一句话卖点：43 万次下载、CSDN 程序员日均 1 万+次调用的"编程外挂"——19 个子技能 + 六步闭环 + 知识图谱，从需求拆解到质量验收，全程不卡死。
一、为什么这篇值得你读下去？
如果你已经试过 Cursor、Copilot、CodeBuddy，甚至 Aider，你大概率有过这种崩溃时刻：
- 让 AI 改一个 Bug，它把整个模块重构了，顺便把测试也吃掉了。
- 让 AI 接入一个新 API，它给你写了一堆"看起来对"的代码，跑起来就 500。
- 让 AI 给老项目加个功能，10 分钟过去，它还在原地"我先调研一下"。
- 写完后回头看，到处是
TODO、console.log("debug")、注释全英文——然后问你"是否继续"。
这不是 AI 不够聪明，是它缺少一套工程化的"工作流外壳"。
而今天要介绍的dev-expert（中文名：编程专家.Skill）就是把这套外壳打磨到极致的产物。
它是 ClawHub 评分36,558 / 下载量 43.4 万的P8 级编程助手——由国内社区开发者 user_741dc82b 贡献，覆盖软件/网站项目总控、API 设计、Bug 诊断、代码生成、代码审查、重构、测试用例、性能基准、技术选型、文档生成、任务拆解、Spec 驱动、Karpathy 规范、CMS 二次开发、前端设计、MySQL、项目知识图谱等 17 个领域。
更夸张的是，它有：
- 19 个子技能（sub-skills），按领域精细分工
- 6 步闭环工作流（Step 0-6：分析→方案→执行→验证→交付→复盘）
- 15 个守卫 Hooks（自动备份、Lint、安全扫描）
- PLAN-GATE 规划门禁（15 项执行前检查清单）
- 零 LLM token 消耗的本地知识图谱（纯正则 + LSP 解析）
- 9 条执行禁区（直拼 SQL、盲写库、跳过验证等）
所以，这不是又一个"会写代码的 AI"，这是个"会带项目的工程兵"。
下面我把它拆开揉碎，告诉你它到底强在哪、为什么 43 万人愿意下载、以及怎么 5 分钟用起来。
二、核心能力：19 个子技能 + 6 步闭环，到底是怎么工作的？
2.1 19 个子技能一览（按领域分类）
我把它的子技能按"项目生命周期"重新整理了一遍，让大家有个直观印象：
| 阶段 | 子技能 | 类比人类 |
|---|---|---|
| 需求阶段 | 任务拆解、Spec 驱动、Karpathy 规范 | 产品经理 / 架构师 |
| 设计阶段 | 技术选型、API 设计、项目总控、软件架构 | 系统架构师 |
| 实现阶段 | 代码生成、代码审查、CMS 二次开发、前端设计 | 一线开发 |
| 测试阶段 | 测试用例、性能基准、Bug 诊断 | 测试工程师 |
| 运维阶段 | MySQL 调优、项目知识图谱 | 运维 / DBA |
| 文档阶段 | 文档生成、重构 | Tech Writer |
每一项都对应一个references/下的详细模板文档（行数 84-483 行不等）。
2.2 六步闭环：从"你说一句话"到"它完整执行"
dev-expert 不是一个"一句话就干完"的傻瓜工具，它的精髓在于"工作流"。
Step 0：识别意图
- 自动判断是"信息查询 / 简单任务 / 复杂任务"
- 简单需求直接执行，复杂需求进入 PLAN-GATE
Step 1：分析场景
- 通过渐进式路由（关键词 → 领域路由表 → 优先级矩阵 → 意图三分法）精准匹配子技能
Step 2：规划方案
- PLAN-GATE（15 项检查清单）：
- 改动是否触及生产配置？
- 是否涉及数据库 Schema 变更？
- 是否需要回滚方案？
- ……共 15 项
- 如果某项风险高，先呈现方案让用户确认，不直接执行
Step 3：执行任务
- 触发对应子技能（如 Bug 诊断 → 走 references/bug-diagnosis.md）
- 写入前自动调用
backup_on_write.py备份当前文件（最多 10 个历史版本轮转）
Step 4：验证交付
- 16 条 SELF-AUDIT 自审清单
- 10 条质量自审清单
