GreatCTO 快速入门

这是什么？适合谁？

GreatCTO（avelikiy/great_cto）是一个站在编码 Agent 之上的编排层：由 69 个专家 Agent（架构师、设计顾问、资深开发、代码审查、QA、安全、DevOps）组成流水线，从「描述一个产品」到「部署上线」全自动完成—后端、前端、测试、live URL 一步到位。你全程只需要做两次决策：确认「做什么」和确认「是否上线」，中间的一切无人值守。

适合人群：

• 独立开发者/一人公司：想把整条软件交付管线自动化 solo builder
• 想验证产品想法的 CTO/技术合伙人：用 $171 中位成本跑出可测原型
• 多 Agent 编排学习者：一份生产级的 69-Agent 分工与门禁设计范本

不适合：多人工程团队（作者明确说两人以上共享流水线就已超纲）、需要 PCI/HIPAA 认证审计的合规场景（脚手架只是起点非认证）。

使用前提：Node ≥ 18.17、Claude Code（默认）或 OpenAI Codex（--host codex）、自己的 LLM API Key。

准备工作

• 环境：Node.js ≥ 18.17；npx 可用
• Agent 宿主：Claude Code 或 Codex CLI
• API Key：自带 LLM 提供商 Key（官方基准：单 feature 端到端 $3.40、整产品中位 $171 tokens、月 20 次运行约 $34）
• 时间预算：init 约 5 分钟；一次完整产品构建按官方公开基准在小时级
• 成本：MIT 开源免费，费用全部是你自己付给 LLM 提供商的 tokens

快速上手（3 步）

第一步：初始化

npx great-cto init            # Claude Code（默认）
npx great-cto init --host codex  # OpenAI Codex

配套插件（Superpowers、Beads）自动安装。重启 Agent 宿主后，用 claude plugin list --json 确认 great_cto 无 errors。

第二步：发起第一个产品任务

/start "build a dispatch & scheduling app for an HVAC business"

流水线接管：规格 -> 架构 -> 数据模型 -> 屏幕（检查点 1：你审批设计）-> 脚手架 -> 后端 -> 前端 -> 测试 -> 审查 -> 安全（检查点 2：你审批部署）-> 部署 + 仓库 + live URL。

第三步：看板验收

浏览器打开 localhost:3141：流水线状态、待处理门禁、每个 Agent 的成本、30 天支出全部自动填充。

成功判定：/inbox 无阻塞项；看板显示已部署；拿到 repo 与 live URL；产品自带测试通过（质量分来自跑测试，不是数文件）。

初级用法

• /start "..."：描述产品或 feature，流水线全托管
• /inbox：看哪些事在等你（待批门禁、P0、阻塞任务）
• /digest：周度 DORA 指标 + 每特性成本汇总
• 审批级别：.great_cto/PROJECT.md 里设 approval-level—gates-only（默认，2 次确认）/ product-only / strict（+代码审查，3 次）/ auto（0 次，但金融/医疗/政府类 archetype 的安全合规门禁在任何级别都不跳过）

高级玩法

1. 垂直行业管线：内置 60 种产品形态（15 个美国行业）与 6 条可复用流水线，从本地 SEO 站点到物流调度系统按 archetype 选型
2. 写时强制作用域：Agent 在文件系统层面就物理无法越界写文件—不是审查时标记，而是写入时拒绝；给自己的多 Agent 系统抄这个设计
3. 批评家先行：架构/规格/Schema 批评家在规划前运行，把错误拦截在「成本以小时计」而非「以天计」的阶段
4. 质量不信任自己：关键路径先写 Gherkin 再写测试代码，随后用变异测试反问「这套测试到底能抓住什么」
5. 跨会话记忆：决策、教训、晋升的模式按项目+全局两级持久化，中断的运行恢复后知道自己跑到哪一步

