23 篇博文 含有标签「AI」

📖 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。