别只会用 Claude，这 7 个 GitHub 项目才是真正的效率神器
dev约 6 分钟大家都在聊 Claude。
但很少有人认真聊另一件更有意思的事：
开发者到底围绕 Claude 搭出了什么？
说实话，真正好玩的部分，根本不在那个聊天窗口里。
聊天当然有用。
但当你打开 GitHub，看见一堆人已经把 Anthropic 的模型接进代码库、编辑器、任务系统、MCP、日志分析和自动化工作流里时，你才会发现：
Claude 真正的威力，不是“能回答问题”。
而是它可以被接进一整套工具链。
我这段时间一直在收集这些项目。
一开始只是因为标签页太多，怕自己忘了。
后来发现，有些项目真的会改变你使用 Claude 的方式。有几个，我现在几乎每天都在用。
所以，与其继续私藏，不如直接整理出来。
1. ccusage
这是那种你早该知道，但通常要等到账单吓你一跳之后，才会有人告诉你的工具。
ccusage 会读取你的 Claude Code 对话日志，然后告诉你 token 到底花在了哪里。
按天拆。
按项目拆。
按 session 拆。
没有复杂 dashboard。
不用注册账号。
一条命令，就能把你的使用情况摊开给你看。
我第一次跑它的时候，本来以为只是看到一个无聊数字。
结果它给出的拆分非常有用，甚至直接改变了我组织 Claude Code session 的方式。
每天跑一次：
npx ccusage@latest
十秒钟看到的东西，可能比你一个月盲用 Claude Code 学到的都多。
GitHub Link: https://github.com/ryoppippi/ccusage
发现一个低成本 AI 平台：
GPT-5.5、Claude Code 4.8 都能用，倍率只要 0.2，还支持 image-2 生图。
适合 Codex / Claude Code 用户。
关注公众号后，后台回复 aihub 即可获取体验额度。
2. Claude Cookbooks
这是 Anthropic 官方维护的一套 notebook 和 recipe 集合。
也是我希望自己第一天用 Claude API 时，就有人直接甩给我的资源。
它不是营销材料。
不是那种看起来很完整、实际没法直接用的文档拼盘。
里面是真正可以复制、运行、修改的代码示例。
覆盖范围很广：
tool use。
RAG。
vision。
agents。
evaluations。
fine-tuning。
各种常见能力，都被整理成了清晰分类。
最关键的是，每个 notebook 真的能跑。
你 clone 下来，改几行，跑一下，弄坏，再修回来。
这个学习体验，和单纯读一页文档完全不同。
文档告诉你“应该怎么做”。
Cookbook 让你直接从一个可运行版本开始。
GitHub Link: https://github.com/anthropics/claude-cookbooks
3. Model Context Protocol Servers
MCP 基本可以理解成 AI 模型的“USB 接口”。
而这个仓库，就是官方参考服务器合集。
它展示了 Claude 如何接触真实世界。
比如文件系统、Postgres 数据库、GitHub、Git、memory、web fetching，还有更多工具。
每个 server 都是一个小而清晰的示例。
你可以拿来学习，也可以直接接进自己的系统里。
一旦你理解了 MCP，很多关于 Claude 的问题都会突然变清楚。
你不会再把它想成一个只能聊天的窗口。
你会开始把它看成一个可以插工具、连系统、读数据、做动作的智能层。
这也是现在 Agent 架构里非常重要的变化。
模型本身负责理解和规划。
MCP 负责让它安全地接触外部世界。
GitHub Link: https://github.com/modelcontextprotocol/servers
4. Claude Task Master
很多人用 Claude 做任务时，最大的问题不是它不会写代码。
而是项目一复杂，整个上下文就散了。
今天让它做一个功能。
明天让它修一个 bug。
后天再接一个 PRD。
很快，你自己都不知道现在做到哪一步了。
Claude Task Master 解决的就是这个问题。
它是一个 AI 驱动的任务管理系统，可以接进 Claude Code、Cursor、Windsurf，以及其他编辑器。