常见踩坑（5 条）

踩坑 1：init 后插件没加载

• 现象：/start 命令不存在
• 原因：宿主未重启，或插件加载报错
• 解决：重启 Agent 宿主；claude plugin list --json 确认 great_cto 无 errors

踩坑 2：把 auto 级别当免检通行证

• 现象：以为全自动=零责任
• 原因：LLM 输出非确定性，门禁裁决本身需要 sanity check（作者在 Limitations 明说）
• 解决：受监管 archetype 的合规门禁在任何级别保留；普通项目也建议抽查关键门禁

踩坑 3：当 CI/CD 系统用

• 现象：想拿它替代 GitHub Actions 做持续集成
• 原因：门禁在本地跑，定位是「单人口袋里的交付管线」
• 解决：交付后仍走正常 merge/CI 流程；它管「把东西做出来」，不管「团队协作流水线」

踩坑 4：成本预期错位

• 现象：以为免费开源=零成本
• 原因：费用全在自己付给 LLM 提供商的 tokens 上
• 解决：看板盯 per-agent 支出与 estimate-vs-actual 漂移；官方基准月 20 次运行约 $34 起步

踩坑 5：把它当合规认证

• 现象：宣称产出满足 PCI/HIPAA
• 原因：作者明确声明合规脚手架是起点不是认证
• 解决：认证仍需走正式审计流程

小技巧（5 条）

1. 先跑 live demo 再 init：官网有真实运行记录与 proof 页，先看一次完整跑批再决定投入
2. /digest 周度复盘：DORA 指标+成本/特性，solo builder 的量化经营面板
3. 用 strict 级别做关键项目：多一次代码审查门禁，换来上线信心
4. 看板地址固定 3141：localhost:3141 无需配置，跑批时挂着实时看 per-agent 成本
5. 复制 69-Agent 分工表：docs/reference/agents.md 是现成的多 Agent 角色设计参考

常见问题 FAQ

Q1：GreatCTO 免费吗？

A：MIT 开源免费；但你要为自己的 LLM API 调用付费。官方公开基准：单 feature 端到端 $3.40 tokens、整产品中位 $171、典型月 20 次运行约 $34。

Q2：它和直接用 Claude Code 写代码有什么区别？

A：单 Agent 是「打字更快的通才」；GreatCTO 是 69 个窄职责专家+各自审查门禁的流水线，作用域在写入时物理强制，且带跨会话记忆与成本看板。它是「你已有编码 Agent 之上的编排层」，不替代宿主。

Q3：代码会离开我的机器吗？

A：不会。官方声明：一切本地运行，代码留在本机，prompt 只发给你的 LLM 提供商；遥测默认关闭（docs/PRIVACY.md）。

Q4：产出质量有保证吗？

A：官方公开基准（7 个产品的 open benchmark）质量分中位 70/100（区间 58-86），分数来自跑产品自身测试而非数文件。非确定性 LLM 输出，门禁裁决仍建议人工抽查。

Q5：支持哪些宿主？

A：Claude Code（默认）与 OpenAI Codex（npx great-cto init --host codex）。README 提供九种语言的文档（含简体中文 docs/zh-CN）。

进阶学习建议

• 精读 docs/GATES.md 的门禁矩阵：四档 approval-level × archetype 差异化保留规则，是「自动化与人工把关」权衡的教科书案例
• 研究 docs/reference/agents.md 的 69-Agent 职责拆分与各自 review gate 设计，对比自己项目里的 Agent 分工粒度
• 复现官方 open benchmark（7 产品、中位 $171、70/100 质量分），建立自己对 token 成本的直觉
• 学习「critics before code」与「scope enforced at write time」两个机制在 docs/ARCHITECTURE.md 的实现方式，迁移到任何多 Agent 编排系统

参考链接

• GreatCTO GitHub 仓库
• GreatCTO 官网
• npm 包 great-cto

本文基于公开资料于 2026-08-19 整理，社区指标反映 GitHub 公开数据。独立实测未进行，功能和配置项可能随版本更新而变化，请以官方文档为准。