Superpowers:让 AI 编程助手拥有专业级软件开发流程

Superpowers:让 AI 编程助手拥有专业级软件开发流程

一套可组合的"技能"系统,让你的 AI 编码助手不再急于写代码,而是先理解问题、设计方案、制定计划,再高质量地执行。

问题:AI 编程助手的"急于动手"困境

当你向 AI 编程助手提出一个需求时,它会怎么做?

大多数情况下,它会立即开始写代码------生成文件、安装依赖、编写实现。这看起来很高效,但实际上常常导致:

  • 误解需求:没有充分理解就动手,结果偏离目标
  • 过度设计:实现了很多"可能用得上"的功能(YAGNI 原则的反面)
  • 代码质量参差:缺乏系统性的测试和审查
  • 难以维护:没有清晰的设计文档和架构思考

Superpowers 项目正是为了解决这些问题而生。


解决方案:结构化的软件开发流程

Superpowers 是一套完整的软件开发工作流,基于一组可组合的"技能"(skills)构建。它的核心理念是:在写代码之前,先做好设计

核心工作流程

复制代码
头脑风暴 (brainstorming) 
    ↓
Git 工作区隔离 (using-git-worktrees)
    ↓
编写计划 (writing-plans)
    ↓
子代理驱动开发 (subagent-driven-development)
    ↓
代码审查 (requesting-code-review)
    ↓
完成分支 (finishing-a-development-branch)

1. 头脑风暴(Brainstorming)

触发时机:任何创造性工作之前------创建功能、构建组件、添加功能或修改行为。

不同于直接开始编码,Superpowers 会:

  • 通过苏格拉底式提问,逐步澄清你的真实需求
  • 探索替代方案,评估不同选择的优劣
  • 将设计方案分块呈现(每段 200-300 字),便于你阅读和消化
  • 生成设计文档保存到 docs/superpowers/specs/

关键原则:没有用户确认设计之前,绝不进入实现阶段。

2. Git 工作区隔离(Using Git Worktrees)

在设计获批后,自动:

  • 基于主分支创建独立的工作区
  • 运行项目设置和依赖安装
  • 验证测试基线是否干净

这确保了开发工作在隔离环境中进行,不会污染主分支。

3. 编写计划(Writing Plans)

将设计转化为可执行的实施计划:

  • 将工作分解为小而具体的任务(每个 2-5 分钟)
  • 每个任务包含:精确的文件路径、完整代码、验证步骤
  • 任务使用复选框语法(- [ ] **Step N:**)便于跟踪进度

计划文档保存到 docs/superpowers/plans/

4. 子代理驱动开发(Subagent-Driven Development)

这是 Superpowers 的"杀手锏"功能:

  • 为每个任务启动全新的子代理
  • 两阶段代码审查
    1. 规格合规审查:验证实现是否符合规格(防止遗漏需求或过度构建)
    2. 代码质量审查:检查代码整洁度、测试覆盖率和可维护性
  • 审查是循环过程,发现问题后修复再审查
  • 子代理可以提问澄清,状态报告包括:DONE、DONE_WITH_CONCERNS、BLOCKED、NEEDS_CONTEXT

Claude 可以在这个模式下自主工作数小时,严格遵循既定计划而不偏离。

5. 测试驱动开发(Test-Driven Development)

严格执行 RED-GREEN-REFACTOR 循环:

  1. RED:编写失败的测试
  2. GREEN:编写最少代码使测试通过
  3. REFACTOR:重构代码,保持测试通过

如果在测试之前写了代码,会被要求删除重写。

6. 代码审查(Requesting Code Review)

任务之间自动进行审查:

  • 对照计划检查实现
  • 按严重程度报告问题
  • 严重问题会阻止进度

7. 完成分支(Finishing a Development Branch)

当所有任务完成:

  • 验证所有测试通过
  • 提供选项:合并到主分支 / 创建 PR / 保留分支 / 丢弃更改
  • 清理工作区

技能库一览

Superpowers 包含 14 个精心设计的技能:

测试相关

  • test-driven-development:RED-GREEN-REFACTOR 循环,包含测试反模式参考

调试相关

  • systematic-debugging:四阶段根因分析流程,包含根因追踪、纵深防御、条件等待等技术
  • verification-before-completion:确保问题真正被修复

协作相关

  • brainstorming:苏格拉底式设计澄清
  • writing-plans:详细的实施计划
  • executing-plans:批量执行与检查点
  • dispatching-parallel-agents:并发子代理工作流
  • requesting-code-review:预审查清单
  • receiving-code-review:响应反馈
  • using-git-worktrees:并行开发分支
  • finishing-a-development-branch:合并/PR 决策工作流
  • subagent-driven-development:快速迭代与两阶段审查

