Superpowers：给 AI 编程 Agent 装上"工程化超能力"

Hi～大家好呀，我是清汤饺子。 前几天让 Claude Code 帮我写个小功能，它噼里啪啦一顿输出，代码倒是挺像那么回事。一跑，报错 40 个。

我盯着屏幕愣了三秒，然后开始一个个手动修。

事后复盘，问题不在 AI 写的代码烂，而在于------它太有热情了。拿到需求就开干，根本不问我"你想解决什么问题"、"这个场景下最优解是什么"。

这感觉就像招了一个「执行力超强但完全没有工程纪律」的 junior。

然后我发现了 Superpowers。

01 解决什么问题

AI Coding Agent 最大的通病，懂的都懂：

• 拿到需求就开干：不等你确认，先肝为敬
• 不写测试：代码写完自己都不知道写了啥
• 代码像开盲盒：这次好使，下次不知道哪个版本就崩了

人类工程师有 TDD、有 code review、有设计评审，有一整套工程纪律来约束自己。但 AI Agent 呢？它只管输出，不管后果。

Superpowers 就是干这个的------给 AI Agent 装上一组技能卡，让它学会工程化的工作流。

不是让它更聪明，是让它更有章法。

02 Superpowers 是什么

这是 Jesse Vincent（GitHub @obra）做的一个开源项目，全称是 Superpowers --- An agentic skills framework & software development methodology。

翻译成人话：一套给 AI 编程 Agent 用的技能框架。

它不是让你用更厉害的模型，而是让你的 AI Agent 具备一套工程化思维：

• 写代码前先做设计评审
• 先写测试再写实现
• 任务拆解到 2-5 分钟一个
• 子 Agent 并行执行 + 两阶段 review

支持 Claude Code、Cursor、Codex、OpenCode 和 Gemini，主流 AI 编程工具都能用。

03 这工作流是怎么跑起来的

第一步：brainstorming ------ 先别写代码，灵魂拷问一下

Superpowers 的第一条技能叫 brainstorming，触发时机是「写代码之前」。

当 AI 看到你要做新功能，它不会直接开干，而是反过来问你：

"你到底想解决什么问题？" "这个场景下有哪些边界情况？" "你觉得最优解是什么？"

我第一次用它做设计，它连着问了我 6 个问题才肯动笔。那感觉......像找了个 senior 在给我做 design review。

Socratic 追问，让 AI 先理解需求再动手。这治好了 AI "拿到需求就肝" 的毛病。

第二步：writing-plans ------ 任务拆解到 2-5 分钟

需求确认之后，进入 writing-plans 技能。

AI 会把整个功能拆成若干小任务，每个任务：

• 精确到文件路径
• 有完整的代码内容
• 有验收标准

更关键的是：每个任务 2-5 分钟就能跑完。

以前我让 AI 写整个功能，它容易迷失在中途。现在它把活儿拆成「傻瓜式操作手册」，就像给一个「执行力强但没耐心」的 junior 写了一份 2 分钟就能完成的小任务清单。

第三步：subagent-driven-development ------ 子 Agent 并行跑

计划就绪，主 Agent 调度 subagent-driven-development 技能。

它的核心是：

1. 子 Agent 并行执行：每个任务交给独立的子 Agent 处理
2. 两阶段 review：先检查规格是否合规，再检查代码质量
3. 连续运行能力：实测 Claude 可以连续跑 2 小时不用管

简单说就是：你当老板，AI 们当工人。主 Agent 包工头负责分配任务、监督进度、质量把关。

第四步：TDD 红绿重构 ------ 先写测试这道坎

这是我觉得最有价值的部分：test-driven-development。

核心流程就三步：

1. RED：写一个注定失败的测试
2. GREEN：写最少的代码让测试通过
3. REFACTOR：重构优化

重点是：必须先写测试，再写实现，测试前的代码直接删掉。

这治好了 AI "写完代码懒得测" 的毛病。以前我让 AI 写功能，它输出完就完事，根本不管测试。现在它被强制绑上了 TDD 的战车。

第五步：收尾工作 ------ finishing-a-development-branch

任务全部完成后，finishing-a-development-branch 技能接管：

• 验证所有测试通过
• 给出四个选项：merge / PR / 保留 / 丢弃
• 自动清理 worktree

不需要你手动去处理分支清理，AI 会把收尾工作做完。

04 技能全景图

技能	触发时机	作用
brainstorming	写代码前	需求澄清，Socratic 追问
writing-plans	设计批准后	任务拆分，2-5min/任务
using-git-worktrees	设计批准后	创建独立分支，验证干净测试基线
verification-before-completion	调试完成后	验证问题真的修好了
subagent-driven-development	计划就绪	子 Agent 并行执行 + 两阶段 review
test-driven-development	实现中	强制红绿重构
systematic-debugging	调试时	4 阶段根因分析
requesting-code-review	任务间	按严重性报告问题
finishing-a-development-branch	任务完成	收尾 + 分支清理

