Superpowers 介绍与技能集使用实践：给你的 AI 编程助手装上超能力

适合人群：正在使用或准备使用 AI 编程工具（Claude Code、OpenCode、Cursor 等）的开发者，想让 AI 编得更靠谱、干活更有章法的同学。

为什么你需要了解它？（Why）

AI 编程的"裸奔"困境

你是不是也遇到过这样的场景：

打开 AI 编程助手，满怀期待地说："帮我实现一个用户登录功能。"AI 刷刷刷就给你搞出一版代码，你一看------嗯，能跑。但再一看：没有测试、没有设计文档、直接硬编码了数据库查询、错误处理就一个 try-catch 包全场......

三天后需求变了，你打开代码准备改，发现已经看不懂了。😭

这不是 AI 不够聪明，而是 AI 没有方法论。它就像一个技术能力拉满但缺乏工程素养的实习生------你让它写代码它就写，但从不会主动问你"需求确认了吗？""要不要先写个测试？""设计方案讨论过了吗？"

更深层的问题

问题其实有两个层面：

单次对话没有工程纪律：AI 不会主动执行 TDD、不会先做设计再编码、不会交叉审查
跨对话没有知识延续：每次开新对话，AI 都是一张白纸，不知道你的项目规范、架构偏好、团队约定

有人尝试用超长的 System Prompt 来解决，有人每次都复制粘贴一堆规范......但这些方案要么撑爆上下文窗口，要么靠人肉记忆，终究不是长久之计。

Superpowers 的解法

Superpowers（⭐ 178k）正是为解决这个问题而生。它不是又一个 AI 工具，而是一套完整的 AI 编程方法论 + 可组合的技能框架。它把资深工程师的工作习惯------先设计再编码、测试驱动开发、代码审查、系统化调试------编码成了一套可复用的"技能包"，让你的 AI 助手从"能写代码"升级为"会做工程"。

一句话总结：Superpowers 给你的 AI 编程助手装上了软件工程的大脑。

它到底是什么？（What）

核心概念拆解

Superpowers 本质上是两样东西的结合：

1. 一套软件开发方法论

它定义了 AI 辅助开发的完整工作流：

先通过**头脑风暴（brainstorming）**确认需求，而不是拿到任务就开写
把设计拆解成详细的实施计划（writing-plans），每个任务 2-5 分钟粒度
强制执行 TDD（测试驱动开发）：先写测试 → 看它失败 → 写代码让它通过 → 重构
每完成一段代码，自动发起代码审查（code-review）
出了 bug 用系统化调试（systematic-debugging），而不是瞎猜

2. 一套可组合的技能包（Skills）

每个方法论步骤都被封装成独立的"技能"，以 SKILL.md 文件的形式存在。技能系统的设计非常精巧：

bash 复制代码

skills/
├── brainstorming/
│   └── SKILL.md          # 头脑风暴技能
├── writing-plans/
│   └── SKILL.md          # 编写计划技能
├── test-driven-development/
│   └── SKILL.md          # TDD 技能
├── systematic-debugging/
│   └── SKILL.md          # 系统化调试技能
├── requesting-code-review/
│   └── SKILL.md          # 请求代码审查技能
├── subagent-driven-development/
│   └── SKILL.md          # 子智能体驱动开发技能
└── ...更多技能

每个 SKILL.md 的结构都是：

markdown 复制代码

---
name: brainstorming
description: 在写代码前，通过提问完善想法，探索替代方案，分段验证设计
---

# 头脑风暴

[具体的指令和工作流程...]

渐进式披露：不会撑爆你的上下文

你可能会担心：装了这么多技能，每次对话不会被塞得满满的吗？

不会。技能系统采用**渐进式披露（Progressive Disclosure）**策略：

层级	加载内容	时机
第一层	只读取 `name` + `description`（几行文字）	对话开始时
第二层	加载完整的 SKILL.md 指令	AI 判断需要激活该技能时
第三层	加载辅助脚本、参考文档	技能指令中明确要求时

所以即使你安装了几十个技能，日常对话中只有极少量元数据在上下文里。需要时才加载，用完即走。

完整的工作流程

安装了 Superpowers 后，你的 AI 编程助手会自动按照这个流程工作：

arduino 复制代码

你说"帮我做个功能"
    → AI 启动 brainstorming，反问你需求细节
    → 产出设计文档，分段给你确认
    → 你说"没问题，开始吧"
    → AI 启动 writing-plans，拆分成小任务
    → 启动 subagent-driven-development，逐个执行任务
    → 每个任务都走 TDD 流程
    → 每完成一段，自动 code-review
    → 全部完成后，整理分支，准备合并