你把 PRD 喂进去，它会把整个需求拆成结构化任务。
它会整理依赖关系。
它会告诉你下一步该做什么。
它不是简单地把一段需求总结成清单。
它更像是在给你的 AI 开发流程加一根脊柱。
最打动我的地方，是它内置了 research tool。
它可以拉取模型 cutoff 之后的新信息，所以生成任务时不会完全困在旧知识里。
对于任何超过一个周末的小项目来说，这种结构都非常重要。
GitHub Link: https://github.com/eyaltoledano/claude-task-master
5. Repomix
Repomix 解决的是一个很小、但非常烦人的问题。
只要你试过把整个代码库喂给 AI，你一定遇到过：
文件太多。
上下文太散。
Claude 看不到项目全貌。
你问一个架构问题，它只能根据局部文件猜。
Repomix 的做法非常直接：
一条命令，把整个 repository 打包成一个 AI 友好的单文件。
就这么简单。
但这件小事，真的很有用。
你运行：
npx repomix
拿到输出文件，把它丢给 Claude。
模型突然就能看到项目结构、依赖关系、文件组织方式，以及各个部分之间怎么连接。
你的问题质量不会变。
但 Claude 的回答质量会明显变好。
而且 Repomix 不只适合 Claude。
它基本可以配合各种大模型使用。
为什么有用？
上下文，就是这类工具的命。
你给模型的上下文越好，它的回答越像真的理解你的项目。
代码审查、陌生仓库 onboarding、大型重构规划、架构解释，都需要完整上下文。
Repomix 是把代码库上下文交给 AI 的最简单方式之一。
GitHub Link: https://github.com/yamadashy/repomix
6. Claude Engineer
这个项目有点野。
而且是好的那种野。
Claude Engineer 是一个交互式 CLI。
它最有意思的地方在于：
Claude 可以在对话过程中，自己构建它需要的工具。
它会发现自己缺少某个能力。
然后设计这个工具。
再实现它。
接着立刻使用它。
这一切都发生在你正在工作的过程中。
项目本身也带了一组预置工具，并且提供沙箱代码执行器，避免事情跑偏。
第一次看到它现场创建一个自己需要的工具，然后马上拿来用时，你会突然意识到：
“自我改进 Agent” 不是一个抽象概念。
它已经能以一种很粗糙但真实的方式出现在你眼前。
GitHub Link: https://github.com/Doriandarko/claude-engineer
7. Awesome Claude Code
Awesome Claude Code 是 Claude Code 生态的一张地图。
它收集了大量 skills、hooks、slash commands、agent orchestrators、apps、plugins 和相关工具。
如果我现在想给 Claude Code 找某种特定能力，它通常是我第一个打开的地方。
这个仓库有 40K+ stars，而且维护得很完整。
换句话说，你准备自己造的很多轮子，大概率已经有人造过了。
你需要某个框架的工作流？
可能有。
你想找一个运行测试的 hook？
可能有。
你想要一个 slash-command，快速生成项目脚手架？
也很可能已经有人写了。
这类列表最有价值的地方，不是“东西多”。
而是它帮你省掉盲逛 GitHub 的时间。
GitHub Link: https://github.com/hesreallyhim/awesome-claude-code
最后
如果你只是偶尔打开 Claude 聊聊天，那这些仓库可能暂时没那么必要。
但如果你已经开始用 Claude Code、Claude API、MCP，或者准备把 Claude 接进自己的开发工作流，这 7 个项目就很值得认真看。
它们分别解决了不同问题：
看清 token 成本。
学习官方实践。
连接外部工具。
管理复杂任务。
打包代码上下文。
研究自我扩展 Agent。
探索 Claude Code 生态。
Claude 本身当然重要。
但 2026 年真正拉开差距的，不只是你用哪个模型。
而是你能不能围绕模型搭出一套顺手、稳定、可观察、可扩展的工具链。
聊天窗口只是入口。
真正的生产力，在 GitHub 里。