👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑,欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料: 

👉这是一个或许对你有用的开源项目

国产Star破10w的开源项目,前端包括管理后台、微信小程序,后端支持单体、微服务架构

RBAC权限、数据权限、SaaS多租户、商城、支付、工作流、大屏报表、ERP、CRMAI大模型、IoT物联网等功能:

  • 多模块:https://gitee.com/zhijiantianya/ruoyi-vue-pro

  • 微服务:https://gitee.com/zhijiantianya/yudao-cloud

  • 视频教程:https://doc.iocoder.cn

【国内首批】支持 JDK17/21+SpringBoot3、JDK8/11+Spring Boot2双版本 

来源:


vibe coding 在小项目能飞,大项目会塌

Andrej Karpathy 在 2025 年提了个词叫 vibe coding ——凭感觉给 prompt,看 AI 跑,不细看,能跑就行。这风格在写一个 demo、跑一个脚本时确实很爽。

国内开发者最近半年几乎都被 AI 编程工具刷屏——Cursor、Trae、通义灵码、CodeBuddy、CodeWhisperer 国内版 轮番出新版本,朋友圈里"昨晚 Cursor 帮我 vibe 出一个 SaaS"的截图越来越多。但圈子里也开始有反向声音:vibe 出来的代码,三个月后没人敢碰 。这不是工具的问题,是 vibe 这种工作方式本身在生产项目上有天花板。

但 vibe 在生产项目上一定会撞墙:

  • 需求没澄清就动手;

  • 实现方案没人评审;

  • 测试缺位;

  • 改动范围失控。

代码确实能跑。问题是两周后没人敢碰——你让 Claude 加个功能,它顺手改了五个文件,你不知道它改了啥,也不知道它为什么 改。

这不是 AI 不行,是流程不行 。软件工程那套「需求澄清 → 设计评审 → 拆任务 → TDD → Code Review」不是给人类拖慢速度用的,是用来防止上面这些事的。

Superpowers 是 vibe coding 的反义词 ——它不让 AI 飞,每一步都打卡。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/ruoyi-vue-pro

  • 视频教程:https://doc.iocoder.cn/video/

Superpowers 真正在做的事:把工程纪律塞回 AI

Jesse Vincent(GitHub: obra)在 2025 年 10 月开源的 Claude Code 插件,现在已上官方市场。

它的设计哲学很反潮流:在所有人追求「AI 写得更快 」的时候,它要 AI「写得更稳 」。具体做法是把软件工程的核心环节做成 20+ 可组合的 Skills——需求澄清、设计评审、任务拆解、TDD、代码审查——每个 Skill 有触发条件、执行流程、产出物,全部走 Git 留痕。

一句话概括:它不教 AI 怎么写好代码,它强制 AI 不能写差。

系统分四层:

层级

职责

用户层

平台无关,支持 Claude Code、Cursor、Codex、OpenCode

框架层

Session Hook 机制,会话开始自动注入技能上下文

执行层

子代理调度,任务隔离、并行

输出层

设计、代码、测试统一走 Git

技能文件是 YAML Frontmatter + Markdown,轻量、可读、可自定义——这意味着你可以自己写 Skill,不是只能用作者那 20 个 。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/yudao-cloud

  • 视频教程:https://doc.iocoder.cn/video/

元问题:上下文膨胀让 AI 越写越歪

vibe coding 在大项目上一定会撞上一堵墙——上下文膨胀 。

对话轮次越多,模型要处理的历史越长,早期决策一直影响后续。AI 写到第 50 轮还在被第 5 轮的错误判断拖着走,代码质量是一条单调下滑的曲线。

Superpowers 的核心机制叫 Subagent-Driven Development(子代理驱动开发) ——每个任务启动一个全新的子代理,只给它当前任务的描述,历史对话不带入 。做完之后专门起一个审查子代理做质量检查。

四条铁律:

  • 上下文隔离 :每个子代理从空白启动,只接收当前任务;

