Claude Code 的“智能企业”：把 AI 编程能力按部门拆解，按需加载、精准调用

你是否曾为 Claude Code 写出的代码缺乏安全审查而担忧？是否在分析业务增长瓶颈时，发现它既不像财务专家那样算得清单位经济，也不像增长顾问那样能揪出真正的增长约束？headcount 正是为此而生——它不把 Claude Code 当作一个“万能助手”，而是把它重构为一家拥有 16 个职能部门、172 项专业技能的虚拟科技公司。每个部门（如安全、财务、产品）都是独立插件，可单独安装、按需激活，真正实现“问对问题，自动唤对专家”。

核心功能

按部门精准调度 AI 专家：告别模糊提问。当你问“为什么这个落地页转化率低？”，系统自动调用 demand-generation:landing-page-cro-expert；问“能承受这次招聘吗？”，立刻唤醒 finance:unit-economics。技能命名采用 部门:能力 格式（如 security:threat-modeling），彻底避免命名冲突和能力混淆。
模块化插件架构，零冗余加载：项目只需安装真正需要的部门，比如初创团队可只装 executive 和 finance，安全敏感项目再追加 security。每个部门独立发布、独立更新，不拖累整体性能，也不引入未使用的提示逻辑或权限风险。
真实企业级协作流程模拟：不仅有执行型部门（如“API 设计师”），还包含 Reviewer-class 部门（如安全审查、法务合规），它们会在关键节点主动介入、暂停流程并要求人工确认——这直接复刻了 SOC 2 审计、合同续期、跨云链路故障等真实企业场景中的风控机制。
支持子代理（Subagent）深度协同：每个部门自带 .claude/agents/ 下的专属代理章程（Agent Charter），明确其读写权限边界。这意味着你可以放心将“数据库迁移”任务全权委托给 infrastructure 部门，它将在自己隔离的写入范围内操作，不会误改前端代码或配置文件。
交互式组织架构图一键导航：访问在线组织图，可全文搜索任意技能（如“threat-modeling”）、点击进入对应部门 README、直达 GitHub 源码，极大降低学习与排查成本。
三重调用方式灵活适配工作流：既支持自然语言触发（“我们的增长停滞了”→自动匹配 CEO 部门）、也支持显式指令（/finance:financial-modeling）、还可通过插件市场命令批量安装（/plugin install security@headcount），满足从探索式提问到标准化 SOP 的全场景需求。
端到端用例驱动设计：文档 docs/USE-CASES.md 深度还原 11 个真实困境——例如“企业客户突然提出 SOC 2 合规要求”，系统会联动 security（出具控制矩阵）、legal（审核条款）、executive（评估资源投入），并由 compliance-reviewer 最终拦截未达标项，而非堆砌泛泛而谈的建议。
CEO 级战略思维注入编码环境：Office of the CEO 部门提供 business-growth-consultant（定位单一增长瓶颈）、ceo-advisor（压力测试决策假设）、saas-idea-validator（从市场/竞争/执行六维度给出“通过/否决”结论），让技术团队在写代码前，先对齐商业本质。

技术亮点

基于 MCP（Model Context Protocol）的插件化设计：严格遵循 Claude 插件生态标准，所有部门均以 MCP 兼容格式发布，确保与 Claude Code 原生集成，无需额外网关或胶水代码。
声明式技能路由引擎：内部采用语义意图识别 + 部门职责范围（Scope Definition）双校验机制，当用户提问时，先匹配关键词与领域，再验证该部门是否被当前项目安装，最后加载对应技能——整个过程对用户完全透明。
部门即最小可交付单元（Department-as-Plugin）：每个部门是一个独立 Git 仓库子模块，含完整 README、测试用例、.claude/agents/ 配置及技能元数据（如输入约束、输出格式、依赖关系），开发者可 Fork 后直接定制自己的“安全审计部”或“GDPR 合规部”。
渐进式增强而非全量覆盖：区别于“大而全”的单体 Agent 工具，headcount 明确拒绝“一个提示词包打天下”。它承认：威胁建模需要密码学知识，而单位经济测算依赖财务模型——二者底层逻辑不同，强行合并只会稀释专业性。
暗藏的工程治理哲学：通过 agent-hierarchy 技能，自动生成多层 Agent 协作架构图——建议哪些环节必须设独立审计子代理、哪些写操作需专属分支保护、哪些决策需交叉验证，将软件工程最佳实践（如权限分离、变更管控）直接编码进 AI 工作流。

适合哪些人用

主要面向三类深度使用 Claude Code 的技术决策者与一线工程师：

技术负责人（CTO / Tech Lead）：需统一团队 AI 使用规范。例如：强制所有 PR 提交前经 security:threat-modeling 扫描，并由 engineering-reviewer 确认结果后才可合并，将安全左移真正落地。
创业者与产品负责人：在 MVP 阶段快速验证商业假设。输入“我们想做 AI 驾考教练 App”，saas-idea-validator 会返回：“问题真伪存疑（驾考题库已高度结构化，AI 增量有限）；市场天花板低（全国年考生约2000万，ARPU难超200元）；建议转向‘教练员培训 SaaS’——此处有明确付费意愿与政策壁垒。”

快速上手

仅需两步，5 秒接入：

在 Claude Code 中运行：
/plugin marketplace add cbrock84/headcount
按需安装部门（示例）：
/plugin install security@headcount
/plugin install finance@headcount
/plugin install executive@headcount

之后即可自然提问，或显式调用：
/security:threat-modeling
/finance:unit-economics

首次使用强烈推荐阅读：
✅ docs/GETTING-STARTED.md（选装优先级指南）
✅ docs/USE-CASES.md（11 个真实场景推演）

同类对比 / 注意事项

vs 通用 Prompt 库（如 Awesome-Claude-Prompts）：后者是静态文本集合，需手动复制粘贴；headcount 是可执行、可管理、可审计的运行时插件，且具备部门间协作与流程阻断能力。
vs 单一功能 Agent（如独立的 SQL 生成器）：headcount 强调“上下文感知的自动路由”——同一份数据库 Schema，product:feature-impact-analysis 关注用户行为影响，finance:cost-of-downtime 则计算 SLA 违约损失，底层数据相同，视角截然不同。
注意事项：目前仅支持 Claude Code（非 Claude Web 或 API）；部分高级技能（如 ai-research-analyst）依赖较新模型版本（Claude 3.5 Sonnet 及以上）；Reviewer-class 部门默认启用“阻断模式”，需人工确认才能继续，首次使用请留意控制台提示。