Superpowers：让 AI 编程助手从「能写代码」到「工程级交付」的技能框架

Superpowers 是由 Claude Code 核心贡献者打造的开源技能框架，GitHub 已获得16 万+ Star，是 Anthropic 官方插件市场上安装量排名第二的插件。不要直接写代码。先澄清需求，再编写计划，然后分步实现，每一步都有检查点。Superpowers 将专业软件开发团队的方法论固化为 14 个可组合的「技能（Skills）」，在 AI 编程助手启动时自动加载。它不是「

qq_38590739

371人浏览 · 2026-05-07 11:51:54

qq_38590739 · 2026-05-07 11:51:54 发布

原文地址【带图片】：Superpowers：让 AI 编程助手从「能写代码」到「工程级交付」的技能框架

一个场景：AI 写代码为什么越写越乱？

你兴冲冲地打开 Claude Code，敲下一句话：「帮我做一个用户登录系统，支持邮箱和手机号登录。」

AI 二话不说开始往外吐代码——路由、数据库模型、密码加密、JWT、中间件……一口气写了 800 行。你还没来得及高兴，就发现了一些问题：

手机号登录是否要验证码？AI 假设要，但你其实只是想要一个简单实现
数据库选型没问你——它默认用了 SQLite，但你的项目是 PostgreSQL
没有测试，也没有错误处理，你开始怀疑这段代码能不能用

这在技术圈有个名字——Vibe Coding：让 AI 「凭感觉写代码」，结果往往是越写越乱。

Superpowers 就是为了解决这个问题而生的。它不是另一个 AI 工具，而是一套强制性的工程纪律系统，让 AI 在写代码之前先去思考你想让它写什么。

一、什么是 Superpowers？

Superpowers 是由 Claude Code 核心贡献者 Jesse Vincent（obra） 打造的开源技能框架，GitHub 已获得 16 万+ Star，是 Anthropic 官方插件市场上安装量排名第二的插件。

它的核心理念可以用一句话概括：

不要直接写代码。先澄清需求，再编写计划，然后分步实现，每一步都有检查点。

Superpowers 将专业软件开发团队的方法论固化为 14 个可组合的「技能（Skills）」，在 AI 编程助手启动时自动加载。它不是「建议」AI 遵循最佳实践，而是强制它走完完整的工程流程。

它不是什么

不是 Prompt 模板包：它不是把一段长提示词塞给 AI，而是通过代理技能系统在运行时控制 AI 的行为
不是一个新 AI 工具：它是 Claude Code、Cursor、Codex 等现有平台的插件，不替换你的工具链
不适合所有场景：改一个错字、调一个颜色，不需要 Superpowers。但开发一个完整功能、重构一个模块，它是你的工程护盾

架构理念

Superpowers 建立在一个简洁的三阶段流水线上：

头脑风暴（Brainstorm） → 编写计划（Write Plan） → 执行计划（Execute Plan）

每个阶段都有不可跳过的检查点，确保质量在源头被保障，而不是事后补救。

二、安装 Superpowers

Superpowers 支持多种 AI 编程平台，安装方式因平台而异。

Claude Code（推荐）

Claude Code 上安装最简单，通过插件市场即可：

# 第一步：注册 Superpowers 插件市场
/plugin marketplace add obra/superpowers-marketplace

# 第二步：安装核心插件
/plugin install superpowers@superpowers-marketplace

也可以直接通过 Anthropic 官方市场安装：

/plugin install superpowers@claude-plugins-official

Cursor

在 Cursor 的终端中输入：

/add-plugin superpowers

Gemini CLI

gemini extensions install https://github.com/obra/superpowers

GitHub Copilot CLI

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

验证安装

安装成功后，输入 /help 或在支持的平台输入对应命令，如果出现以下三个命令即表示安装成功：

命令	功能
`/superpowers:brainstorm`	头脑风暴 — 交互式需求澄清与方案设计
`/superpowers:write-plan`	编写开发计划 — 将设计拆解为细粒度可执行任务
`/superpowers:execute-plan`	执行计划 — 带检查点批量执行，遇阻即停

