如果你已经在用 Claude Code、Codex、Cursor 这类 Coding Agent，大概率会遇到一个问题：它们能写代码，但不一定总能按一个稳定、可复用、可验证的方式把项目往前推进。

Superpowers 想解决的，就是这个问题。

它不是一个新的大模型，也不是一个新的代码编辑器，而是一套面向 Coding Agent 的 skills 框架和软件开发方法论。简单理解，就是给已有的智能编程助手装上一套“先澄清需求、再拆计划、按 TDD 实现、过程中复查、最后收尾”的工作系统，让它不只是会写代码，而是更像一个有流程意识的工程助手。

一句话定位

Superpowers 是一套给 Coding Agent 使用的 skills 框架，通过把需求澄清、方案设计、任务拆解、测试驱动开发、代码评审和分支收尾串成标准流程，让 AI 编程从“会写代码”变成“会按工程流程做项目”。

基础信息卡片

• • 项目名称：Superpowers

• • GitHub：https://github.com/obra/superpowers

• • 作者 / 团队：Jesse Vincent 与 Prime Radiant

• • 开源协议：MIT

• • 项目定位：Coding Agent 的 skills framework + software development methodology

• • 适用对象：Claude Code、Codex、Cursor、OpenCode、GitHub Copilot CLI、Gemini CLI 等工具用户

• • 当前热度：GitHub Star 已超过 15 万

• • 项目特点：不是替代 Agent，而是增强 Agent 的工作方式

解决什么问题

现在很多 Coding Agent 的一个典型问题是：单点能力很强，但持续做项目时，过程容易飘。

比如：

• • 需求还没搞清楚，就直接开始改代码

• • 方案没有成型，就一路往下写

• • 任务拆分太粗，执行时反复返工

• • 测试不是先写，而是最后补

• • 一个任务做完了，但没有明确复查和验证

• • 项目收尾时，分支、提交、合并策略不够清晰

这些问题并不是模型“不聪明”，而是缺少一套稳定的执行框架。

Superpowers 的思路不是继续堆提示词，而是把软件开发里那些真正有价值的步骤做成一组可组合的 skills，再通过初始指令把这些 skills 串起来，让 Agent 在不同阶段自动进入对应流程。

换句话说，它更像是在给 Coding Agent 补“工作方法”，而不是补“能力插件”。

核心功能

在具体展开之前，可以先看一下 Superpowers 想让 Coding Agent 走的一条典型开发路径：

想法 / 需求

Brainstorming先把目标和边界聊清楚

设计确认分段展示并确认方案

Writing Plans拆成可执行的小任务

Subagent Driven Development把任务交给子代理推进

TDD + Code Review边实现边验证

Finishing Branch验证、收尾、合并

这张图可以帮助快速理解它和普通“提示词包”的差别：Superpowers 想补的不是某一个单点能力，而是把需求澄清、计划拆解、执行、验证和收尾串成一条更完整的开发链路。

1. 先把需求聊清楚，而不是上来就写代码

Superpowers 的第一步不是生成代码，而是先进入 brainstorming 流程。

这个流程会先围绕你的想法继续追问，把目标、边界、方案和取舍逐步聊清楚，然后把设计结果分段展示给你确认。这样做的好处很直接：避免 Agent 在一开始就基于错误理解往下写，后面越写越偏。

对于真实项目来说，这一步的价值往往比“多生成几十行代码”更大。

2. 先做计划，再做实现

当设计确认之后，Superpowers 会进入 writing-plans 流程，把接下来的工作拆成一批小任务。

这些任务不是那种“优化一下接口”“补一下前端”式的模糊描述，而是更偏可执行的工程任务，通常会包含：

• • 明确的目标

• • 具体要改哪些文件

• • 需要实现什么内容

• • 如何验证是否完成

这种拆法的意义在于，后续无论是人继续做，还是交给子代理去做，执行成本都会低很多，也更容易保持上下文稳定。

3. 把 TDD 变成默认流程

Superpowers 很强调 test-driven-development，也就是常说的 RED-GREEN-REFACTOR。

它的思路不是“有空再补测试”，而是要求：

• • 先写失败的测试

• • 先看到测试失败

• • 再写最小实现让测试通过

• • 最后重构整理

这套要求对人来说不新鲜，但放到 Coding Agent 场景下意义很大。因为很多 Agent 在没有约束时，天然会优先把“能跑的代码”写出来，而不是优先建立验证闭环。Superpowers 相当于给它加了一套明确的轨道，让实现更可控。

