ECC 把 AI Coding 變成工程流程
ECC（Everything Claude Code）不是另一個 AI 模型，而是一套裝在 coding agent 外面的工程工作流。它透過 Agents、Skills、Rules、Hooks、MCP 設定與持久化記憶，讓 Claude Code、Codex 等工具依序規劃、測試、實作、審查、驗證，再把有效做法整理成可重用技能。目前官方列出 68 個專門代理、286 個技能及 94 個相容指令，涵蓋 TDD、除錯、安全掃描、文件與架構工作；重點不是讓模型突然變聰明，而是降低它漏步驟、忘記規範和重複摸索的機率。
現實應用
最直接的用法，是替個人或團隊建立一致的 AI 開發 SOP。例如新增功能時先產生可編輯計畫，以 RED、GREEN、REFACTOR 流程執行 TDD，再由不同 context 的代理做 code review，最後跑 build、lint、型別與測試驗證。AgentShield 還能檢查 Secrets、權限、Hooks、MCP Server 與 Prompt Injection 風險。
每天長時間使用 Claude Code 或 Codex 的工程師最容易感受到差異；維護多個專案、需要新人遵守既有規範，或想把資深工程師經驗固化成 Skills 的團隊，也有實際需求。偶爾才請 AI 補幾行程式的人，可能反而會覺得流程太重。
期望評估
我認為低標期望，是得到一套現成的檢查表與 Prompt 資產，少打一堆重複指令，並讓測試、安全檢查和交付步驟比較不容易被模型跳過。即使不啟用完整記憶與多代理協作，只挑常用 Skills 也有價值。
我猜高標可以做到團隊級的 AI 工程作業系統：不同專案共用工作流，從歷史提交提取模式，再把成功經驗沉澱成技能。不過成果仍受模型能力、測試品質與專案 context 影響，ECC 無法替爛需求或缺乏驗證的程式碼兜底。
商業策略分析
ECC 會影響專賣 Prompt 套件、AI coding 顧問及內部開發平台的市場，因為不少流程資產已用 MIT 授權公開。官方採 open-core 路線：本機工具免費，私有 Repository 的 ECC Pro GitHub App 則按席位收費。
我認為值得跟進的是它的「Harness 優化」思路，而不是盲目全裝。企業真正願意付費的部分，會是權限治理、團隊共享、稽核和 GitHub 自動化；技能數量多只是表面，能否控制 context 成本、版本衝突與供應鏈風險才是採用關鍵。
實作細節
Claude Code 建議準備 Node.js 18 以上、Git 與 Claude Code 2.1 以上，再執行 npx ecc-universal setup；也能用 Claude 原生 Marketplace 安裝 ecc@ecc。Codex 可執行 codex plugin marketplace add affaan-m/ECC 及 codex plugin add ecc@ecc。
官方特別提醒，同一個 Harness 只能選一種安裝路徑，重複疊加可能造成 Skills、Commands、Hooks 或設定重複。功能也沒有跨平台完全對齊：Claude Code 是主要穩定目標，Codex 支援原生 Plugin，Cursor、OpenCode 仍屬 Beta，Copilot 只有 Instructions，其他 Adapter 多為實驗或精簡支援；Windows 原生環境與部分 Bash、Python 功能亦有限制。