说实话，大部分人用 AI 编程助手的方式，和用 ChatGPT 问问题没什么两样。
你丢一段需求过去，它吐一段代码回来。看起来省事了，但写着写着你会发现：AI 不会质疑你的想法靠不靠谱，也不会提醒你架构可能有坑，更不会主动说”让我先测一下再发布”。
结果是：代码越写越多，bug 越修越烦。
gstack 想解决的就是这个问题。
它不只是提示词
gstack 是 YC 总裁 Garry Tan 开源的一套 Claude Code 技能。刚开始我也以为就是一堆 prompt 模板，用了一段时间后发现它更像是一个工作流程框架。
核心想法很简单：让 AI 学会分角色干活。
在 gstack 里，Claude Code 不再是那个”什么都知道一点”的通用助手，而是可以切换身份的虚拟团队成员。想质疑需求？切到 CEO 模式。要过架构方案？叫工程经理出来。设计稿看起来怪怪的？让设计师角色看看。准备发布了？QA 和发布工程师上场。
每个角色有自己的指令集，用斜杠命令就能召唤。
从想法到上线的完整链路
gstack 把整个开发流程拆成了几个阶段，完整技能清单：
想明白阶段
/office-hours—— 产品顾问模式，用六个问题逼你重新审视需求/plan-ceo-review—— 从商业角度挑刺，看能不能找到更好的切入点/autoplan—— 一键运行 CEO → 设计 → 工程评审，自动生成完整方案
规划阶段
/plan-eng-review—— 出架构图、数据流、测试策略/plan-design-review—— 检查设计稿，找出 AI 生成的”slop”（那种看着还行但经不起推敲的设计）/design-consultation—— 从零构建完整设计系统，研究生成产品原型
写代码阶段
/review—— 资深工程师模式，自动修简单 bug，复杂问题问你/investigate—— 遇到疑难杂症时系统排查根因/codex—— 第二意见，用 OpenAI Codex CLI 做独立代码审查（支持对抗性挑战、咨询模式）/design-review—— 设计师+工程师双重审计，自动修复问题
测试阶段
/qa—— 开真浏览器点来点去，端到端测试，自动修 bug/qa-only—— 纯测试报告模式，只报告不修改代码/cso—— 安全审查，跑 OWASP 和 STRIDE 威胁模型/benchmark—— 性能基线测试，监控 Core Web Vitals
发布阶段
/ship—— 同步主分支、跑测试、开 PR/land-and-deploy—— 合并代码、部署、验证线上状态/canary—— 灰度监控，检查控制台错误和性能回退/document-release—— 自动更新项目文档，同步最新改动
安全与协作
/careful—— 危险操作预警（rm -rf、DROP TABLE、force-push 等）/freeze—— 锁定编辑范围，防止越界修改/guard——/careful+/freeze双重保险/unfreeze—— 解除编辑锁定/retro—— 周回顾，统计代码量、测试健康度、成长机会（支持多项目全局回顾）
工具配置
/browse—— 真实 Chromium 浏览器操作（~100ms/命令）/setup-browser-cookies—— 导入真实浏览器 cookie，测试登录态页面/setup-deploy—— 部署配置向导，一次性设置/land-and-deploy/gstack-upgrade—— 自检更新到最新版本
这些技能不是孤立的，前一个的输出会自动传给后一个，串成一条线。
作者的真实体验：一天能搞多少事？
Garry Tan 自己说他是这套系统的重度用户。他公开的数据挺夸张：
过去 60 天，写了 60 多万行生产代码（其中 35% 是测试），平均每天 1-2 万行，而且是在兼职的情况下。
数字听起来像吹牛，但我理解背后的逻辑。当你能同时调动多个”专业角色”并行工作，效率确实不是加法而是乘法。
说说我试下来典型的一天：
早上有个新功能想法，先跑 /office-hours。Claude 会追问你具体解决什么痛点、谁会用、在什么场景下用，帮你把模糊的想法理清楚。
然后 /plan-ceo-review 从商业角度挑战方案。我试过描述一个”日程提醒应用”，它直接说”你其实是在做个人 AI 助理”，然后给出了完全不同的产品定位。
接着 /plan-eng-review 出技术方案，数据流图、错误处理、测试覆盖都给你安排好。
下午写代码。写完跑 /review，自动发现两个 bug 并修复，只有一个边界条件需要我确认。
/qa 在 staging 环境开浏览器实际点一遍，又发现一个交互问题，顺手修了。
最后 /ship 开 PR，/land-and-deploy 完成部署。
全程一个人，但感觉像是跟一整个团队配合了一整天。
适合谁用？
gstack 不是给新手的。它的价值在于：你已经会用 Claude Code 写代码，但想要更系统的流程和质量把控。
我觉得这几类人会比较合适：
- 独立开发者 / 创业者 —— 没团队，但需要代码审查和测试覆盖
- 技术负责人 —— 想在团队里建立 AI 辅助编程的质量标准
- Claude Code 重度用户 —— 觉得单轮对话不够用了，想要结构化工作流
怎么开始
安装挺快的，30 秒搞定。
Claude Code 用户
1
2
git clone https://github.com/garrytan/gstack.git ~/.claude/skills/gstack
cd ~/.claude/skills/gstack && ./setup
然后在项目的 CLAUDE.md 里加上 gstack 配置，列出可用技能。
Codex CLI 用户
官方也支持 OpenAI Codex CLI，有两种安装方式：
单仓库安装（推荐，技能提交到代码库，团队协作）：
1
2
git clone https://github.com/garrytan/gstack.git .agents/skills/gstack
cd .agents/skills/gstack && ./setup --host codex
用户全局安装（仅当前用户可用）：
1
2
git clone https://github.com/garrytan/gstack.git ~/gstack
cd ~/gstack && ./setup --host codex
自动检测安装（自动识别已安装的 agent）：
1
2
git clone https://github.com/garrytan/gstack.git ~/gstack
cd ~/gstack && ./setup --host auto
快速上手
建议新手从这几个命令开始：
/office-hours—— 描述你在做什么/plan-ceo-review—— 评审功能想法/review—— 检查代码变更/qa—— 在测试环境跑一轮
跑完这四个命令，你大概就知道这套东西适不适合自己了。
gstack 现在在 GitHub 有 47,000 多星，MIT 协议开源，完全免费。
它真正的价值不是”更好的 prompts”，而是给 AI 编程加了一套流程和检查点。代码审查、架构评审、QA 测试，这些以前需要多人协作的环节，现在一个人也能跑起来。
它当然替代不了真正的团队协作。但对小团队或独立开发者来说，这确实是个能提升交付质量的工具箱。
GitHub：https://github.com/garrytan/gstack
