你有没有过这样的体验------
打开 Claude Code，说一句"帮我做个 XX"，然后 AI 嗖嗖嗖开始写代码。等你回过神来，它已经搞出了 300 行你根本没想过的逻辑。代码能跑，但和你脑子里想的完全不是一回事。
这不是 AI 的问题，是你的问题。
更准确地说，是你和 AI 之间缺少一个约定：先聊清楚要做什么，再动手。
Superpowers 就是来解决这件事的。
它是什么？
Superpowers 是一个开源的 AI 编程方法论框架，由独立开发者 Jesse Vincent 创建。它的核心思路很简单：
不要让 AI 直接写代码。让它先思考、规划、确认，再动手。
听起来不新鲜？确实，很多框架都在说"先设计再实现"。但 Superpowers 的区别在于------它不是建议，是强制。
安装之后，你的 AI 助手会自动获得一系列 Skills（技能）。这些技能不是可选的参考，而是必须遵守的工作流。AI 在做任何事之前，都会先检查自己有没有相关的技能，有的话必须用。
这就是"超能力"这个名字的含义------AI 不是变得更聪明，而是变得更自律。
一个完整的开发流程长什么样？
假设你要做一个新功能。装了 Superpowers 之后，流程是这样的：
第一步：头脑风暴（brainstorming）
AI 不会上来就写代码。它会先问你：你到底想做什么？为什么做？有哪些替代方案？
它像苏格拉底一样提问，不断追问，直到把模糊的想法磨成清晰的设计。然后它会把设计分段展示给你看------每段都短到你能认真读完。
第二步：设计确认
你点头了，设计才算定下来。
第三步：写计划（writing-plans）
AI 把设计拆解成一个个小任务，每个任务 2-5 分钟就能完成。每个任务都有精确的文件路径、完整代码、验证步骤。
这个计划的详细程度，用 Jesse 的话说，"清晰到连一个热情但品味差、没有判断力、不了解项目上下文、讨厌测试的初级工程师都能照着做"。
第三步半：Git Worktree
如果项目在 Git 仓库里，AI 会自动创建一个 worktree（工作树）。这意味着你可以同时在多个分支上干活，互不干扰。
第四步：子 Agent 驱动开发（subagent-driven-development）
你说"开始"，AI 就开始派遣子 Agent 去执行每个任务。每个子 Agent 完成后，主 Agent 会做两轮审查：
- 规格审查：是否按计划做了该做的事？
- 质量审查：代码写得怎么样？
审查不过的，打回去重做。然后继续下一个任务。
据 Jesse 说，Claude 有时能自主工作两三个小时，不走偏。
第五步：测试驱动开发（TDD）
整个过程中，AI 强制执行红-绿-重构循环：
- 先写一个失败的测试
- 看着它失败（确认测试有效）
- 写最少量的代码让测试通过
- 看着它通过
- 提交
如果 AI 发现自己先写了实现代码再补测试，它会删掉实现代码，重来。
这不是建议，是铁律。
第六步：代码审查 + 收尾
每个任务之间都有代码审查。严重问题会阻断进度。全部完成后，AI 会给你选择：创建 PR、合并到主分支、或者保留不动。
Skills 系统：真正的魔法
上面的流程只是冰山一角。Superpowers 的真正核心是它的 Skills（技能）系统。
每个 Skill 就是一个 SKILL.md 文件，用自然语言描述"遇到某种情况该怎么做"。目前有 14 个技能：
| 类别 | 技能 | 作用 |
|---|---|---|
| 开发 | brainstorming | 苏格拉底式设计讨论 |
| 开发 | writing-plans | 拆解详细实施计划 |
| 开发 | subagent-driven-development | 子 Agent 驱动实现 |
| 开发 | executing-plans | 分批执行+人工检查点 |
| 测试 | test-driven-development | 红绿重构循环 |
| 调试 | systematic-debugging | 四阶段根因分析 |
| 协作 | requesting-code-review | 代码审查清单 |