是不是像极了一个靠谱的高级工程师的工作方式？没错，这就是 Superpowers 的核心价值------把好的工程实践自动化。

技能生态：不止 Superpowers

Superpowers 是最知名的技能框架，但其实整个 Agent Skills 生态已经非常繁荣：

skills.sh ：由 Vercel 运营的技能目录，已收录 91,000+ 个技能
npx skills：Vercel 出品的技能 CLI，一行命令安装技能
热门技能包来自 Anthropic、Microsoft、Google、Vercel 等大厂

目前支持的 AI 编程工具超过 50 种，包括 Claude Code、OpenCode、Cursor、Codex、Gemini CLI、GitHub Copilot 等。

怎么用？（How）

下面以开源的 OpenCode 为例，演示完整的安装和使用流程。选择 OpenCode 是因为它完全开源、免费，而且对 Superpowers 的支持非常成熟。

前置准备：安装 OpenCode

OpenCode 是一个基于终端的 AI 编程工具，安装很简单：

bash 复制代码

# 方式一：npm 全局安装
npm install -g opencode-ai

# 方式二：使用安装脚本（推荐）
curl -fsSL https://opencode.ai/install | bash

安装后，在项目目录运行 opencode 即可启动 TUI 界面。

第一步：安装 Superpowers 插件

在你的 opencode.json（全局或项目级别）中添加：

json 复制代码

{
  "plugin": ["superpowers@git+https://github.com/obra/superpowers.git"]
}

全局配置文件位置：~/.config/opencode/opencode.json

然后重启 OpenCode，输入 "Tell me about your superpowers"，如果 AI 能列出可用技能，就说明安装成功了。🎉

Windows 用户注意 ：部分 Windows 版本的 OpenCode 在处理 git+https 插件时可能遇到问题。如果安装失败，可以用以下替代方案：
powershell 复制代码
npm install superpowers@git+https://github.com/obra/superpowers.git --prefix "$HOME\.config\opencode"
然后在 opencode.json 中改用本地路径：
json 复制代码
{
  "plugin": ["~/.config/opencode/node_modules/superpowers"]
}

第二步：体验核心工作流

安装完成后，你不需要做任何额外配置。Superpowers 的技能会自动激活------AI 会根据对话内容自动判断应该使用哪个技能。

场景一：从零开发一个功能

css 复制代码

你：帮我实现一个 Markdown 转 HTML 的 CLI 工具

如果没有 Superpowers，AI 会直接甩给你一堆代码。但有了 Superpowers，对话会变成这样：

arduino 复制代码

AI（自动激活 brainstorming）：
  在开始编码之前，让我先理解几个问题：
  1. 你需要支持哪些 Markdown 扩展？（GFM？表格？脚注？）
  2. 输出格式有什么要求？（完整 HTML 文档还是 fragment？）
  3. 是否需要自定义模板支持？
  4. 目标用户是谁？（开发者自用还是给非技术用户？）

你：支持 GFM，输出 fragment 就好，开发者自用，不需要模板

AI（产出设计方案，分段展示）：
  ## 设计方案（第 1/3 段）
  ### 核心架构
  - 使用 markdown-it 作为解析引擎，启用 GFM 插件
  - CLI 参数：输入文件路径、输出路径（可选）、是否 watch 模式

  这个方向你觉得可以吗？

你：可以，继续

AI（自动切换到 writing-plans）：
  拆分为以下任务：
  Task 1: 项目初始化和依赖安装（2 min）
  Task 2: 核心转换函数 + 单元测试（5 min）
  Task 3: CLI 参数解析（3 min）
  Task 4: 集成测试和错误处理（3 min）

你：开始执行

AI（自动切换到 subagent-driven-development + TDD）：
  [执行 Task 1]
  [执行 Task 2] 先写测试 → 运行失败 → 写实现 → 测试通过 ✅
  [自动 code-review] 检查代码质量...
  ...

看到了吗？整个过程有章法、有节奏，像一个资深工程师在带着你做项目。

场景二：调试一个诡异的 bug

javascript 复制代码

你：这个函数有时候返回 undefined，有时候正常，帮我看看

markdown 复制代码

AI（自动激活 systematic-debugging）：
  让我按系统化调试的 4 个阶段来排查：

  阶段 1：证据收集
  - 请问 undefined 出现的频率大概多少？
  - 有没有特定的输入会必现？
  - 运行环境是什么？（Node 版本、操作系统）

  阶段 2：假设生成
  基于代码分析，我有以下假设：
  1. 竞态条件：异步操作的时序问题
  2. 缓存未命中：某些边界条件下缓存为空
  3. ...

  阶段 3：假设验证
  让我逐个排查...