这套技能的精妙之处在于：触发完全自动。你不需要手动调用，AI 会根据当前任务状态自动匹配技能。

就像给 AI 装了一堆「工程化本能」，遇到对应场景自动触发。

05 怎么装上

各平台安装方法：

Claude Code

# 方式一：官方 Claude 插件市场（推荐）
/plugin install superpowers@claude-plugins-official

# 方式二：社区 marketplace（需要先注册）
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

Cursor

# 在 Agent chat 中
/add-plugin superpowers

Codex

Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.md

安装大约 5 分钟，配上之后的感觉像是------给 AI 做了一个完整的入职培训。

06 真实感受

惊喜时刻：

• 项目节奏完全变了。以前我追着 AI 跑，现在是 AI 追着任务跑
• Claude 真的能连续跑 2 小时不出岔子
• TDD 闭环治好了我懒得写测试的毛病

崩溃时刻：

• 第一次用的时候它问太多问题（brainstorming 阶段），差点想卸载
• 配置比想象中复杂，需要花时间理解每个技能的触发逻辑

适合的人：

• 有一定经验的开发者，懂 TDD、懂工程化的人用起来如虎添翼
• 团队协作场景，AI 能承接更多的工程纪律

不适合的人：

• 纯新手可能觉得被束缚，不知道为什么要这么做
• 小项目不值得折腾，简单功能直接让 AI 写反而更快

07 本质是什么

用了一圈下来，我觉得 Superpowers 的本质是：

不是让 AI 替代你，是让它成为更有章法的搭档。

它不是在提升 AI 的智商，而是在约束 AI 的行为------让它像人类工程师一样思考、像人类工程师一样工作。

以前我把活儿交给 AI，总是提心吊胆，不知道它会整出什么幺蛾子。现在有了 Superpowers 的工程化约束，我更愿意把任务交给 AI 了。

因为它不会再半夜给我埋雷。

08 技术原理

看完了 GitHub 仓库之后，我发现 Superpowers 的实现比"配置文件合集"要精妙得多。

SKILL.md：技能即文档

每个技能都是一个 .md 文件（Markdown），放在 skills/ 目录下。文件格式包含两部分：

Frontmatter（YAML 元信息） ：

---
name: brainstorming
description: Use when [condition] - [what it does]
---

正文内容：技能的详细指令，告诉 AI 在什么场景下怎么做。

关键是 description 字段 ------这是 AI 自动发现和触发技能的依据。Codex/Claude Code 在每次任务执行前，会扫描 ~/.agents/skills/ 目录，根据 description 匹配当前上下文，自动激活对应技能。整个过程不需要你手动调用。

7 步接力：上游输出驱动下游输入

每一步的输出成为下一步的输入：

• brainstorming 产出设计文档（human-approved）
• using-git-worktrees 创建隔离分支环境
• writing-plans 把设计拆成任务清单
• subagent-driven-development 按任务执行 + 两阶段 review
• test-driven-development 强制 TDD
• requesting-code-review 任务间按严重性报告问题
• finishing-a-development-branch 收尾

两阶段 Review：规格合规 → 代码质量

每个子 Agent 完成任务后，经历两关：

1. 规格合规性审查：任务有没有按 plan 执行？有没有超出范围？
2. 代码质量审查：代码本身写得怎么样？有没有明显 bug 或坏味道？

两关都过，才进入下一个任务。这治好了 AI "做多了或做歪了" 的问题。

TDD 强制闭环

test-driven-development 的核心规则：

• RED：AI 必须先写一个注定失败的测试
• GREEN：然后写最少的代码让测试通过
• REFACTOR：最后重构优化

最狠的一条：测试写出来之前的代码直接删掉。AI 没有"先写实现后补测试"的选项。

哲学层：Process over guessing

README 里 Jesse Vincent 写了四条原则：

• Test-Driven Development --- 先写测试，永远
• Systematic over ad-hoc --- 系统化流程 > 猜测
• Complexity reduction --- 简单性是首要目标
• Evidence over claims --- 用验证说话，不要只靠感觉

本质就是：不要相信 AI 的直觉，要相信工程纪律。

GitHub 仓库：github.com/obra/superp...

---

写在最后

Superpowers 这套技能框架，解决的不是 AI 能力不足的问题，而是 AI 行为不可控的问题。

如果你也在用 AI Coding Agent，感觉它"太热情但不靠谱"，建议试试这套方法论。

当然，它不是银弹。工程纪律是给有工程经验的人用的，如果你本身对 TDD、代码审查这些概念不熟悉，Superpowers 可能会让你更困惑。

核心问题是：你愿不愿意花时间教会 AI 按你的方式工作？

这个问题没有标准答案，取决于你的项目规模和团队情况。

---

你在用 AI 编程工具吗？有什么"AI 疯狂输出但最后还是我来收拾烂摊子"的经历吗？欢迎在评论区聊聊，看看大家都有什么奇葩故事。

如果觉得有帮助，点个赞收藏一下，我会更有动力更新下一期。

也欢迎关注我的公众号「清汤饺子」，获取更多技术干货！