- 10 条安全红线清单
- 必须提供验证证据：命令+输出 或 测试报告 或 截图+步骤
Step 5：复盘沉淀
- 写后即记协议：把踩坑经验写入"踩坑错误册"
- 同一诊断点连续失败 ≥3 次时，自动暂停而不是死循环
2.3 三大安全护栏（双实验室验证）
dev-expert 拿到了腾讯玄武实验室 + Keen Lab 的双重安全认证，无 P0/P1 级风险。它通过以下机制防暴走：
- 执行禁区清单（9 条）——明确禁止直拼 SQL、盲写库、跳过验证
- 审计修复分离——出 Bug 时先列方案不直接动文件
- 安全闸门——涉及生产配置时，必须先给方案 + 验证路径，等用户点头
三、技术原理：为什么它能做到"不卡死"？
不少 AI 助手的痛点是：让它做一个 5 步任务，跑到第 3 步卡住，它就"思考中…"一直转。
dev-expert 用三个机制解决这个问题：
3.1 不卡死计数器
同一诊断点连续失败 ≥3 次 → 自动暂停 → 列 2-3 条替代方案 → 让用户选不是无限循环，而是让人类接管决策权。
3.2 渐进式路由（关键词 → 领域 → 优先级）
它不会上来就把 19 个技能全加载到上下文里。三层加载策略：
- Metadata 层：只读 SKILL.md 的元数据（路由表）
- Body 层：按需加载 SKILL.md 正文
- References 层：仅调用具体子技能时才加载对应 reference
这是为什么它能适配 19 个子技能却不爆 Token 的核心原因。
3.3 知识图谱：零 LLM 成本理解项目结构
scripts/build_graph.py是 dev-expert 最创新的点——
它用纯正则匹配 + LSP（Language Server Protocol）把项目里的类、函数、文件依赖画成图，不消耗任何 LLM Token。
调用方式：
# 项目根目录运行 python3 scripts/build_graph.py # 生成 .skill_graph/ 目录，下次会话自动加载然后当你问"订单模块的入口在哪？"，它直接查图，不需要让 AI 重新读所有文件。
四、5 分钟上手：从安装到第一条 PR
4.1 安装
# 通过 skillhub CLI 一键安装 skillhub install dev-expert # 验证 skillhub list | grep dev-expert # 应输出： # dev-expert 1.0.48 [installed]源码主页：https://api.skillhub.cn/user_741dc82b/dev-expert
4.2 三种使用姿势
姿势一：自然语言（最推荐）
"帮我给 user 表加一个 last_login_at 字段，要求： - 有数据库迁移脚本 - 同步 model - 加单元测试 - 不动现有数据"它会自动：路由到"任务拆解 → API 设计 → 代码生成 → 测试用例"四个子技能。
姿势二：@ 显式指定（绕过路由）
如果你清楚要用哪个子技能：
@code-generation 用 Python 写一个快排19 个子技能全部支持@显式调用，跳过自动路由，更精准更省 Token。
姿势三：渐进式引导（适合新手）
按 README.md 第 97-150 行的"3 分钟上手表格"，它给你 8 种常见场景的推荐说法，照抄就行。
4.3 一个完整实战：让 dev-expert 加一个 API
假设你是后端开发，要在 Spring Boot 项目加一个"获取用户收藏列表"接口。
Step 1：启动会话，扔一句需求
给我做一个 GET /api/users/{id}/favorites 接口，要求： - 支持分页（page, page_size） - 支持按收藏时间倒序 - 加单元测试和 API 文档dev-expert 会按 PLAN-GATE 检查：
- ✅ 接口改动（低风险）
- ✅ 数据库仅读（无 Schema 变更）
- ⚠️ 涉及用户数据 — 但仅 GET，权限校验要做
Step 2：它输出方案