  • 职责分离 :写代码的子代理和审查代码的是两个不同的;

  • 快速重试 :审查不通过直接新建子代理,不在原上下文里反复磨;

  • 并行执行 :独立任务可以分发给多个子代理同时跑。

理解一下这意味着什么:vibe coding 是「一个 AI 从头跑到尾,越跑越累」;Superpowers 是「每个任务都派一个清醒的新人去做 」。

两阶段审查:让 AI 学会挑自己的刺

代码审查最常见的失误是什么?一边讨论代码风格,一边忽略功能缺陷 。Superpowers 把这件事拆成两轮——顺序不能颠倒,关注点严格分离:

阶段

只问一件事

通过标准

不看的

第一轮:Spec Review

实现满足需求了吗?

功能点全 / 边界条件处理 / 测试覆盖规范

代码风格、命名、实现细节

第二轮:Quality Review

代码好不好维护?

风格一致 / DRY / 命名清晰 / 不过度工程

功能正确性(已通过 Spec)

把两件事拆开是因为人类做 review 也容易走神 ——盯着括号位置时会忘了边界条件没处理。让两个不同的子代理各管一件事,至少能逼着 AI 也按这个分工走。

第一轮不通过——不是修补,是直接重做 :系统创建一个新的子代理重新执行任务,原代码直接丢弃。

这个机制乍看暴力,逻辑很对:错的实现修补两次还是错的,直接重做反而更省时间 。

强制 TDD:AI 不主动写测试,那就别给它选

Superpowers 最反直觉的设计是强制 TDD 。

你或许写测试,但你的同事 Claude 大概率不写。它的默认行为是先把功能跑起来,测试是「有空再补」——这不是 AI 偷懒,是训练数据偏差:大部分公开代码本身就没测试 。

Superpowers 直接把这件事干掉:每个任务必须先写测试,测试失败之后才允许写实现 ,实现通过之后才允许重构。RED → GREEN → REFACTOR,循环不能跳。

更狠的是:如果 Claude 检测到代码是在没测试的情况下先写的,会自动删掉让你重来 。Jesse Vincent 在博客里写:「跟一个懒得写测试的初级工程师共事的感觉,系统直接把这个习惯掐掉了。」

这是整套 Superpowers 里最有「纪律感 」的一节——别的工具劝你写测试,它直接没收你不写测试的权利。

完整工作流:从头脑风暴到合并

七个阶段,每个对应具体技能。

阶段一:Brainstorming(头脑风暴)

这是和普通 AI 编程工具差距最大的地方——它会先停下来问问题 。

AI: "这个限流器要做单机的还是分布式的?"
User: "分布式,多个微服务共用"
AI: "限流算法选哪个:固定窗口、滑动窗口、令牌桶、漏桶?"
User: "令牌桶,要平滑流量"
AI: "Key 维度怎么定?按用户、按 IP、按接口,还是组合?"
User: "用户 + 接口"
AI: "存储用 Redis 单实例、集群,还是本地内存兜底?"
...

确认完之后给出 2-3 个实现方案让你选,定完才生成 design.md,分段(200-300 字)让你逐段确认,最后提交到 Git。

这一步看着慢,实际省了大量后期返工——需求没搞清楚就写代码,后面的麻烦只会更多 。

阶段二:Git Worktree(环境隔离)
git worktree add ../rate-limit-worktree -b feature/rate-limit
cd ../rate-limit-worktree

允许多个功能在不同目录下并行开发,IDE 不会频繁重索引。

阶段三:Writing Plans(任务拆解)

任务粒度控制在 2-5 分钟 ,每个任务有明确验证步骤:

## Task: 实现令牌桶算法 (3 分钟)
- 编写 TokenBucket 类,支持 capacity 和 refillRate
- 实现 tryAcquire(tokens) 方法(线程安全)
- 单元测试:突发流量 / 持续低流量 / 超额请求

