一个给你整套工程纪律，一个只管追问你到底。都是写代码前让你想清楚，走向却截然不同。
快速导航
| 项目 | SuperPower | grill-me |
|---|---|---|
| 仓库 | github.com/obra/superpowers | github.com/mattpocock/skills |
| 作者 | Jesse Vincent (@obra) | Matt Pocock |
| 开源时间 | 2025年10月 | 2026年2月 |
| 星数 | 26万 | 18万 |
| 安装量 | 68万+ | 610万+ |
数据来源：GitHub API 实时查询（2026年7月22日）
01 SuperPower：把工程纪律焊死在AI的执行流程里
一句话概括
SuperPower不是让AI更聪明，而是把软件工程的纪律做成AI无法跳过的硬性关卡。作者Jesse Vincent的诊断很精准：
"问题不在于模型不够聪明，而在于缺乏纪律。"
Hard Gate是什么？
Jesse在博客《Rules and Gates》里做了一个关键区分：
-
Rule（规则）
：有绕过去的余地。"过马路前记得看路"------你可以说"我赶时间，这次算了"。
-
Gate（硬性关卡）
：没有绕行路径。"先向左看确认无车，再向右看确认无车，再向左看确认仍无车------然后才能迈步。"
他做过一个令人不安的实验：让Claude自己复盘为什么会跳过头脑风暴直接写代码。模型诚实地回答：
"Skill里说'用200-300字呈现设计'，对一个todo list来说这太荒谬了，所以我认为整个设计流程是多余的，直接开始写了。"
建议性的语言会被LLM自我合理化并忽略。 所以Hard Gate不给它合理化选项------设计不批准，代码一步都不准写。
安装
bash
# 一键安装全部14个skill（推荐）
npx skills add obra/superpowers -g -y
# 只装核心路由skill
npx skills add https://github.com/obra/superpowers --skill using-superpowers -g -y
# 按需单独安装
npx skills add https://github.com/obra/superpowers --skill brainstorming -g -y
npx skills add https://github.com/obra/superpowers --skill test-driven-development -g -y
npx skills add https://github.com/obra/superpowers --skill systematic-debugging -g -y-g 表示全局安装（所有项目可用），去掉则是项目级安装。安装后重启Claude Code即可生效。
14个skill全貌
| Skill | 触发时机 | 做什么 |
|---|---|---|
| using-superpowers | 每次会话 | 路由层，所有skill的前置 |
| brainstorming | 你说"帮我规划这个功能" | 苏格拉底式追问 → 设计文档 |
| writing-plans | 设计被批准 | 拆解为2-5分钟的小任务，含精确文件路径 |
| using-git-worktrees | 计划就绪 | 在独立Git worktree中隔离工作 |
| subagent-driven-development | 计划就绪（可并行） | 每任务派一个子Agent+两阶段审查 |
| executing-plans | 计划就绪（串行） | 单会话执行+检查点，遇阻即停 |
| test-driven-development | 写代码时 | RED→GREEN→REFACTOR循环 |
| systematic-debugging | Bug报告 | 四阶段根因分析 |
| verification-before-completion | 声称"搞定" | 要求先出示验证证据 |
| requesting-code-review | 任务完成 | 派独立审查子Agent |
| receiving-code-review | PR反馈到达 | 严谨技术回应（非盲从） |
| finishing-a-development-branch | 所有任务完成 | 合并/PR/保留/丢弃流程 |
| dispatching-parallel-agents | 2+独立任务 | 并发派子Agent |
| writing-skills | 创建新skill | TDD写文档 |
TDD铁律
SuperPower的TDD skill里有一条让人印象深刻的规则：
如果代码写在了测试之前，必须删除。
不是"下次注意"，不是"这次就算了"------是删除重来。Hard Gate就是要让你没法糊弄过去。
Jesse甚至用了心理学
为了固化Agent的行为，Jesse借鉴了Cialdini的影响力六原则（权威、承诺、喜好、互惠、稀缺、社会认同、团结）。他在博客里坦白：
"说实话，这让我自己都觉得有点不安。"
他还做过压力测试：模拟"生产环境宕机每分钟损失5000美元"的紧急场景，看Agent是否会跳过规程直接修Bug------如果跳过了，说明Gate还不够硬。
02 grill-me：就一件事，追问
一句话概括
grill-me不管你的工程流程，不管你的测试覆盖率，不管你用什么架构。它只做一件事：写代码之前，把你自己都没意识到的问题翻出来。
整个skill有多短？
grill-me的SKILL.md核心内容只有4个单词：
Run a /grilling session.
