Claude Skill
farion1231/cc-switch
CC Switch 是一款跨平台桌面一体化助手工具,支持 Claude Code、Codex、OpenCode、OpenClaw、Gemini CLI 和 Hermes Agent。基于 Rust 和 Tauri 构建,提供提供商管理、技能管理和 WSL 支持。
概览
仓库信息
安装这个 Skill
git clone https://github.com/farion1231/cc-switch.gitRegistry 信息
项目简介
CC Switch 是一款跨平台桌面一体化助手工具,将 Claude Code、Codex、OpenCode、OpenClaw、Gemini CLI 和 Hermes Agent 整合到统一界面中。基于 Rust 和 Tauri 构建,提供提供商管理、技能管理和 WSL 支持。
A cross-platform desktop All-in-One assistant for Claude Code, Codex, OpenCode, OpenClaw, Gemini CLI & Hermes Agent. Only official website: ccswitch.io
要点
- 一体化集成多种 AI 编码助手
- 基于 Rust 和 Tauri 构建的跨平台桌面应用
- 支持 Claude Code、Codex、OpenCode、OpenClaw、Gemini CLI 和 Hermes Agent 的提供商管理
- 内置技能管理的技能管理功能
- 支持 WSL(Windows Subsystem for Linux)
- 开源,代码库包含 TypeScript 和 Rust
使用场景
- 在不同 AI 编码助手之间无缝切换
- 通过一个桌面应用管理多个 AI 提供商账户
- 跨不同助手组织并复用自定义技能
- 在 Windows 上使用 WSL 开发和测试 AI 辅助代码
- 为开发者和团队集中管理 AI 工具工作流
README 摘要
<div align="center"> # CC Switch ### The All-in-One Manager for Claude Code, Codex, Gemini CLI, OpenCode, OpenClaw & Hermes Agent [](https://github.com/farion1231/cc-switch/releases) [](https://github.com/farion1231/cc-switch/releases) [](https://tauri.app/) [](https://github.com/farion1231/cc-switch/releases/latest) <a href="https://trendshift.io/repositories/15372" target="_blank"><img src="https://trendshift.io/api/badge/repositories/15372" alt="farion1231%2Fcc-switch | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a> ### 🌐 The Only Official Website: **[ccswitch.io](https://ccswitch.io)** English | [中文](README_ZH.md) | [日本語](README_JA.md) | [Deutsch](README_DE.md) | [Changelog](CHANGELOG.md) </div> ## ❤️Sponsor > [Want to appear here?](mailto:farion1231@gmail.com) <details open> <summary>Click to collapse</summary> [](https://platform.minimax.io/subscribe/coding-plan?code=ClLhgxr2je&source=link) MiniMax-M2.7 is a next-generation large language model designed for autonomous evolution and real-world productivity. Unlike traditional models, M2.7 actively participates in its own improvement through agent teams, dynamic tool use, and reinforcement learning loops. It delivers strong performance in software engineering (56.22% on SWE-Pro, 55.6% on VIBE-Pro, 57.0% on Terminal Bench 2) and excels in complex office workflows, achievi