这三个命令分别对应流水线的三个阶段。你不必手动调用它们——在绝大多数场景下，Superpowers 会在 AI 代理启动时自动触发。

三、核心工作流：从「想到」到「做完」

Superpowers 的核心是一个 7 步工程流水线。下面我们通过一个完整示例——「开发一个 Python 程序，读取图片上的文字并用红色方框标注」——来看这套流程是怎么运转的。

阶段一：头脑风暴（Brainstorm）

当你输入开发需求后，Superpowers 不会让 AI 直接写代码，而是启动一个苏格拉底式的多轮对话：

AI: 你希望支持哪些语言？中文、英文，还是多语言混合？
你: 主要是中文，但英文也要能识别。

AI: 输入输出格式有什么要求？
你: 输入是本地图片文件，输出是标注后的新图片文件。

AI: 方框的粗细和颜色需要可配置吗？
你: 不需要，用默认红色 3px 即可。

头脑风暴阶段有几个关键规则：

设计方案获批前，零代码——AI 不能写哪怕一行代码
所有假设必须被确认或否定——不允许「我猜你需要……」
至少提出 2-3 个方案并分析利弊——让开发者做选择，而不是 AI 替你做决定
输出正式设计文档——作为后续所有步骤的「契约」

阶段二：Git 工作区隔离

头脑风暴通过后，Superpowers 会自动在一个隔离的 Git Worktree 中创建新分支。这样做的好处：

主工作区不受影响，随时可以切回去
如果实现方向不对，直接丢弃整个 worktree，没有任何副作用
多个并行任务互不干扰

阶段三：编写计划（Write Plan）

设计文档确定后，Superpowers 会将需求拆解为极细粒度的任务，每个任务满足：

2-5 分钟可完成——宁可拆碎，不要笼统
包含精确文件路径——明确知道要改哪个文件
包含验证步骤——写完代码后如何确认它是对的
严禁占位符——不允许出现 TODO、待定、后续实现

一个典型的任务单元看起来像这样：

### Task 2/8: 实现 OCR 文字识别模块

**文件**: `src/ocr_engine.py`

**实现内容**:
- 使用 `pytesseract` 调用 Tesseract OCR 引擎
- 支持中文 (chi_sim) 和英文 (eng) 语言参数
- 返回 `[(text, bbox), ...]` 列表，bbox 为 (x, y, w, h)

**验证**: `python -c "from src.ocr_engine import recognize; print(recognize('test.png'))"`

阶段四：子代理 TDD 执行

计划批准后，执行阶段不是由主 AI 直接写代码，而是派发子代理——每个子代理负责一个独立任务，拥有自己的上下文窗口。

执行严格遵循 TDD（测试驱动开发） 循环：

RED → 先写一个失败的测试
GREEN → 写最少的代码让测试通过
REFACTOR → 重构代码，保持测试绿色

每个子代理完成任务后，要经过两阶段审查：

规格符合度审查：代码是否严格按设计文档实现？有没有多余的功能？
代码质量审查：安全性、性能、可维护性、边界处理是否到位？

审查不通过，子代理必须修改重来，直到通过为止。

阶段五：系统化调试

如果测试失败或审查发现 Bug，Superpowers 启动四阶段调试流程：

根因分析：精确描述症状，定位到具体代码行
假设形成：基于根因提出修复假设
假设验证：用最小改动验证假设
修复实施：确认修复后，正式应用改动并补充测试

这比「试试这个、试试那个」的随机调试高效得多。

阶段六：完成前验证

所有任务完成后，Superpowers 不会直接说「搞定了」。它会启动一个强制验证清单：

所有测试通过？
没有遗留的 TODO 或占位符？
文档和注释同步更新？
没有调试代码（print、console.log 等）残留？
变更文件都在预期范围内，没有误改无关文件？