它把实际的追问逻辑委托给了grilling skill。grilling的指令也不长，核心逻辑翻译过来就三层：
-
一次一个问题
，等我回答再继续。一次问多个问题让人头晕。
-
每个问题附带推荐答案
，沿着决策树的分支一层层往下挖。设计树概念来自Frederick Brooks的《The Design of Design》。
-
代码库里查得到的不要问我
，查不到的决定才端到我面前。
每一个决策分支最终落到三种状态之一：已决定 （DECIDED）、兔子洞 （RABBIT HOLE，暂缓）、不可行（NO-GO，排除）。
典型的一次grill会话：15-50个问题，30-60分钟。少于5个问题说明需求写得太细了，大于50个说明需求太大需要拆分。
安装
bash
# 一键安装mattpocock全部skill npx skills@latest add mattpocock/skills # 只装grill-me npx skills@latest add mattpocock/skills/grill-me # 只装tdd npx skills@latest add mattpocock/skills/tdd安装后需运行 /setup-matt-pocock-skills 进行初始化配置------选择issue追踪器（GitHub/Linear/本地文件）、triage标签、文档保存路径。
真实使用示例：Todo应用
用户说："我要做一个todo应用，先实现新增、完成、过滤三个能力。请先问我实现前必须确认的问题，不要直接写代码。"
grill-me开始追问，一次一个问题：
-
数据要不要持久化？ → 要，localStorage
-
状态来源要不要单一化？ → 单一状态树
-
完成态怎么存？ → boolean字段
-
过滤要支持哪些视图？ → 全部/未完成/已完成
-
新增输入方式？ → 输入框+回车键
-
运行形态？ → 单页Web应用
-
是否需要初始示例数据？ → 要，3条示例
-
空白内容处理？ → 提示"还没有任务"
-
是否支持删除和编辑？ → 先不支持
-
列表排序规则？ → 按创建时间倒序
-
唯一标识怎么生成？ → 时间戳+随机数
-
新增后输入框是否自动清空+聚焦？ → 是
-
完成切换：点击整行还是只点复选框？ → 整行点击
-
过滤条件要不要持久化？ → URL参数
14个问题问完，所有模糊地带被扫清。然后AI才开始写代码。不会出现"写了半天发现不是我想要的"那种情况。
真实案例：用户头像上传
用户说："加一个用户头像上传功能，支持裁剪。"
这句话太模糊了。grill-me追问：
-
图片来源？ → 本地上传
-
存储位置？ → S3
-
裁剪前端做还是后端做？ → 前端（react-image-crop）
-
尺寸限制？ → 最大5MB，1:1输出200x200
-
默认头像？ → 未上传时显示首字母头像
-
权限？ → 仅本人可修改
6个问题，2分钟。把所有模糊点变成了明确的技术决策。如果直接让AI写代码，大概率会写出一套和预期不符的东西，然后返工。
更有温度的案例
有人在Twitter/X上分享了使用grill-me帮自己写母亲悼词的经历。AI没有直接生成一篇悼词，而是一个问题一个问题地陪他走完回忆------"你妈妈最喜欢做什么？""她教会了你什么？""你希望别人记住她什么？"------直到所有值得写的东西都被翻出来。
grill-me追问的不是技术方案，是你脑子里还没组织出来的东西。
03 同一个起点，两条路
两个skill的核心逻辑是一致的------苏格拉底式追问，在动手之前逼你想清楚。
但它们的分岔点也非常明显：
| 维度 | SuperPower | grill-me |
|---|---|---|
| 覆盖范围 | 头脑风暴→代码审查，全生命周期 | 只管"写代码前"这一个环节 |
| 机制 | 14个skill + Hard Gate硬性阻断 | 一次一个问题 + 决策树分支 |
| 风格 | 工程纪律体系，像一座堡垒 | 极简追问，像一个问号 |
| 门槛 | 重，但有章可循 | 轻，但依赖你的回答质量 |
| 安装命令 | npx skills add obra/superpowers -g -y |
npx skills add mattpocock/skills |
| 仓库 | github.com/obra/superpowers | github.com/mattpocock/skills |
| 作者 | Jesse Vincent | Matt Pocock |
| 开源时间 | 2025年10月 | 2026年2月 |
| 星数 | 26万 | 18万 |
| 安装量 | 68万+ | 610万+ |
| 许可证 | MIT | MIT |
SuperPower像给你配了一个严格的工程经理------流程、关卡、检查清单，一个不少。grill-me像给你配了一个毒舌同事------"你真想清楚了吗？那这个呢？还有这个呢？"
一个关键差异：grill-me在grilling过程中禁止写代码------唯一产出是追问记录。SuperPower则把追问嵌入到整个工程流程中，追问完自动进入执行阶段。
04 Matt自己已经换了
最有意思的部分来了。
grill-me是mattpocock/skills仓库里最火的skill，但Matt Pocock自己已经不怎么用了。
他的演进路径是这样的：
bash
grill-me → grill-with-docs → domain-modelinggrill-with-docs：追问逻辑完全不变，但多了一个关键产出------追问过程中同步生成两个东西：
-
术语表
（
CONTEXT.md）：所有领域术语的精确定义 -
架构决策记录
（ADR）：只记录满足"难以逆转+不写下来会困惑+确实做了取舍"这三个条件的决策
一个真实效果：Matt自己的course-video-manager仓库里，一个长达15个单词的啰嗦描述被精炼成了一个术语"materialization cascade"。此后每一次AI会话都因为这个共享词汇表而变得更短、更精准。
domain-modeling：Matt现在推荐的起点。在选工具、写代码之前，先把领域模型建立起来。它会：
-
挑战模糊术语，强制对齐语言
-
用具体场景压测概念边界
-
交叉验证代码与声称的业务逻辑是否一致
-
实时更新术语表和决策记录
Matt有一句话被反复引用：
"Skill是消耗品，用完就扔。"
这不是说skill没用。是说：别把skill当信仰。它只是一个工具，帮你解决当下的问题。问题变了，工具就该换。连grill-me的作者自己都已经换了。
05 你该选哪个？
没有标准答案，但有几个判断维度：
选grill-me（或grill-with-docs），如果你：
-
一个人战斗，项目在早期探索阶段
-
需求还模糊，需要先理清思路
-
经常遇到AI写的代码"方向对但细节不对"
-
想要轻量级工具，不想被流程束缚
选SuperPower，如果你：
-
团队协作，需要统一工程标准
-
项目已进入规范化阶段
-
AI经常跳过关键步骤（不写测试、不做审查）
-
需要把质量标准锁死在流程里
最佳实践：两者组合使用。
用grill-me做思路澄清------把模糊需求变成明确决策。用SuperPower做工程落地------把明确决策变成高质量代码。它们不冲突。
就像Matt Pocock自己说的：skill是消耗品。哪个阶段用什么，用完就换。不必忠诚。
你平时用哪个skill？评论区聊聊。