AI 编程的“纪律委员”：Superpowers 小白完全指南

你让 AI 帮忙写代码时，有没有遇到过这些情况？你让它改一个 Bug，它顺便把整个文件格式重排了你让它加一个功能，它写的代码连测试都没有你问它“确定没问题吗？”它回答“应该吧”这些问题不是因为 AI 能力不够，而是因为没有人告诉 AI 应该在什么时候做、怎么做。就像一个新员工，能力很强但没有工作流程，想到哪做到哪。Superpowers 就是来解决这个问题的。Superpowers 的工作原理是：

wsad0532

29人浏览 · 2026-05-12 21:40:42

wsad0532 · 2026-05-12 21:40:42 发布

参考资料：

GitHub: https://github.com/obra/superpowers
官方发布公告: https://blog.fsck.com/2025/10/09/superpowers/
Discord 社区: https://discord.gg/35wsABTejz

让你的 AI 从“差不多就行”变成“按规矩办事”

前言：你的 AI 是不是也这样？

你让 AI 帮忙写代码时，有没有遇到过这些情况？

你让它改一个 Bug，它顺便把整个文件格式重排了
你让它加一个功能，它写的代码连测试都没有
你问它“确定没问题吗？”它回答“应该吧”

这些问题不是因为 AI 能力不够，而是因为没有人告诉 AI 应该在什么时候做、怎么做。就像一个新员工，能力很强但没有工作流程，想到哪做到哪。

Superpowers 就是来解决这个问题的。

一、Superpowers 是什么？

一句话解释： Superpowers 是一套给 AI 编程助手安装的“职业技能包”，或者说是一套让 AI “按规矩办事”的工作纪律手册。

从“随手写”到“按流程”

没有 Superpowers 的时候，你让 AI 写代码，它通常是这样的：

你：“帮我写个登录功能。” AI：“好的。” → 直接贴出一堆代码（没问需求、没写测试、没考虑错误处理）

安装了 Superpowers 之后，AI 会变成这样：

你：“帮我写个登录功能。” AI（触发 brainstorming）：“我需要了解几个问题：用户用邮箱还是手机号登录？需要‘记住我’功能吗？错误几次需要锁定？”

它的创始人 Jesse Vincent（来自 Prime Radiant 团队，GitHub 用户名 obra）在一个简短的博文中如此形容：你装上这个小插件后，AI 会默认先跟你聊清楚你在做什么，然后再去实现，而不是一上来就闭着眼睛写代码。

讲得更直白一点：Superpowers 的核心是把软件开发中那些“听起来很简单但实际上很难坚持”的工作流程固化下来，让 AI 自动去执行。它由 Jesse Vincent 和 Prime Radiant 团队维护，于 2025 年 10 月 9 日正式公开发布，目前在 GitHub 上已有超过 18 万 Star。

Superpowers 的核心哲学

Superpowers 的四条核心理念，来自它的 GitHub 仓库：

理念	大白话解释
测试驱动开发	永远先写测试，再写代码，代码通过测试才算完成
系统性胜过随意	按流程办事，不靠蒙，不靠“感觉应该没问题”
化简为繁	简单是首要目标，能用简单方案就不用复杂方案
证据胜过口头保证	验证通过才算完成，不说“应该好了”，而是要“已经验证过了”

Superpowers 不是什么

很多初学者容易误解，需要澄清几点：

Superpowers 不是 MCP（Model Context Protocol），它是一套技能框架，通过插件形式安装在 AI 工具上。
Superpowers 不是一个能直接对话的工具，你需要先安装到你的 AI 编程助手中，它才会自动生效。
Superpowers 不依赖 API，它完全是本地运行的配置和脚本，开源免费。

支持的 AI 工具

Superpowers 支持几乎所有主流 AI 编程助手：Claude Code、Cursor、OpenAI Codex、GitHub Copilot CLI、Gemini CLI 等。如果你用的是 Claude Code（最推荐），安装方式非常简单（后面会详细说明）；如果你用的是 Cursor，也可以很方便地从插件市场安装。

原理简介

Superpowers 的工作原理是：在 AI 执行任何任务之前，它会先检查有哪些“技能（Skill）”可以帮助完成这个任务，并且强制使用这些技能，而不是“可做可不做”的可选项。

