gstack Claude Code 操作堆栈

要解决的问题

Claude Code 的灵活性是有代价的。当一个团队开始把 agent 当作日常研发工具，工作区里的 CLAUDE.md、.claude/ 目录和自定义技能会迅速膨胀：谁在什么时候加了哪个 skill、hook 触发了什么副作用、某条命令是不是只对某个人有效，这些信息很快变得不可追溯。结果是 AI 辅助的工作流在个人手里很好用，一旦换人或换项目，就得重新摸索一遍。

Garry Tan 的这套 gstack 操作堆栈，试图把「如何用 Claude Code 做产品」这件事固化下来。它不发明新的 agent 框架，而是把团队在真实交付中沉淀下来的技能、命令、hooks 和工作流，打包成一个有明确主张（opinionated）的工作区骨架。

技能如何工作

核心思路是先有结构，再谈用法：

• 专属 agent 技能：把领域相关工作拆成独立的 skill，每个 skill 负责一类具体任务，而不是把所有指令塞进一个巨型 prompt。
• 命令与 hooks：以 /office-hours 这类斜杠命令作为入口，使用者先描述自己在做什么，再由背后的 hooks 接管上下文准备与流程推进。
• 团队初始化：通过 setup --team 与 gstack-team-init 两步，把约定的目录结构落盘，并把 .claude/ 与 CLAUDE.md 纳入版本控制，让 AI 相关的约定像代码一样可 review、可回滚。
• 声明式约束：把「进入项目就必须先加载 gstack」这类规则写成提交约定，而不是依赖每个人自己记住。

适用边界与注意点

前提是你已经在用 Claude Code，并且接受它的目录约定。它对环境有明确要求：需要 Git 和 Bun v1.0+，Windows 上还需要 Node.js。同时它来自上游个人仓库，社区维护程度有限，升级与兼容性需要你自己跟进。

另一个要点是：opinionated 意味着它会替你做很多决定。如果团队已有自己的技能体系和 hook 规则，直接引入会与现有结构冲突，更现实的用法是参考它的组织方式，而非整套替换。最后，这类堆栈的价值取决于配套工作流是否真的贴合你的产品交付节奏——命令跑得通，不等于流程能跑通。