验证步骤:
- [ ] 测试通过
- [ ] 1 秒内不超过 refillRate 的请求全部成功
- [ ] 并发场景下不出现负数令牌

任务之间尽量减少依赖,方便子代理并行。

阶段四 → 阶段七

简单粗暴:派子代理执行 → 强制 TDD → 两阶段审查 → 通过就下一个,不通过新建子代理重做 。所有任务做完,提供选项:合并到主分支 / 生成 GitHub PR / 保留 worktree / 丢弃。清理 worktree,结束。

两种执行模式怎么选

维度

Subagent-Driven Development

Executing Plans

会话模型

当前会话内创建子代理

并行独立会话

上下文

每个子代理全新上下文

批量执行,共享上下文

审查机制

自动两阶段审查循环

人工检查点

执行速度

快(无需等待)

慢(需人工确认)

适用场景

独立、明确的任务

需要中途调整策略的任务

失败处理

自动重试

需人工介入

一句话选型:需求清楚、测试完整就用第一种;探索性开发、要中途换方向就用第二种 。

安装方法:官方市场最省心

/plugin install superpowers@claude-plugins-official

或者用作者自己的市场:

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

安装完重启 Claude Code 就能用。

其他平台:

  • Cursor :Agent chat 里搜 "superpowers"

  • Codex :让它获取 https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.md 按说明操作

  • OpenCode :路径换成 .opencode/INSTALL.md

  • GitHub Copilot CLI / Gemini CLI :见 README

技能速查和触发方式

技能

功能

使用场景

brainstorming

逐步澄清需求

需求不明确时

writing-plans

任务拆解为可执行步骤

大功能或复杂任务前

executing-plans

按计划执行并设检查点

推进既定计划

test-driven-development

TDD 红-绿-重构循环

功能实现阶段

systematic-debugging

结构化 Bug 根因分析

出现 Bug 或异常

verification-before-completion

任务结束前验证

准备提交时

requesting-code-review

请求代码审查

提交或合并前

subagent-driven-development

用子代理执行任务

需并行处理子任务

using-git-worktrees

Git worktree 隔离环境

同时开发多个功能

技能通过关键词自动触发,可以组合使用:

用 TDD 实现订单导出接口,完成后帮我做代码审查

这条同时触发 test-driven-development 和 requesting-code-review

最后说两句:好用,但很烧 token

vibe coding 没错。在 demo / 原型 / 一次性脚本场景,它是当前最高效的写法——不需要的工程纪律就是浪费。

但生产项目不是 vibe 能扛住的。Superpowers 给的不是「比 vibe 更好的 prompt」,是 vibe 之外的另一条路 ——把软件工程那套真正起作用的纪律,重新装回 AI 工作流 。

不过装之前先说一句很现实的事:Superpowers 真的很烧 token 。

  • 子代理隔离 = 每个任务都重载上下文;

  • 两阶段审查 = 同一段代码至少跑三次(实现 → Spec Review → Quality Review,不通过还要重做);

  • 强制 TDD = 多一倍的测试代码生成。

一个简单功能下来,token 消耗轻松是 vibe coding 的 5-10 倍 。在 token 计费越来越紧的当下,这个成本是要算清楚的。

实操建议很简单:

  • 公司报销 / 团队预算够 :放心装,长期可维护性的回报远大于 token 成本。

  • 个人自费 :先在小项目上试,跑过几次再决定要不要在主力项目上铺开。

  • vibe 已经能解决的场景 :别硬上工程化,Superpowers 是给真正需要纪律的项目用的 。

工程化不是免费的午餐——质量提上去的同时账单也跟着上去。想清楚再装。

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


欢迎加入我的知识星球,全面提升技术能力。

👉 加入方式,长按”或“扫描”下方二维码噢

星球的内容包括:项目实战、面试招聘、源码解析、学习路线。

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
Logo

欢迎加入DeepSeek 技术社区。在这里,你可以找到志同道合的朋友,共同探索AI技术的奥秘。

更多推荐