🚀 Compound Engineering Plugin：让 AI 编程助手真正理解你的“复合工程”逻辑
🤔 当 AI 编程助手遇到“大型系统”
想象一下这个场景：你正在使用 Claude Code 或 Cursor 重构一个微服务架构下的订单系统。你告诉 AI：“帮我优化这个订单服务的错误处理逻辑。” 然后 AI 开始改动 OrderService.java，但它完全不知道这个改动会影响下游的 PaymentService、NotificationService，甚至不知道这个服务依赖了某个特定的 Redis 集群配置。
结果呢？AI 生成了“看起来正确”但“实际上跑不起来”的代码。你不得不手动检查每一处依赖关系，甚至回滚改动。这种挫败感，相信每一位在大型项目中尝试过 AI 编程助手的开发者都深有体会。
问题出在哪里？AI 编程助手缺乏对“复合工程”的理解——它们能看到单个文件，但看不到文件之间的依赖网络、配置拓扑、构建关系以及运行时环境。
今天要介绍的 EveryInc/compound-engineering-plugin，正是为了解决这个痛点而生。它像一个“工程知识图谱”插件，让 Claude Code、Codex、Cursor 等 AI 助手真正“看懂”你的整个项目结构。
🏗️ 什么是“复合工程”插件？
这个插件的核心概念是 Compound Engineering（复合工程）——一种将软件系统视为多个相互关联的“复合体”的工程方法论。每个复合体可以是一个微服务、一个库、一个模块，甚至是一个基础设施配置。
插件通过解析项目的构建配置、依赖声明、容器定义、部署清单等元数据，构建出一个结构化的 工程上下文，然后注入到 AI 助手的提示（prompt）中。这样，AI 在生成代码时，就拥有了“全局视野”。
简单来说，它做了三件事：
- 📂 扫描：自动发现项目中的所有复合体（服务、模块、包）
- 🔗 关联：建立复合体之间的依赖关系和通信协议
- 🧠 注入：将结构化上下文注入 AI 的对话窗口
⚡ 核心功能与实战效果
1. 多平台兼容，一个插件通吃
插件目前支持 Claude Code、Codex CLI、Cursor、Continue 等主流 AI 编程工具。这意味着你不需要为每个工具重复配置工程上下文。安装一次，到处生效。
# 在 Claude Code 中启用
claude code --plugin compound-engineering
# 在 Cursor 中，通过扩展市场安装
cursor:ext install compound-engineering
2. 智能上下文注入，告别“幻觉”
插件会分析项目的 package.json、pom.xml、Dockerfile、docker-compose.yml、Kubernetes manifests 等文件，生成一个 工程摘要。这个摘要会被自动附加到每次 AI 请求的上下文中。
例如，当你在一个 monorepo 中工作时，插件会告诉 AI：
“当前项目包含 3 个服务：auth-service（端口 3001，依赖 PostgreSQL）、order-service（端口 3002，依赖 auth-service 和 Redis）、gateway（端口 8080，反向代理到所有服务）”
这样，AI 就不会建议你给 auth-service 添加一个它不需要的数据库连接池了。
3. 自定义复合体定义，适配任意架构
不是所有项目都遵循标准的 monorepo 结构。插件允许你通过 compound.config.yaml 文件手动定义复合体边界和依赖关系：
# compound.config.yaml
compounds:
- name: "payment-engine"
root: "./services/payment"
type: "microservice"
dependencies:
- "shared-lib"
- "event-bus"
apis:
- path: "/api/v1/charge"
method: "POST"
consumes: "application/json"
- name: "shared-lib"
root: "./libs/shared"
type: "library"
exports:
- "models"
- "validators"
这种灵活性让插件能适配从单体应用到复杂微服务网格的任何架构。
🚀 5 分钟快速上手
Step 1：安装插件
根据你使用的 AI 工具，选择对应的安装方式：
# 使用 npm 全局安装（适用于 Claude Code / Codex）
npm install -g @everyinc/compound-engineering-plugin
# 或者使用 Homebrew
brew install everyinc/tap/compound-engineering
Step 2：初始化配置
在你的项目根目录运行初始化命令：
compound init
插件会自动扫描项目结构，并生成一个 .compound 目录，里面包含了工程上下文的缓存和索引。
Step 3：在 AI 工具中使用
以 Claude Code 为例，启动时带上插件参数：
claude code --plugin compound-engineering
然后正常提问即可。你可以通过 /context 命令查看当前注入的工程上下文：
/context
> 当前复合体数量: 5
> 依赖关系: 12条
> 外部服务: 3个 (PostgreSQL, Redis, Stripe API)
> 已识别的端口映射: 4个
🧩 进阶使用技巧
技巧 1：结合 MCP 协议扩展能力
插件支持 Model Context Protocol (MCP)，这意味着它可以与支持 MCP 的 AI 工具深度集成。你可以让 AI 通过 MCP 工具直接查询运行时状态：
用户: “检查 payment-service 的健康状态”
AI: （调用 MCP 工具查询） “payment-service 当前健康检查通过，CPU 使用率 23%，内存 512MB/1GB”
技巧 2：多仓库项目的统一上下文
如果你的项目分散在多个 Git 仓库中，可以使用 compound link 命令将它们关联起来：
# 在主项目目录中链接其他仓库
compound link ../payment-service
compound link ../notification-service
这样，AI 就能跨仓库理解完整的系统拓扑。
技巧 3：自定义上下文模板
你可以编辑 .compound/templates/default.md 文件，自定义注入到 AI 的上下文格式。例如，添加团队特定的编码规范：
## 编码规范
- 所有 API 必须使用 OpenAPI 3.0 文档
- 错误响应格式统一为 { "error": { "code": "...", "message": "..." } }
- 日志必须包含 requestId 字段
💡 场景总结与扩展思考
回到文章开头的场景——如果你在重构订单服务时使用了 Compound Engineering Plugin，AI 会首先意识到：
- 这个服务依赖
PaymentService的 gRPC 接口 - 它需要访问
shared-lib中的订单模型 - 它的部署需要更新 Kubernetes Service 的端口映射
于是 AI 生成的代码会自动适配这些约束，甚至主动提醒你更新相关的配置。
这个插件的设计哲学其实揭示了一个更深层的趋势：AI 编程助手正在从“代码补全工具”进化为“系统架构师副驾驶”。要让 AI 真正理解大型系统，不能只靠更长的 prompt，而是需要结构化的工程元数据注入。
未来，我们可以想象这样的场景：
- AI 在生成代码时自动创建对应的单元测试和集成测试
- AI 在修改接口时自动更新 OpenAPI 文档
- AI 在部署前自动检查配置漂移和依赖冲突
Compound Engineering Plugin 正是这条道路上的重要一步。它不是一个“魔法棒”，而是一个“翻译器”——将人类工程师对系统结构的理解，翻译成 AI 能理解的上下文语言。
如果你正在使用 AI 编程工具构建真实的生产系统，这个插件值得一试。它可能不会让你的代码写得更快，但一定会让你的 AI 助手犯更少的愚蠢错误。而这，在工程世界里，就是最大的效率提升。
📦 项目地址：https://github.com/EveryInc/compound-engineering-plugin
🌟 如果这个项目对你有帮助，不妨去 GitHub 给它一个 Star，让更多开发者看到这个好工具。
