Superpowers、ECC、Graphify、Caveman 和 claude-mem 是 GitHub 上星标数名列前茅的五款 Claude Code 插件,合计拥有 1,008,087 个星标。在与原生 Claude Code 的正面对比测试中,任务相同、测试用例隐藏、评分采用盲评,五款插件没有一款交出更好的结果。多数运行耗时更长、花费更高。在其中一项任务上,装了插件的一次运行花费 $5.12,原生运行只花了 $0.91,而两者通过的是同一批测试。

对比了什么

这里所说的插件,是指向 Claude Code 加载额外指令、技能、智能体或工具的扩展组件。参与测试的五款分属四类:

  • Superpowers 和 ECC:工作流套件,强制加入规划、头脑风暴和评审环节
  • Graphify:把代码库转成知识图谱的工具,也就是一张标明文件与函数之间关系的地图
  • Caveman:省 token 工具,让 Claude 用简短、精炼的语言作答
  • claude-mem:记忆层,用于在不同会话之间传递信息

这些并不是无人问津的项目。Superpowers(31.81 万星标)和 ECC(30.38 万)在 GitHub 全部仓库中分列第 14 位和第 15 位,高于 25.58 万的 Linux。五款插件在此前一个月里合计新增了 8 万多个星标。

测试集涵盖六类工作,外加一次完整的网站搭建:

  • 一个小功能:在 Starlette 中为每个请求和响应添加请求 ID 标记
  • HTTPX 的一项安全修复:登录令牌在重定向过程中泄露给第三方
  • 用 Textual 构建的终端库存导入应用
  • 20 道开发者问题,涉及调试、设计取舍和代码评审
  • 12 道架构问题,针对一个文件数超过 1,500 的开源项目
  • 记忆检验:第一天给出规则,到第三天的第三个会话中再次询问
  • 一个 Airbnb 风格的完整度假小屋预订网站

答案由 Sol 6.1 模型盲评,Sonnet 5.5 每五道题抽查一次。

各插件的结果

Superpowers

Superpowers 自称是一套完整的软件开发方法论,能让 Claude 在写代码之前像资深工程师一样做规划。在三项编码任务上,两种配置都拿到了 100 分(满分 100)。

任务 原生 Claude Code Superpowers
任务 1,Starlette 功能 $0.55,4.0 分钟 $1.61,11.5 分钟
任务 2,HTTPX 修复 $0.32,7.6 分钟 $0.37,5.1 分钟
任务 3,Textual 应用 $0.91,4.7 分钟 $2.33,14.5 分钟
小屋预订网站 $2.84,14 分钟 $5.15,26 分钟

Superpowers 完成第二项任务的速度更快,但花费仍然更高。这看起来是个例,而非规律。在网站搭建上,它的花费高出 81%,而两个成品网站在界面和用户流程上几乎一模一样。

ECC

ECC 把自己定位为编码智能体的操作系统,并宣称内置 72 个智能体、327 项技能和 98 个旧版命令兼容垫片。这样的体量,在任何工作开始之前就要付出代价。原生 Claude Code 启动时占用 2.38 万 token 的上下文。token 是模型读写文本的计量单位,也决定着账单金额。装上 ECC 后,启动上下文升至 5.28 万 token,一条提示词都还没输入,就多出了约 2.9 万。

起跑线上的两名跑者,一人只带着轻便的小包,另一人被塞满工具的背包压弯了腰

▲ 有无重型套件时的启动上下文负担

任务 原生 Claude Code ECC
任务 1 $0.55,4.0 分钟 $2.93,13.7 分钟
任务 2 $0.55,4.1 分钟 $1.22,6.5 分钟
任务 3 $0.91,4.7 分钟 $5.12,28.7 分钟

每一行都把插件与它所对照的基线配对;第二项任务的原生数据,在 Superpowers 和 ECC 两组对比中并不相同。在第三项任务上,原生 Claude Code、Superpowers 和 ECC 都通过了同样的 89 个隐藏单元测试。ECC 搭建网站花了 $8.66、39 分钟,原生运行则是 $2.84、14 分钟。