4. 支持子代理协作，不只靠一个 Agent 硬扛

Superpowers 里一个很有代表性的部分是 subagent-driven-development。

它不是让一个 Agent 在超长上下文里一直干到最后，而是把任务交给新的子代理分段完成，并且在过程中加入两轮检查：

• • 先看是否符合规格

• • 再看代码质量是否过关

这种方式更接近团队协作中的“执行 + review”，能减少上下文污染，也更适合较长链路的开发任务。对于复杂项目来说，这比单代理一路写到底更稳。

5. 把代码评审和收尾也纳入流程

很多工具会把重点放在“生成”上，但真正做项目，最后的检查和收尾同样重要。

Superpowers 把 requesting-code-review、finishing-a-development-branch 这类技能也放进了流程里。也就是说，它不只是关心“代码写出来了没”，还会把以下环节补上：

• • 是否和原计划一致

• • 是否有严重问题阻断进度

• • 分支要继续保留、合并还是发 PR

• • 是否完成最终验证和清理

这也是它和普通“提示词包”最大的差别之一：不是只管开始，而是把整个交付链路都考虑进去了。

适合谁

这个项目更适合下面这几类人：

第一类，是已经在日常开发里使用 Coding Agent 的工程师。如果你已经会把 Claude Code、Codex 或 Cursor 用在真实项目里，Superpowers 能帮你把“偶尔好用”变成“流程更稳定”。

第二类，是在团队里推动 AI 编程落地的人。很多团队最大的问题不是没人用 AI，而是每个人用法都不一样，结果不可复用。Superpowers 提供了一套更统一的工作方式，比较适合作为团队内部的约定参考。

第三类，是经常做中等复杂度项目的人。如果只是让 AI 写几个函数，这套流程可能显得重；但一旦进入“要改多个文件、要做验证、要持续迭代”的项目场景，它的价值就明显上来了。

快速上手

Superpowers 的安装路径比较多，已经覆盖多个常见工具。

比如：

• • Claude Code 可以通过插件市场安装

• • Codex CLI / App 可以在插件界面搜索安装

• • Cursor 可以通过插件市场添加

• • GitHub Copilot CLI、Gemini CLI 也都有对应安装方式

安装完成后，它的关键点不是多出一个单独命令，而是把一套 skills 注入到现有 Coding Agent 的工作流里。也就是说，你原来怎么和 Agent 协作，现在大体上还是怎么协作，只是它在处理开发任务时会更主动地按流程推进。

如果你想先快速理解这个项目，最建议先看两部分：

• • README 里的 Basic Workflow

• • skills 列表里和 brainstorming、writing-plans、test-driven-development、subagent-driven-development 相关的部分

看完这几项，基本就能理解 Superpowers 的核心设计思路。

结论

Superpowers 不是另一个 Coding Agent，而是一套给 Coding Agent 使用的 skills 框架和开发方法论。

它真正吸引人的地方，不在于“能多做一件事”，而在于“让已经会做事的 Agent，用更靠谱的流程去做事”。

如果你对 AI 编程的期待，已经从“帮我写点代码”升级到“帮我把项目稳定推进下去”，那这个项目是值得认真研究的。

---

         END      

持续分享 AI、技术、工具和实战干货，关注前沿趋势，也关注真实落地。

如果你想获取这些内容：

1AI 实用技巧

2技术经验总结

3工具与效率方法

4实战案例拆解

欢迎关注公众号 「AI技术小林」，第一时间获取更多高质量内容。

如果想加入微信群，和更多朋友一起交流学习，后台回复 「加群」 即可。