即可。

也可以直接在详情页 一键安装进 LiClaw，或 下载 Skill 本地放入 ~/.claude/skills。

环境要求：Python 3.10+，pip install requests 一个依赖，其余零外部服务。

使用（说人话就行）​

五、提示与避坑​

• x-chj-gwtoken 有过期时间：迁移过程中报 401/403，多半是它到期了，重新获取一份即可（获取方式见 Skill 文档页的飞书指引）。
• 先测 testtwo 再谈 prod：Online-status 默认先查 testtwo，能省掉大部门鉴权和找 token 的流程。
• 验证要闭环：sync 每步都做结果确认，最后回读一把，确认车辆在 testtwo 真的"建起来了"而不是接口"假装成功"。
• 它是工具不是魔法：Skill 负责按规则把活干完，但"这台车该不该上测试环境""这个域控掉线是不是符合预期"仍然要人拍板——AI 省掉的是搬砖，不是判断。

六、下一步还能怎么演进​

• 批量：sync 现在是单 VIN，改成读一个 VIN 列表文件、批量迁移 + 汇总报告；
• 看板化：online-status 顺手产出一张"哪些车在线/离线"的小结表，适合每次例会前刷一遍；
• 权限收敛：token 支持从环境变量读取，集中管理，避免散落。

结语​

做这两个 Skill 的最大体会是：把有规则、重复、容易错的车云操作交给 Claude，人只留判断。 环境加车、在线排查这类活，不该每天靠人肉去磨。

如果你也常跟 testtwo / prod / 车辆数据打交道，欢迎装上试试：

• 🚗 车辆迁移（prod → testtwo）：https://ai-market.chehejia.com/?page=skills&skill=8hqeaasmwadzjadjk5ti
• 📡 云端在线状态查询：https://ai-market.chehejia.com/?page=skills&skill=vlddgr6bn7iih5x6uz7d

有新的车云场景想工具化，或者用起来有报错，欢迎在评论区或话题群里聊聊。