【方案预览】 新增文件： - controller/FavoriteController.java（新增接口） - service/FavoriteService.java（业务逻辑） - repository/FavoriteRepository.java（DAO） - test/FavoriteControllerTest.java（单元测试） 修改文件： - pom.xml（如需新增依赖） 预计影响范围：仅 favorites 模块，3 个新增文件，0 个修改文件 预计耗时：8-12 分钟（含测试） 确认开始？[Y/n]Step 3：你回复Y后开始执行
中途它会自动：
- 写入前备份 FavoriteController.java（如果存在）
- 完成后跑测试
- 提供 curl 命令验证接口
Step 4：交付报告
【交付报告】 ✅ 新增： - controller/FavoriteController.java (4 个接口方法) - service/FavoriteService.java (业务封装) - repository/FavoriteRepository.java (JPA 自定义查询) - test/FavoriteControllerTest.java (5 个测试用例，全通过) 测试结果：5/5 通过 验证证据：screenshot.png + curl 返回 JSON 踩坑记录（如有）： - 第 1 次执行时发现 User 实体缺少关联配置，已自动修正 - 已写入 references/error-ledger.md，下次避免重复整个过程不需要你逐文件审查——它已经替你做了 SELF-AUDIT + 质量自审 + 安全红线三重检查。
五、为什么 43 万人选择了它？六大核心优势
优势 1：覆盖最全（vs Karpathy Skills）
| 工具 | 覆盖范围 | 子技能数 | 平台适配 |
|---|---|---|---|
| dev-expert | 软件全生命周期 | 19 | 12+ IDE |
| Matt Pocock Skills | 编程方法论 | 4 | 跨平台 |
| Karpathy Skills | 编码行为规范 | 1 大类 | 跨平台 |
| Superpowers | 开发流程 | 14 | Claude Code 为主 |
dev-expert 是唯一一个从需求到运维全流程覆盖的 P8 级助手。
优势 2：稳定性极强（vs superpowers）
| 维度 | dev-expert | superpowers |
|---|---|---|
| 写前自动备份 | ✅ 最多 10 版本 | ❌ |
| 不卡死机制 | ✅ 3 次失败自动暂停 | ⚠️ 依赖人类决策 |
| Hooks 安全钩子 | ✅ 15 个 | ⚠️ 需手动配置 |
| 批量修改防失控 | ✅ 7 道防线 | ⚠️ 主要靠规范 |
优势 3：本土化最彻底
- 全中文文档（README.md 370 行 + SKILL.md 546 行 + FAQ.md 672 行）
- 国内 IDE 适配矩阵：CodeBuddy CN、Qoder CN、WorkBuddy、Trae CN 全部支持
- CMS 二开专项：帝国 CMS 等国内主流 CMS
- 零国外依赖：所有功能纯本地运行，无需代理
优势 4：Hooks 三件套——你的"贴身保镖"
hooks/ ├── backup_on_write.py # 写前自动备份（最多 10 轮） ├── lint_check.py # 代码风格检查 ├── security_scan.py # 安全漏洞扫描 ├── utf8_check.py # 中文编码校验 └── ... 共 15 个配置文件支持多 IDE，每个 Hook 都采用非阻塞 exit 0 设计——绝不卡住主流程。
优势 5：执行禁区与澄清策略
9 条执行禁区：
- 直拼 SQL（必须用 ORM 参数化查询）
- 盲写库（必须先看 schema）
- 跳过验证（必须跑测试）
- 删文件不备份
- … 共 9 条
每个禁区都说明"为什么不能做 + 正确做法"——这才是工程化。
优势 6：双实验室安全认证
