别再只会写提示词!Superpowers 正在重新定义 AI 编程

需求没问清就写!边界没拆清就写!用例没先写就写!改完没检查就发!

这是当前AI编程经常遇到的问题。最近很火的Superpowers又是什么?能不能解决这个问题呢?

是什么

Superpowers 是一套完整的软件开发工作流,建立在一组可组合的 skills 之上,并通过初始化指令确保 agent 真正去使用这些 skills。

最后看起来很快,实际上返工更多。

Superpowers 解决的,就是这类问题。它不是靠一句更强的 prompt 去赌模型状态,而是把整套流程拆成一批可调用的技能:

  • brainstorming:先把需求问清楚,再给方案和设计

  • writing-plans:把实现计划拆成可执行的小任务

  • test-driven-development:严格走 RED-GREEN-REFACTOR

  • subagent-driven-development:把任务派给独立子代理执行

  • requesting-code-review:每个阶段都做复核

  • using-git-worktrees:隔离分支和工作区,避免互相踩

  • finishing-a-development-branch:最后决定合并、发 PR 还是保留分支

说白了,Superpowers 想做的不是"让 AI 一口气写完代码"。而是让 AI 像一个流程严格、习惯良好的工程团队那样工作。

它和普通提示词最大的区别

普通提示词,通常只解决一件事:"这一次,怎么让模型表现好一点。"

Superpowers 解决的是另一件事:"以后每一次,怎么让 agent 按同一套规则工作。"

它的核心结构,其实只有两层。

第一层是 skills

这些 skill 本质上是仓库里的 SKILL.md 文件,是一份份面向 agent 的操作手册。有的强调流程,有的强调测试,有的强调 review,有的强调并行协作。

第二层是 bootstrap / discovery

也就是让宿主 agent 在任务开始前,先检查有没有相关 skill,再决定怎么做,而不是先凭直觉行动。

这件事看上去简单,意义却非常大。因为只要 agent 先"查 skill,再行动",它的行为风格就会稳定下来。

using-superpowers 这个核心 skill 甚至把规则写得非常硬:

如果有哪怕 1% 的概率某个 skill 适用,就必须先调用 skill。

但它也没有越界。同一个 skill 里写得很清楚:用户显式指令始终优先。

也就是说,Superpowers 很强,但不夺权。

工作流程

先看官方 README 里的基本工作流。

第一步是 brainstorming

在你要做新功能、改行为、做设计时,它要求 agent 先理解项目上下文,再一个问题一个问题把需求问清楚,然后给出 2 到 3 种方案与 trade-off,最后形成设计稿并让你确认。

这一步的价值非常高。很多 AI 编程翻车,不是实现差,而是一开始就做错题。

第二步是 writing-plans

这个 skill 非常强调"计划必须细到一个没有上下文、品味一般、还不太爱测试的工程师也能执行"。

所以它要求每个任务都写清楚文件路径、测试方法、命令、预期输出,甚至要求任务粒度缩到 2 到 5 分钟。

第三步是 test-driven-development

它的口径极其强硬:NO PRODUCTION CODE WITHOUT A FAILING TEST FIRST

换句话说,没有先看到失败测试,就不允许写生产代码。如果先写了代码,再补测试,按它的规则是要删掉重来。

第四步是 subagent-driven-developmentexecuting-plans

前者更像"分任务给子代理逐个实现,再逐个复核"。后者更像"按批次推进,保留人工检查点"。

第五步是 requesting-code-review

它不是等到最后才 review,而是鼓励阶段性 review。每完成一个任务,就先做规格符合性检查,再做代码质量检查,防止问题一路滚到最后。

最后一步是 finishing-a-development-branch

把测试、分支处理、PR 或 merge 决策都纳入流程。

这说明它追求的不是"写出代码",而是"把开发闭环走完"。

如果你以前觉得 agent 经常像一个"聪明但毛躁的实习生",那 Superpowers 干的事,其实就是给这个实习生配上一套非常严格的团队 SOP。

怎么安装

Superpowers 没有单一安装方式,必须按宿主平台来。

如果你用的是 Claude Code,当前 README 给出的做法是先添加 marketplace,再安装插件:

bash 复制代码
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

装完以后,README 还建议直接用 /help 检查是否已经出现这些命令:

bash 复制代码
/help

# 应该能看到:
# /superpowers:brainstorm
# /superpowers:write-plan
# /superpowers:execute-plan

如果你用的是 Codex,它走的是原生 skill discovery。也就是把仓库 clone 到本地,再把 skills/ 目录通过符号链接暴露给 ~/.agents/skills/

bash 复制代码
git clone https://github.com/obra/superpowers.git ~/.codex/superpowers
mkdir -p ~/.agents/skills
ln -s ~/.codex/superpowers/skills ~/.agents/skills/superpowers