阶段七：分支收尾

验证通过后，Superpowers 提供清晰的收尾路径：

✅ 所有任务完成，所有检查通过。

请选择：
1. 合并到主分支
2. 创建 Pull Request
3. 保留分支（稍后处理）
4. 丢弃所有变更

请输入选项编号：

四、14 个核心技能一览

Superpowers 的 14 个技能分为四类，覆盖从需求到交付的全流程。

流程类

技能	触发时机	核心作用
`brainstorming`	开始任何实现之前	通过多轮对话澄清需求，设计技术方案，产出设计文档
`writing-plans`	设计文档获批后	将方案拆解为 2-5 分钟的细粒度任务，每个任务含文件路径和验证步骤
`executing-plans`	计划获批后	带检查点的批量执行，追踪进度，遇阻即停
`subagent-driven-development`	执行每个子任务时	派发独立子代理执行单个任务，经两阶段审查
`dispatching-parallel-agents`	任务可并行时	并发派发多个子代理执行独立任务

测试与质量

技能	触发时机	核心作用
`test-driven-development`	编写任何功能代码时	强制 RED-GREEN-REFACTOR 循环，不写测试不让写实现
`systematic-debugging`	测试失败或发现 Bug 时	四阶段结构化调试：根因→假设→验证→修复
`verification-before-completion`	所有任务完成后	强制检查清单：测试、TODO、调试代码、改动范围

协作类

技能	触发时机	核心作用
`requesting-code-review`	子代理完成任务后	多代理并行审查（安全、性能、风格、规格）
`receiving-code-review`	收到审查反馈后	技术性解析反馈，逐条响应而不是笼统接受
`finishing-a-development-branch`	验证通过后	提供 merge/PR/keep/discard 选项，清理工作区

工具类

技能	触发时机	核心作用
`using-git-worktrees`	启动新开发任务时	创建隔离 Git 工作区，互不干扰
`writing-skills`	需要自定义技能时	按最佳实践编写新的 Superpowers 技能
`using-superpowers`	代理启动时	元技能——教 AI 如何使用这套技能系统本身

五、实际效果与适用边界

效果数据

Superpowers 自 2025 年 10 月发布以来，增长迅猛：

2025 年 10 月：初始发布
2026 年 1 月：约 3 万 Star
2026 年 3 月：约 12 万 Star，GitHub Trending 第一
2026 年 4 月：16 万+ Star，Anthropic 官方市场安装量第二（23 万+ 安装）

社区实践

有开发者在社区分享：

用 Superpowers 从零搭建公司落地页，5 分钟头脑风暴 + 审批计划后，30 分钟、5 轮迭代即上线。无需中途纠正 AI 的假设，因为所有决策都在 brainstorm 阶段前置解决了。

这正是 Superpowers 带来的核心变化：把纠错成本从实现阶段前移到设计阶段。在传统 AI 编码流程中，你往往在看到代码后才发现问题；Superpowers 让你在代码出现之前就把问题解决掉。

适用场景

强烈推荐使用的场景：

多文件功能开发（新增 API、页面、模块）
系统重构（跨文件的架构调整）
从零搭建项目（需要完整的技术选型和架构设计）
多人协作项目（需要规格文档作为协作基准）
不熟悉的技术栈（用头脑风暴弥补知识空白）

不太适合的场景：

单行修复（改文案、修颜色、调间距）
已经充分讨论、只需执行的明确任务
上下文窗口紧张的小型项目

成本和权衡

Superpowers 不是免费的午餐：

代价	说明
上下文窗口消耗	14 个技能会占用大量上下文空间，大型项目可能挤占代码实现空间
流程开销	头脑风暴和写计划本身需要时间，简单任务反而拖慢节奏
TDD 的必要性	不是所有人习惯 TDD，强制 RED-GREEN-REFACTOR 可能感觉束缚
学习成本	理解 14 个技能的触发时机和协作方式需要实践