正如创始人 Jesse Vincent 在博客中所说，技能的真正含义是一种可重用的标准能力——当你训练好一个 AI 熟练掌握这些技能后，它会反复调用它们，而且随着你的项目规格不断提升，这些技能组合所积累的复利效应会逐渐爆发。

二、Superpowers 的核心概念：技能（Skills）

理解 Superpowers，最关键的就是理解技能（Skills） 这个概念。

什么是技能？

简单来说，一个技能（Skill） 就是一个标准化的 Markdown 文档，存放在 skills/ 目录下，里面写清楚了 AI 应该在什么时候做、怎么做某件事。你可以把它理解为 AI 的一份“工作说明书”。

Superpowers 自带了一套完整的技能库，从需求探讨到代码审查，覆盖了软件开发的全部环节。截至 2026 年，Superpowers 已包含 14 个核心技能，涵盖从需求调研→设计方案→代码编写→调试→测试→代码评审→生产部署的全流程。

14 个核心技能概览

为了方便你快速建立全局概念，我把 6 个最常用技能的启动时机、要解决的问题和产出物整理成了一张简表：

技能	什么时候触发	解决什么问题	产出物
`brainstorming`	你提出一个模糊想法时	防止 AI 猜错需求	`design.md` 设计文档
`writing-plans`	设计方案敲定后	把大任务拆成小步骤	`tasks.md` 任务清单
`test-driven-development`	开始写每个任务时	保证代码有测试、不写多余代码	先写测试，再写实现
`systematic-debugging`	遇到 Bug 时	防止修了一个 Bug 引出十个 Bug	根因分析报告
`requesting-code-review`	完成一个任务后	自己先检查一遍再提交	代码审查报告
`using-git-worktrees`	设计方案敲定后	不同任务互相隔离不干扰	隔离的工作分支

掌握这 6 个技能就能处理 90% 的日常开发任务。其他技能（如 dispatching-parallel-agents、receiving-code-review等）用于更复杂的高级场景，可以先暂缓。

一个新手常见的困惑：我到底要调用哪个 Skill？

很多初学者的第一反应是：“我记不住 14 个 Skill 怎么用啊！”

好消息是：你不用记，更不用手动调用。Superpowers 最强大的地方在于它会自动判断当前场景，并自动触发对应的技能。

你只需要像平常一样跟 AI 对话，它会自己决定接下来该使用哪个技能。

举个直观的例子：当你说“修复那个登录失败的 Bug”时，AI 会自动触发 systematic-debugging 技能，而不是直接开始猜问题出在哪里。当你说“帮我写一个新的登录功能”时，它会先进入 brainstorming 阶段，追问需求细节，而不是直接甩出一段代码。

所以你作为使用者要做的事情其实很简单：正常对话，让 AI 自己去判断接下来该怎么做。

三、7 步核心工作流

这是整个 Superpowers 最精华的部分。它把一次软件开发任务，拆成了 7 个清晰的步骤。当你把 Superpowers 装好之后，AI 会自动按照这个流程来工作，不需要你额外指令。

完整流程图示

你说“我要做一个 XXX”
        │
        ▼
┌───────────────────┐
│ 1. brainstorming  │  ← AI 先不写代码，追问细节，确认方案
│  头脑风暴、出方案  │     产出 design.md
└─────────┬─────────┘
        │
        ▼
┌───────────────────┐
│ 2. using-git-     │  ← 自动创建独立工作分支
│    worktrees      │     旁枝任务不干扰主代码库
│  创建隔离工作区    │
└─────────┬─────────┘
        │
        ▼
┌───────────────────┐
│ 3. writing-plans  │  ← 把大任务拆成一个个小步骤
│  写实施计划        │     产出 tasks.md
└─────────┬─────────┘
        │
        ▼
┌───────────────────┐
│ 4. test-driven-   │  ← 对每个小任务：先写测试→再写代码
│    development    │     确保测试永不缺失
│  测试驱动开发      │
└─────────┬─────────┘
        │
        ▼
┌───────────────────┐
│ 5. requesting-    │  ← 完成任务后自我审查
│    code-review    │     问题按严重程度分级
│  代码审查          │
└─────────┬─────────┘
        │
        ▼
┌───────────────────┐
│ 6. finishing-a-   │  ← 测试全部通过后
│    development-   │     给你选项：合并/提 PR/保留
│    branch         │
│  完成分支          │
└─────────┬─────────┘
        │
        ▼
      完成

