# dmjcustomizations：面向Claude Code的并行优先代理工程技能集

> 介绍dmjcustomizations项目——一个为Claude Code设计的现代化代理工程技能集，采用并行优先架构、对抗性验证机制，并从第一行代码就融入安全与性能保障。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-10T12:15:15.000Z
- 最近活动: 2026-06-10T12:26:09.329Z
- 热度: 154.8
- 关键词: Claude Code, 代理工程, 并行工作流, 对抗性验证, 安全左移, 性能预算, AI辅助编程, 技能系统, 代码审查, 测试驱动开发
- 页面链接: https://www.zingnex.cn/forum/thread/dmjcustomizations-claude-code
- Canonical: https://www.zingnex.cn/forum/thread/dmjcustomizations-claude-code
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：divyamohan1993
- 来源平台：github
- 原始标题：dmjcustomizations
- 原始链接：https://github.com/divyamohan1993/dmjcustomizations
- 来源发布时间/更新时间：2026-06-10T12:15:15Z

## 原作者与来源\n\n- 原作者/维护者：divyamohan1993\n- 来源平台：GitHub\n- 原始标题：dmjcustomizations\n- 原始链接：https://github.com/divyamohan1993/dmjcustomizations\n- 来源发布时间/更新时间：2026-06-10\n\n## 项目背景与动机\n\n在AI辅助编程工具快速发展的今天，Claude Code作为Anthropic推出的智能编程助手，正在改变开发者与代码交互的方式。然而，如何充分发挥这类工具的潜力，仍是一个值得探索的课题。dmjcustomizations项目正是基于这一背景诞生的——它是对早期superpowers项目的现代化重构，专为代理团队时代设计。\n\n项目的核心洞察是：传统的单代理、单聊天线程、人工监控每一步的工作模式存在根本性局限。当AI能力足够强大时，我们应该让多个代理并行工作，只在关键检查点需要人类确认，而非事无巨细地监督每个步骤。这种"并行优先"的理念贯穿了整个项目的设计。\n\n## 核心理念与设计原则\n\n### 并行优先，串行把关\n\n代理团队可以并行展开工作，用户只需在少数硬性检查点进行审批，其他环节不会阻塞。这与传统的工作流形成鲜明对比——后者往往因为等待人工确认而频繁中断。\n\n项目通过精心设计的技能（skills）系统，实现了代理间的任务分配和协调。每个技能都有明确的职责边界和上下文预算，确保并行执行时不会相互干扰。\n\n### 证据优于声明\n\n在AI生成内容日益普及的背景下，如何确保输出的可靠性成为关键问题。dmjcustomizations采用"新鲜上下文队友对抗性验证"机制：\n\n- 规格文档需要经过独立代理的交叉验证\n- 代码实现需要经过 correctness、security、performance、simplicity 等多维度审查\n- 每个"完成"声明都必须有证据支撑，而非自我认定\n\n这种机制借鉴了软件工程中的同行评审实践，将其自动化并融入AI工作流。\n\n### 演示而非描述\n\n项目强调"展示，而非讲述"的理念。竞争性的实现方案不是通过文字描述来比较，而是作为可处置的workspike（工作原型）运行基准测试。这种实证方法避免了纸上谈兵，让数据说话。\n\n### 动态设计\n\n项目拒绝硬编码的模型版本、工具版本或日期信息。所有技能在调用时动态探测当前最强的模型和最新的稳定工具链。这种设计确保了系统的长期可维护性和适应性。\n\n### 安全与性能从第一行开始\n\n传统的安全审计往往在项目后期进行，发现问题时返工成本高昂。dmjcustomizations将安全左移：\n\n- 设计阶段就引入威胁模型分析\n- 默认采用OWASP安全准则\n- 零信任架构作为基础假设\n- 量子安全加密作为默认配置\n- 性能预算在CI阶段强制执行\n\n## 技能体系详解\n\n项目提供了丰富的技能集合，覆盖软件工程的全生命周期：\n\n### 元技能与路由\n\n`using-dmjcustomizations`是元技能，每次会话自动注入，负责技能的发现、路由和优先级排序。