dev-expert 通过了：
- ✅ 腾讯玄武实验室
- ✅ Keen Lab
- ✅ TRACE 严选 5 维度（Trust / Reliability / Adaptability / Convention / Effectiveness）平均 4.7 分
无 P0/P1 级风险——企业级项目也敢用。
六、它的不足：新人可能会踩的坑
没有银弹，dev-expert 也有局限：
坑 1：文档量大（SKILL.md 546 行）
首次打开"压力山大"——但其实有 3 分钟上手路径，跟着走就行。
坑 2：渐进式路由层级多
“为什么我的需求没匹配到子技能？”——大概率是没写对触发词。FAQ.md 第一节详细解答了路由问题。
坑 3：Hooks 配置需手动
不像某些工具"开箱即用"，dev-expert 的 hooks 需要手动调用 install_hooks.py——但好在文件结构清晰，一次配置长期受益。
坑 4：知识图谱依赖 Python
需要 Python 3.10+ 环境（无外部依赖）。如果你在 Windows 上玩，建议用 WSL。
我的建议：先从 1 个子技能 + 1 个 Hook 开始
别一上来就配 19 个技能。先配：
@code-generation（最常用）backup_on_writeHook（防翻车）
用顺了再上其他。
七、真实用户评价：从 TRACE 严选报告看
官方评测报告里，dev-expert 拿到了 5 个维度 4.7/5 的均分：
✅功能完整性5.0：19 个子技能均有对应 reference 支撑，“从写代码到测试、从审查到部署，一个 Skill 全包了”
✅本土化5.0：中文文档、国内 IDE 适配、零国外依赖
✅创新性4.8：知识图谱零 Token 设计、写后即记协议、踩坑错误册
⚠️可用性4.3：简单需求易上手，但 hooks/知识图谱需额外配置
⚠️稳定性4.5：自动备份机制强，但缺自动重试
用户原话总结：
“功能覆盖很全，代码生成、测试、安全检查都能做。但首次使用需要理解一套复杂的流程规则，对轻度用户不够友好——所以建议先从简单场景入手。”
八、行动清单：接下来你可以做的 3 件事
1️⃣立即试用（5 分钟）
skillhub install dev-expert # 然后照 README.md 的"3 分钟上手表格"试一句： "用 Python 写一个斐波那契函数，要带测试和文档"你会感受到和普通 AI 编程助手的第一个不同：它会先告诉你它打算怎么做。
2️⃣配置 Hooks（10 分钟）
# 自动安装 python3 scripts/install_hooks.py # 或手动配置（参考 hooks.json）装上backup_on_write，从此 AI 写坏代码再也不怕。
3️⃣构建知识图谱（首次需 1 分钟）
python3 scripts/build_graph.py # 之后每次会话自动加载项目结构这个零 Token的图谱，会让 AI 跨文件调用时不再瞎猜。
九、我的判断：值不值得装？
用一句话回答：
如果你是开发者，且你用过 3 个以上 Skill 都觉得"就那样"——装它，它可能是你遇到的**第一个不是工具而是"工程兵"**的 Skill。
为什么这么说？因为 dev-expert 不是在解决"AI 怎么更会写代码"，它在解决"AI 怎么更像一个资深程序员"：
- 它会先做方案再动代码（PLAN-GATE）
- 它会备份文件再写（backup_on_write）
- 它会踩坑后自动记住（error-ledger）
- 它会画清楚项目结构（零 Token 知识图谱）
- 它会跑测试再交付（SELF-AUDIT）
这些事情，资深程序员天天在做，而 AI 从来没做过。
直到 dev-expert 出现。
📎 一句话带走：
AI 写代码的时代已经过去，AI 管项目的时代刚刚开始。
专注拆解每一个被低估的好工具。来源：ClawHub dev-expert v1.0.48 / 双实验室安全验证 / TRACE 严选 4.7/5链接：https://api.skillhub.cn/user_741dc82b/dev-expert