更多关于子代理机制：在实施过程中，如果任务比较复杂，AI 还会启动“子代理驱动开发（subagent-driven-development）”模式——它会为每个任务启动一个全新的子 AI，带着任务详情和项目规范去执行，完成后进行两级审查（先检查是否符合规范，再检查代码质量），然后才继续推进。这个机制让 AI 可以连续自主工作 1-2 小时而不会偏离计划。

各步骤详细说明

步骤 1——brainstorming（头脑风暴）： AI 不会直接写代码，而是通过一系列提问帮你把模糊的想法变清晰。比如“深色模式”这个功能，它会追问：手动切换还是跟随系统？哪些颜色需要变化？最终输出一份 design.md 设计文档。

步骤 2——using-git-worktrees（创建隔离工作区）： AI 会在 Git 仓库中创建一个独立的工作树（worktree），确保当前任务与其他正在进行的任务互相隔离、互不干扰。

步骤 3——writing-plans（写实施计划）： AI 把设计方案拆解成一个个 2-5 分钟就能完成的小任务。每个任务都包含：要修改哪些文件、写什么代码、如何验证。

步骤 4——test-driven-development（测试驱动开发）： 这是核心中的核心。对每个小任务，AI 遵循“红-绿-重构”三步骤循环：

RED：先写一个会失败的测试用例
GREEN：写最少的代码让测试通过
REFACTOR：优化代码，保持测试通过
循环进行，直到所有任务完成。

步骤 5——requesting-code-review（请求代码审查）： 完成一个任务后，AI 会自我审查，检查代码是否符合规范、是否有安全漏洞。问题会按严重程度分级（严重、建议、提示），严重问题会阻塞后续进度。

步骤 6——finishing-a-development-branch（完成分支）： 所有任务完成后，AI 会验证测试是否全部通过，然后给你选项：合并回主分支、创建 Pull Request、保留当前分支、或丢弃本次变更。

为什么这个流程“反人性但有效”？

这套流程最妙的地方在于——它把“先写测试”变成了不可绕过的硬性纪律。

人类开发者（哪怕是老手）经常会在时间压力下偷懒，心想“先写功能，测试后补”。而 Superpowers 通过强制手段解决了这个问题：如果测试没跑通，AI 甚至被要求删除刚写的代码重新开始。这种近乎固执的纪律性，正是 Superpowers 能让代码质量产生质的飞跃的核心原因。

四、几个最重要的技能详解

对于初学者来说，不需要一下子记住 14 个技能，重点掌握下面 3 个核心技能，就可以处理绝大多数任务。另外两个技能作为进阶选项掌握。

1. test-driven-development（测试驱动开发）—— 保证质量的根本

这个技能的工作分为如下三步：

第一步——RED（红）： AI 先写一个会失败的测试。例如：

def test_login_success():
    response = client.post("/login", json={"email": "test@example.com", "password": "123456"})
    assert response.status_code == 200  # 期待返回 200
    assert "token" in response.json()    # 期待返回 token

第二步——GREEN（绿）： AI 写最少的代码让测试通过。此时你会发现通常只有核心逻辑，没有多余的功能。

第三步——REFACTOR（重构）： AI 优化代码结构，然后重新运行测试，确保仍然通过。

为什么 TDD 这么重要？ 因为它迫使你在写代码之前先想清楚“怎样才算完成”。这样写出来的代码天然就带了测试，而不是事后补测（或者根本不测）。

2. systematic-debugging（系统性调试）—— 修 Bug 不靠猜

当你遇到 Bug 时，Superpowers 强制 AI 走四条必经之路：

定位根因：不是“页面白屏了”，而是“某个 API 返回 500 错误，因为数据库连接超时”
防御性加固：不只修这个 Bug，还要加超时重试、错误日志、监控告警、熔断机制，避免同类问题再次发生
条件等待：如果问题是偶发的（比如 5 次里出现 1 次），AI 会写脚本等待复现条件，而不是猜测原因
验证修复：确认 Bug 真的消失了，并且没有引入新问题

