36K Star，Claude Code 终于有人给出了一套“别乱掉”的工作流

写稍微大一点的项目时，很多人对 Claude Code 都有同一种怨气：前面几轮还挺聪明，越写到后面越飘。上下文一长，它就开始忘前文、误解需求、乱补代码，最后你盯着屏幕，会有一种很熟悉的感觉——不是在协作，是在收拾残局。

最近，一个独立开发者开源了一套 Claude Code 自定义命令集 GSD（Get Shit Done），在 GitHub 上很快揽下 36000+ Star。它火，不是因为名字够猛，而是确实打中了 AI 编程里一个特别烦、但大家又天天在忍的问题：上下文一变长，代码质量就开始塌。

GSD 本质上不是新模型，也不是什么“神奇外挂”。它更像一套轻量级的、规范驱动的开发流程。

它做的事很直接：先把一个模糊的大目标拆成阶段任务，再把每个子任务放进独立的上下文窗口里执行。这个点其实挺关键。很多 AI 编程工具一旦连续跑太久，窗口里塞满历史信息，模型就会慢慢失焦，像人熬夜写代码一样，字都还认识，脑子已经不太清楚了。

GSD 的思路就是别让它硬撑。

一个任务一个上下文，做完再切下一个。这样 AI 每次面对的都是相对干净、边界明确的问题，不需要在一大坨历史对话里反复打捞重点。听起来朴素，但对实际写项目这件事，很有用。

我觉得它好用的地方，不只是“拆任务”这件事本身。真正值钱的是，它把很多人嘴上说的“让 AI 更有条理”落成了具体命令和可执行流程。以前你也知道应该分阶段做、先写规范、再逐步推进，但真到写的时候，还是会顺手把所有需求一股脑丢给模型。然后模型也很配合地给你一大段看起来很完整、实际上经不起细看的产物。

GSD 有点像在这个环节踩了一脚刹车。

它支持的工具也比较广，不只 Claude Code，还能接到 OpenCode、Gemini CLI、Codex 这类 AI 编程工具里，用 npx 就能一键安装。门槛不高，这也是它传播快的原因之一。很多项目不是缺一个更强的模型，而是缺一个没那么容易失控的工作方式。

这类项目最近越来越受欢迎，也说明了一件事：AI 编程正在从“灵光一现的演示”往“能不能稳定交付”走。

大家现在已经没那么满足于让模型写个小 demo 了。真正的痛点是，需求多一点、文件多一点、回合数长一点之后，它还能不能稳。GSD 没有试图解决所有问题，它只是很务实地处理了最容易出事故的那段：别让模型带着一整个混乱上下文一路硬写。

这事说大不大，说小也不小。

因为很多人以为 AI 编程的上限取决于模型本身，实际上到了项目阶段，真正影响体验的，往往是流程设计、上下文管理、任务切分这些“听上去不性感”的东西。模型当然重要，但怎么喂、怎么拆、怎么跑，一样决定成败。

所以 GSD 的爆红，不太像一次普通开源项目出圈。更像是很多 AI 开发者终于集体承认了一件事：想把 AI 真正用进开发，不只是要更聪明的模型，还得有一套不让它发疯的工作流。

GitHub：gsd-build/get-shit-done