Caveman

Caveman 的文档宣称输入 token 减少 33.2%,在得分相同的情况下运行成本低 54%,总体成本降幅达 1.4 到 2.4 倍。测试在 20 道开发者问题上比较了三种配置:原生 Claude Code、装有 Caveman 的 Claude Code,以及在 CLAUDE.md 中加了一句话的原生 Claude Code。CLAUDE.md 是 Claude Code 启动时读取的项目指令文件,加进去的那句话是“Answer concisely.”,意为“回答要简洁”。

配置 单次回答成本 质量得分
原生 Claude Code $0.152 94.3
Caveman $0.162 94.1
CLAUDE.md 中加入“Answer concisely” $0.117 93.1

Caveman 是三者中最贵的,比原生高出 8%。它让回答的字数减少了约 5%,但加载其行为规则所消耗的 token 超过了这部分节省。那条一句话指令没用任何插件,就把成本降低了 23%。

Graphify

Graphify 宣称用知识图谱取代暴力文本搜索,可将智能体的 token 开销削减 80%。在那个 1,500 个文件的仓库上,12 道问题和两项编码任务跑了两遍,数字却朝相反的方向变化。

指标 原生 Claude Code Graphify
每道问题读取的 token 25.8 万 28.8 万(+12%)
回答得分 93.0 89.1
每次会话成本 $4.62 $5.74(+24%)
会话时长 12.7 分钟 16.5 分钟(+30%)

claude-mem

claude-mem 被宣传为治疗“会话失忆”的良方。在分布于三个会话的三个场景中,原生 Claude Code 和 claude-mem 的回忆得分都是 1.00,第一天设定的规则全部记得。会话成本方面,原生为 $5.50,装插件为 $5.54。Claude Code 内置的后台工作进程和自动会话笔记,似乎已经覆盖了同样的功能。

为什么额外的结构不再划算

这些结果最可能的解释是模型的进步。这些插件成形之时,工作流运行在 Sonnet 3.5、Opus 4 等模型上,严格的规则、强制规划和预先构建的代码库地图对这些模型确有帮助。如今的 Opus 4.6、Opus 5.5、Fable 5.2 等模型能够自行推理完成这些步骤。强制的头脑风暴轮次和确认提问于是成了重复劳动,而每一条加载进来的规则都要占用上下文、消耗 token。在 Graphify 测试中,普通文本搜索(grep)比图谱既快又准。

Anthropic 的工程师也给出过类似建议:删掉复杂的技能和措辞强硬的 CLAUDE.md 指令,让脚手架保持精简、干净。

这并不意味着这些插件做得不好。作者们针对早期模型的局限打造了有用的工具;只是模型的变化快过了插件的更新。星标数记录的似乎更多是当初的实用价值和当下的关注度,而不是当下的性能。由于这些插件是开源的,开发者也可以直接动手修改,剔除当前模型已不再需要的指令。

如何决定保留什么

测试给出了一条简单的经验法则:一款插件值得保留,是因为它赋予 Claude 一项原本没有的能力,而不是因为它承诺让 Claude 的整体编码水平更高。出现以下情况时,原生 Claude Code 是更好的选择:

  • 插件重复了模型本来就会执行的规划、评审或记忆行为
  • 无论任务是什么,它的指令都会在启动时加载数千 token
  • 它的好处只建立在公开宣称的数据或人气之上,而你并没有用自己的工作验证过

三个步骤可以把这条法则落到实处:

  1. 盘点。 运行内置的 /doctor 命令,或者用自然语言让 Claude 列出所有技能和插件,标出过去 90 天内没用过的并将其移除。
  2. 有所取舍。 只保留能补上 Claude 所缺的独特能力的工具。
  3. 先测试再采用。 同一任务在装和不装插件的情况下各跑一遍,用 /cost 命令比较 token 开销和耗时,再比较输出质量。

一个人把用不上的工具模块装箱,工作台上只留下三件工具,旁边放着秒表和硬币

▲ 只保留物有所值工具的精简配置

结论

在这组测试中,五款热门插件没有一款在质量上胜过原生 Claude Code,较重的套件还让成本和时间成倍增加:在一项任务上,成本最高约为原生的五倍,测试结果却完全相同。CLAUDE.md 里的一行话,比专门的省 token 插件省得更多。这些数据来自单一测试集,因此它们是动手实测的理由,而不是放之四海而皆准的定论。盘点你的配置,去掉模型如今已能自行完成的部分,并在信任任何插件之前,先用自己的任务把它与原生运行做一次基准对比。