重要提示：当 AI 完成一套 systematic-debugging 流程后，它会补上一句类似“经手动验证和自动化测试双重验证，Bug 已修复，现将修复说明存档至 docs/debug/<issue-id>.md”的反馈。这正是它“证据胜过口头保证”哲学的直接体现。

3. writing-plans（写实施计划）—— 任务拆解的魔法

有了设计文档之后，AI 会把大任务拆成极小的步骤，每个步骤都是“你可以闭着眼睛照着做”的任务清单。每个步骤都包含：要改哪些文件、要写什么代码、具体写在哪里、如何验证结果。

4. [进阶] verification-before-completion（完成前验证）—— 不说“应该好了”

修完 Bug 后，AI 不会说“应该好了”，而是主动运行测试并给你看证据。

5. [进阶] requesting-code-review（代码审查）—— 自己先检查

完成一个任务后，AI 会立刻进入代码审查模式，输出结构清晰的审查结论：功能是否满足 spec？代码结构是否合理？有无安全或性能隐患？

五、安装指南（超详细版）

如果你用 Claude Code（最推荐组合）

Superpowers 可以从 Anthropic 官方插件市场直接安装：

# 在 Claude Code 中运行
/plugin install superpowers@claude-plugins-official

安装完成后，按照提示重启 Claude Code。重启后，你会看到一条提示：“You have Superpowers.” 这表示安装成功。

如何确认生效？ 装好后，随便跟 AI 说一句“帮我写个登录功能”。如果 AI 反问很多问题而不是直接给代码，就说明 Superpowers 生效了：

（没有 Superpowers）AI：“好的，这是登录功能的代码...”
（有 Superpowers）AI：“我来帮你设计登录功能。首先想确认一下：用户用邮箱还是手机号登录？需要‘记住我’功能吗？”

如果你用 Cursor

在 Cursor Agent 聊天框中输入：

/add-plugin superpowers

然后在插件市场搜索“superpowers”，点击安装即可。

如果你用 GitHub Copilot CLI

copilot plugin marketplace add obra/superpowers-marketplace
copilot plugin install superpowers@superpowers-marketplace

关于更新

Superpowers 在大多数平台上会自动更新，你也可以关注 GitHub 仓库的 Release 页面来手动检查新版本。

六、实战示例：用 Superpowers 完成一个功能

为了让你更直观地理解“AI 的思考过程”，我虚构了一段它脑子里的“决策日志”。请注意，这不会真的显示给你看，但它在背后就是这么判断的：

AI 内部决策
听到目标：实现“深色模式”。
规则检查→开发规范要求：先启动 brainstorming，不许直接给代码。

假设你要给项目加一个“深色模式”

对话示例：

你：我想给网站加一个深色模式功能。

AI（触发 brainstorming）：好的，我来帮你梳理一下。有几个问题想先确认：

1. 深色模式是用户手动切换，还是自动跟随系统主题？
2. 深色模式下，主要有哪些颜色需要变化？（背景、文字、边框等）
3. 用户的选择需要保存吗？下次打开浏览器要不要记住？

你：手动切换就行，跟随系统有点太复杂了。主要就是背景变黑、文字变白。要保存用户选择。

（AI 内部生成并保存 `design.md`）

AI：理解了。我现在生成实施计划，把它拆成小任务：

- 任务1：在 CSS 中定义深色模式的变量
- 任务2：创建主题切换按钮组件
- 任务3：实现 localStorage 保存用户选择
- 任务4：添加测试，验证切换功能

（AI 内部生成 `tasks.md`）

AI：现在开始实施第一个任务。

（AI 触发 test-driven-development）

AI：先写测试——验证深色模式开启后，body 的 background 变成黑色。

（运行测试，确认失败。符合预期）

AI：写代码——在 CSS 中定义 .dark 类，设置背景和文字颜色。

（运行测试，通过）

（AI 继续依次执行后续任务）

AI（触发 requesting-code-review）：任务全部完成。我审查了一下：

- 严重问题：0 个
- 建议：可以考虑把主题变量放在 CSS 自定义属性中，方便后续扩展

你要我现在优化吗？

你：好，优化一下。

AI：已优化，测试仍然全部通过。

（任务完成）