元技能

  • writing-skills:遵循最佳实践创建新技能
  • using-superpowers:技能系统介绍

多平台支持

Superpowers 支持主流 AI 编程平台:

平台 安装方式
Claude Code 官方插件市场:/plugin install superpowers@claude-plugins-official
Cursor 插件市场:/add-plugin superpowers
Codex 手动安装,通过 ~/.agents/skills/ 原生技能发现
OpenCode 手动安装,通过 ~/.config/opencode/plugins/
Gemini CLI gemini extensions install https://github.com/obra/superpowers

设计哲学

Superpowers 遵循以下核心原则:

  1. 测试驱动开发------永远先写测试
  2. 系统化优于随意------流程优于猜测
  3. 降低复杂度------简单性是首要目标
  4. 证据优于宣称------在宣布成功前先验证

最新亮点(v5.0)

零依赖头脑风暴服务器

v5.0.2 移除了所有 vendored 的 node_modules,server.js 现在完全自包含:

  • 使用 Node.js 内置的 httpfscrypto 模块
  • 移除了约 1,200 行 vendored 依赖代码
  • 自定义 WebSocket 协议实现(RFC 6455 帧格式、ping/pong、正确关闭握手)
  • 原生 fs.watch() 替代 Chokidar
  • 完整的测试套件

可视化头脑风暴伴侣

可选的浏览器伴侣,在头脑风暴会话中展示:

  • 界面原型
  • 架构图
  • 对比表格
  • 其他视觉内容

文档审查系统

自动审查循环,使用子代理分派:

  • 规格文档审查员:检查完整性、一致性、架构和 YAGNI
  • 计划文档审查员:检查规格对齐、任务分解、文件结构和文件大小

架构指导

在整个技能流程中增加架构指导:

  • 头脑风暴:新增"为隔离和清晰设计"部分
  • 编写计划:新增"文件结构"部分,先规划文件和职责
  • SDD 实现者:新增"代码组织"部分和"当你不知所措时"升级指导

如何开始

Claude Code 用户

bash 复制代码
# 添加市场
/plugin marketplace add obra/superpowers-marketplace

# 安装插件
/plugin install superpowers@superpowers-marketplace

验证安装

启动新会话,提出一个应该触发技能的需求,例如:

"帮我规划这个功能"

代理应该自动调用相关的 Superpowers 技能。


贡献与社区

Superpowers 是开源项目(MIT 许可证),欢迎贡献:

  1. Fork 仓库
  2. 为你的技能创建分支
  3. 遵循 writing-skills 技能创建和测试新技能
  4. 提交 PR

项目地址:https://github.com/obra/superpowers


结语

Superpowers 不仅仅是一套工具,它是一种软件开发文化的转变------从"急于动手"到"深思熟虑",从"个人英雄主义"到"系统化协作"。

当你的 AI 编程助手拥有了 Superpowers,它不再是一个只会写代码的工具,而是一个懂得先理解问题、再设计方案、最后高质量执行的专业开发伙伴。

正如项目作者 Jesse 所说:"因为技能会自动触发,你不需要做任何特别的事情。你的编码助手只是拥有了超能力。"


如果你使用 Superpowers 完成了赚钱的项目,可以考虑赞助作者的开源工作

相关推荐
明月照山海-2 小时前
机器学习周报三十七
人工智能·机器学习
TOWE technology2 小时前
从“制造”到“智造”:智能PDU如何成为智慧工厂的电力“神经中枢”
大数据·人工智能·制造·数据中心·电源管理·智能pdu
flying_13142 小时前
图神经网络分享系列-HAN(Heterogeneous Graph Attention Network)(一)
人工智能·深度学习·图神经网络·异构图·han·节点级注意力·语义级注意力
MIka2 小时前
CopilotKit 入门:用 Runtime 和 React Core 搭建真正可用的 AI Copilot
人工智能·typescript·agent
一 铭2 小时前
Agent设计方式-工具调用:从自然语言到工具调用的桥梁
人工智能·大模型
用户4815930195912 小时前
MCP vs Function Calling:两个总被搞混的概念,一次说清楚
人工智能
黄粱梦醒2 小时前
OpenClaw-window安装教程以及通用常用命令
人工智能·llm
2501_918126912 小时前
学习所有python写服务器的语句
服务器·人工智能·python·学习·个人开发
永霖光电_UVLED2 小时前
Hensoldt 与 UMS 签署 GaN 供应协议
人工智能·神经网络·生成对抗网络