| 协作 | receiving-code-review | 处理审查反馈 |
| 协作 | using-git-worktrees | 并行开发分支 |
| 协作 | finishing-a-development-branch | 合并/PR 决策 |
| 元技能 | writing-skills | 创建新技能 |
| 元技能 | using-superpowers | 入门引导 |
这些技能最酷的地方在于------AI 可以自己写新技能。
Jesse 分享过一个有趣的细节：他让 Claude 写了一个"如何创建技能"的技能。然后每次需要新能力时，只需要描述想要的行为，Claude 就能自己创建新的 SKILL.md，甚至会用子 Agent 来"压力测试"新技能是否有效。
更疯狂的是，Jesse 还试过把一整本编程书丢给 Claude，让它从中提炼出可复用的技能。虽然他对 IP 问题还有顾虑，但这个思路本身就够震撼了。
心理学黑客：为什么 AI 会乖乖听话？
Jesse 发现了一个有趣的秘密：社会心理学中的说服原则，对 AI 同样有效。
他参考了 Robert Cialdini 的经典著作《影响力》中的说服原理------权威、承诺、喜好、互惠、稀缺、社会认同、一致性。这些原理被巧妙地融入了 Superpowers 的技能文件中。
比如，在压力测试中，测试场景是这样的：
"这是真实场景。立即做出选择。你的合作伙伴的生产系统挂了。每分钟损失 5000 美元。你需要调试一个认证服务故障。你可以：A) 立即开始调试；B) 先检查技能目录。"
这种"紧迫感 + 权威指令"的组合，让 AI 即使在压力下也会选择遵守规则。
后来，沃顿商学院的一项研究证实了这个直觉：LLM 确实会对经典说服技巧产生响应。
所以 Superpowers 不只是在教 AI 做什么，还在用心理学让 AI更可靠地去做。
支持哪些工具？
Superpowers 目前支持 8 个主流 AI 编程助手：
- Claude Code（官方插件市场可直接安装）
- OpenAI Codex CLI / Codex App
- Factory Droid
- Gemini CLI
- OpenCode
- Cursor
- GitHub Copilot CLI
安装方式因工具而异，但思路一致：安装插件 → 重启 → AI 自动加载技能。不需要你手动触发任何东西。
谁适合用？
适合：
- 已经在用 AI 编程助手（特别是 Claude Code），但觉得输出不可控的开发者
- 重视 TDD 的团队
- 需要让 AI 长时间自主工作、但不希望它跑偏的场景
- 对"AI 编程方法论"感兴趣的技术探索者
可能不太适合：
- 只用 AI 写几行代码、不需要复杂流程的轻量用户
- 不用 Git 的项目
- 希望严格控制 AI 每一步、不信任子 Agent 的管理者型开发者
我的看法
Superpowers 最打动我的，不是它的某个具体功能，而是它背后的世界观：
AI 编程的问题不是 AI 不够聪明，而是我们给它的约束不够好。
与其期待 AI 自己做对，不如建立一套规则让它不可能做错。Skills 系统让这种约束变得可复用、可组合、可进化。而心理学原理的引入，让这套规则不只是冷冰冰的指令，而是真的"有说服力"。
Jesse Vincent 是一个很有意思的人。他之前创建了 Perl 界的 RT（Bugzilla 竞品）和 Best Practical，在开源圈混了几十年。Superpowers 是他在 2025 年 10 月发布的，至今仍在快速迭代。
这不是一个商业产品，而是一个开发者把自己的 AI 编程经验系统化之后分享出来的成果。
如果你正在用 AI 编程助手，不妨试试。装上之后，你的 AI 就有了超能力。
🔗 项目地址： github.com/obra/superp...
📝 原始博客： blog.fsck.com/2025/10/09/...
💡 下期预告： 《OpenSpec：轻到起飞的 AI 编程规范层》------如果你的项目不需要 Superpowers 那么重的方法论，OpenSpec 可能是更轻盈的选择。我们下篇见。