然后重启 Codex。

如果你还想用并行子代理相关能力,官方 docs/README.codex.md 还建议在配置里打开:

bash 复制代码
[features]
multi_agent = true

如果你用的是 OpenCode,README 的推荐方式不是手抄一堆命令,而是让它直接拉取官方安装说明:

bash 复制代码
Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.opencode/INSTALL.md

如果你用的是 Gemini CLI,官方 README 给出的方式是:

bash 复制代码
gemini extensions install https://github.com/obra/superpowers

如果你用的是 GitHub Copilot CLI,则是:

bash 复制代码
copilot plugin marketplace add obra/superpowers-marketplace
copilot plugin install superpowers@superpowers-marketplace

README 里把 Cursor 也列进了支持范围。但至少在我这次查阅的一手文档里,安装说明最完整的仍然是 Claude CodeCodexOpenCodeGemini CLIGitHub Copilot CLI 这几条路径。

装完以后,不是马上看插件列表,而是直接开一个新会话做验证。官方建议你发一个会触发 skill 的任务,比如:

bash 复制代码
help me plan this feature

或者:

bash 复制代码
let's debug this issue

如果安装生效,agent 应该会自动进入对应 skill,而不是直接开始乱写代码。

最佳实践

Superpowers 最好的用法,不是背一堆命令。而是学会把任务交给它的方式,改成"目标 + 约束 + 边界",而不是"立刻给我代码"。

比如你要做一个新功能,不要一上来就说:"把退款功能写出来。" 更好的说法是:

bash 复制代码
先不要写代码。
请用 superpowers 的 brainstorming 流程帮我把需求问清楚,
给出 2-3 种方案和推荐方案。

目标:给现有支付模块增加退款能力
约束:不能改数据库结构;必须兼容旧接口;一周内上线
成功标准:支持全额退款、部分退款、重复请求幂等

这样一来,agent 会先进入需求澄清和设计阶段。后面的计划、TDD、子代理执行和 review,才有可靠基础。

如果你是在修 bug,也不要直接说"修一下"。更适合的姿势是:

bash 复制代码
先不要改代码。
请用 systematic-debugging 找 root cause,再给我最小修复方案。

现象:支付回调偶发重复入账
线索:只在重试场景出现
要求:必须给出验证修复是否生效的步骤

这才是 Superpowers 的强项。它更像一个"把 agent 拉回正确工程流程"的框架,而不是一个帮你偷懒的捷径。

写在最后

如果只用一句话概括 Superpowers,我会这样说:

它不是在给 coding agent 增加魔法,而是在给 coding agent 增加工程纪律。

这套东西未必适合所有人。如果你只是偶尔让 AI 帮你写几行脚本,它可能显得过重。

但如果你已经开始认真把 Claude Code、Codex、Copilot CLI 这类工具纳入日常开发流程,那 Superpowers 非常值得系统研究一次。

#AI编程 #ClaudeCode #Codex #Superpowers #软件工程 #开发效率

相关推荐
倔强的石头_6 小时前
不想每次都从头解释:我用 Doubao-Seed-Evolving 做了一个「稿件接力站」
ai编程
wangruofeng7 小时前
opencodex 解锁 Codex 任意模型,一个本地代理打通 Claude/Kimi/GLM/DeepSeek
llm·github·openai
wangruofeng7 小时前
姚顺雨长谈:在 Anthropic 和 Gemini 训练模型,英雄主义已经过时
llm·aigc
大模型码小白8 小时前
【Python零基础教程】继承、多态与魔法函数:面向对象编程三大核心特性详解
java·大数据·开发语言·人工智能·python·ai编程
-XWB-9 小时前
【LLM】Agent Planning 完全指南:8 种纯 LLM 范式 + 8 种混合规划模式详解(二)
人工智能·经验分享·aigc·学习方法·ai编程
沉默王二10 小时前
腾讯一面,我霸气反问:“你说你们在做Agent项目,说说 SubAgent、Plan 模式、Skill 调用这些你们都是怎么做的?”面试官一直在擦汗。。
面试·agent·ai编程
kyriewen10 小时前
我让AI改一个bug——它偷偷动了5个我没让它碰的地方
前端·javascript·ai编程
机器之心10 小时前
WAIC现场,这家公司让一群不同的机器人共用一个大脑
人工智能·openai
爱听歌的周童鞋11 小时前
霹雳吧啦Wz | AIGC | 图像生成篇 | DDPM介绍与公式推导 | 笔记 | (二) 优化目标引入 ELBO/VLB
aigc·diffusion model·ddpm·reverse process·image generate·forward process
神奇霸王龙12 小时前
Claude Code屠榜:MiMo与Grok紧追Codex
服务器·网络·人工智能·gpt·ai·ai编程