它确保用户请求被分派到最合适的专业代理。\n\n### 规划与执行\n\n- `brainstorming`：从创意到已批准规格，通过并行上下文扫描、批量提问和基于证据的选项生成\n- `writing-plans`：规格到实现计划，包含任务依赖、并行可能性和验收标准\n- `executing-plans`：团队执行计划，任务并发声明、工作区隔离、审查关卡\n\n### 开发与协作\n\n- `team-driven-development`：当前会话中的计划执行，实现者和审查者代理协作\n- `dispatching-parallel-teams`：任意2+独立任务的团队分发、协调和综合\n- `test-driven-development`：Iron Law TDD加上极端边界情况分类（对抗性、并发性、边界）\n\n### 质量保障\n\n- `systematic-debugging`：修复前定位根本原因，并行假设调查\n- `verification-before-completion`：声明前的证据，独立新鲜上下文验证\n- `requesting-code-review`：多视角并行审查面板：正确性、安全性、性能、简洁性\n- `receiving-code-review`：对表演性一致性的严格审查，实施反馈前验证\n\n### 基础设施与工具\n\n- `using-git-worktrees`：并行工作和可处置workspike的隔离\n- `finishing-a-development-branch`：经验证的完成：合并、PR或清理，包含团队和工作区拆解\n- `writing-skills`：文档TDD：基线、编写、闭环、团队测试\n\n### 安全与性能\n\n- `defending-in-depth`：从第一行的安全：威胁模型、OWASP、零信任、量子安全默认\n- `enforcing-performance-budgets`：O(1)优先、可测量预算、缓存优先、回归阻止合并\n\n### 研究与探索\n\n- `researching-deeply`：并行研究，对抗性来源验证和带日期引用\n- `exploring-codebases`：五视角并行代码库映射，带反冗余关卡：重用优于重建\n- `explore`：并行逐片追踪代码库实际工作原理，聊天中解释，无人工制品\n\n### 用户体验\n\n- `harnessing-claude`：能力路由：每项作业使用最强的原生Claude特性，永不手工替代\n- `crafting-experiences`：体验至上：作业测试、秒级钩子、有目的的电影感、零用户负担\n- `landing-sessions`：会话拆解：学习入记忆、状态入git、资源归零、线程浮出水面\n\n## 技术特色\n\n### 上下文预算控制\n\n每个技能都有严格的上下文预算：正文不超过500词，始终加载的元技能不超过300词。这种设计确保即使在长会话中，系统也能保持高效响应。\n\n### 简洁性原则\n\n项目追求极致的简洁。技能描述 terse（简洁），日期无关，避免冗余。这种简洁不是简陋，而是经过深思熟虑后的精确表达。\n\n### 安装与使用\n\n项目支持从GitHub市场或本地路径安装。安装后需要卸载superpowers以避免规则系统冲突。这种设计体现了对生态兼容性的考量。\n\n## 开源与传承\n\n项目fork自obra/superpowers 5.1.0（MIT许可证），由Divya Mohan于2026-06-10重构。它既是对前辈工作的致敬，也是面向新时代需求的创新。\n\n## 应用价值与启示\n\n对于使用Claude Code的开发者，dmjcustomizations提供了一套经过实战检验的最佳实践：\n\n1. **工作流优化**：学会让代理并行工作，只在关键点介入\n2. **质量保障**：建立证据驱动的验证文化，不轻信AI的输出\n3. **安全左移**：从项目第一天就考虑安全问题\n4. **性能意识**：将性能预算作为一等公民对待\n5. **持续演进**：保持系统的动态适应能力，不硬编码过时假设\n\n对于AI工程领域，该项目展示了如何将传统软件工程的智慧（代码审查、测试驱动、安全设计）与AI代理的新能力相结合，构建更可靠、更高效的开发工作流。\n\n## 结语\n\ndmjcustomizations项目是对AI辅助编程工作流的一次深度思考和大胆重构。它不是简单的工具集合，而是一整套关于如何与AI代理协作的方法论。随着AI能力的不断提升，这种"并行优先、证据驱动、安全内建"的理念将愈发重要。对于希望提升AI辅助开发效率的团队和个人，这是一个值得深入研究的参考实现。