对比一下没有 Superpowers 时 AI 的做法------直接看代码，瞎猜一个原因，改一改，不行再猜。高下立判。

第三步：使用 Skills CLI 安装更多技能

除了 Superpowers 自带的技能，你还可以从生态中安装更多：

bash 复制代码

# 安装 Vercel 出品的技能 CLI（推荐固定版本）
npm i -g skills@1.4.0

# 浏览某个技能包的所有技能
skills add anthropics/skills --list

# 安装特定技能
skills add anthropics/skills --skill frontend-design

# 安装 Vercel 的 React 最佳实践技能
skills add vercel-labs/agent-skills --skill vercel-react-best-practices

# 搜索技能
skills find "debugging"

# 安装到全局（所有项目可用）
skills add obra/superpowers -g

推荐的技能包：

技能包	来源	适合场景
`anthropics/skills`	Anthropic 官方	前端设计、代码简化、PDF/文档处理
`vercel-labs/agent-skills`	Vercel 官方	React/Next.js 最佳实践
`microsoft/azure-skills`	微软	Azure 云服务开发
`obra/superpowers`	Superpowers 作者	完整开发方法论（TDD、调试、计划等）
`supabase/agent-skills`	Supabase	PostgreSQL 和 Supabase 开发
`firebase/agent-skills`	Google	Firebase 开发

第四步：创建自己的技能

Superpowers 的技能格式非常简单，你完全可以创建自己的技能：

bash 复制代码

# OpenCode 的个人技能目录
mkdir -p ~/.config/opencode/skills/my-code-style

创建 SKILL.md：

markdown 复制代码

---
name: my-code-style
description: 当编写代码时使用此技能，确保遵循团队编码规范
---

# 团队编码规范

## 命名约定
- 变量和函数：camelCase
- 类和接口：PascalCase
- 常量：UPPER_SNAKE_CASE
- 文件名：kebab-case

## TypeScript 规则
- 始终使用 strict 模式
- 优先使用 interface 而非 type（除非需要联合类型）
- 禁止使用 any，用 unknown + 类型守卫
- 异步函数必须有错误处理

## 测试规则
- 测试文件与源文件同目录，命名为 `*.test.ts`
- 使用 describe/it 结构
- 每个测试只验证一个行为

保存后重启 OpenCode，这个技能就会被自动发现。当 AI 写代码时，它会自动激活你的编码规范技能。

技能优先级：项目级技能 > 个人技能 > Superpowers 技能。这意味着你可以在项目里覆盖全局规范。

常见误区与最佳实践

❌ 误区一：安装了 Superpowers 就万事大吉

Superpowers 是一套方法论，不是魔法。它需要你：

积极参与对话：在 brainstorming 阶段认真回答 AI 的问题
审查 AI 的计划：不要盲目 "LGTM"，真的读一读计划是否合理
敢于说"不"：如果 AI 的方案有问题，直接说出来

❌ 误区二：一次安装几十个技能

技能虽然不会都加载到上下文，但过多的技能会增加 AI 选择判断的负担。建议：

核心方法论用 Superpowers（已经很全了）
技术栈相关的按需安装 1-2 个
团队规范写成自定义技能

❌ 误区三：忽略技能的触发条件

每个技能的 description 字段决定了它何时被激活。写自定义技能时，描述要清晰具体：

markdown 复制代码

# ❌ 不好的描述
description: 代码相关的技能

# ✅ 好的描述
description: 当编写或修改 React 组件时使用，确保遵循组件设计规范和性能最佳实践

✅ 最佳实践总结

从 Superpowers 开始：它的方法论技能是经过大量验证的，先用起来
学会 TDD 节奏：即使你之前不写测试，Superpowers 会"逼"你走 TDD，这是好事
利用 brainstorming：不要急着写代码，先让 AI 帮你想清楚需求
渐进式丰富技能：先用好核心技能，再按需添加
团队统一技能配置 ：把自定义技能放在项目的 .opencode/skills/ 目录，随代码版本管理

跨工具通用：不止 OpenCode

Superpowers 支持几乎所有主流 AI 编程工具，安装方式各有不同：

工具	安装方式
Claude Code	`/plugin install superpowers@claude-plugins-official`
OpenCode	`opencode.json` 添加 plugin 配置
Codex CLI	`/plugins` → 搜索 superpowers → 安装
Cursor	`/add-plugin superpowers`
Gemini CLI	`gemini extensions install https://github.com/obra/superpowers`
GitHub Copilot CLI	通过 marketplace 安装

技能文件格式是统一的，所以你写的自定义技能在不同工具间可以复用。

写在最后

AI 编程工具的竞争，早已不只是"谁的模型更聪明"。真正拉开差距的，是谁能把好的工程实践系统化地注入到 AI 的工作流中。

Superpowers 和整个 Agent Skills 生态做的就是这件事------它们不是在替你写代码，而是在教你的 AI 助手"怎样才算把事情做对"。

从今天开始，给你的 AI 编程助手装上超能力吧。你会发现，代码质量提升的不只是一点点。🚀

相关链接：

Superpowers 仓库：github.com/obra/superp...
OpenCode 官网：opencode.ai
Skills 技能目录：skills.sh
Skills CLI 仓库：github.com/vercel-labs...
OpenCode 技能文档：opencode.ai/docs/skills