最近好几个朋友跑来问我同一个问题“你说的superpowers到底是什么怎么装装完能干嘛”问的人多了我觉得干脆写一篇完整的实操记录把我从第一次听说superpowers到最后把它用进日常开发流程的整个过程梳理一遍。先给结论superpowers不是某个具体的AI大模型也不是一个可以直接运行的程序它是一套“技能skills”体系。你可以把它理解为给AI编程助手装上的一整套“工作规范手册”。平时你用AI写代码、写文档它是有问必答的但回答质量非常不稳定有时候天马行空有时候又过度保守。superpowers的做法很简单把那些资深工程师解决问题时的思路、步骤、检查清单固化成一个个结构化的技能文件当AI遇到对应任务时按技能文件里的流程来执行。结果是稳定、专业、有章法而不是每次碰运气。这篇内容适合谁你已经在用AI编程助手辅助日常开发对“提示词工程”有一定概念但总感觉效果飘忽不定或者你正在管理一个用AI写代码的小团队想统一工作流程和输出标准。看完这篇你会知道superpowers有哪些skill、怎么安装、怎么引入到自己项目里以及我踩过的那些坑。1. 项目概述与核心价值解析1.1 superpowers到底是什么我第一次看到superpowers这个名字第一反应是“这又是什么花里胡哨的AI套壳工具”。实际看了项目结构之后才明白它比我想象的要朴素得多也实用得多。它本质上是一个开源的“技能包集合仓库”里面按目录组织了几十个独立的技能。每个技能就是一个文件夹核心是一个SKILL.md文件用Markdown写成里面包含技能名称、适用场景描述、触发条件、详细操作步骤、检查清单、常见错误规避点、示例输出。AI编程助手在运行时会先“扫描”这些技能的名称和简介等任务进来时判断当前任务匹配哪个技能然后把对应技能文件里的完整流程加载进来最后按流程执行。打个比方普通AI像一个能力很强但没受过训练的新人你给他一个任务他凭直觉回答superpowers就是给他发了一整套SOP标准作业流程遇到什么任务自动翻到对应章节照着做。这样一来AI的输出就有了“肌肉记忆”不再每次从零发挥。1.2 为什么值得安装superpowers我先说结论如果你只是偶尔让AI帮你写一段一次性脚本superpowers对你来说意义不大但如果你每天和AI结对写代码、写方案、做代码审查、排查线上问题它能带来的提升是立竿见影的。我总结下来有四个核心价值解决AI输出不稳定的问题。同样一个“帮我写个用户注册接口”的需求普通AI可能这次给你返回参数校验下次直接漏掉。而superpowers的tdd技能会强制AI先写测试再写实现code-review技能会按安全、性能、可读性逐项检查流程固定输出自然稳定。把个人经验固化下来。我以前会在提示词里反复写“注意异常处理”“注意日志规范”但写得再详细换一个会话就没了。superpowers把这些经验放进技能文件一次配置处处生效。可定制、可扩展。它不只是给你一堆现成技能你完全可以照着格式自己写一个技能把你团队的内部规范、你个人的编码偏好、你的文档风格模板都固化进去。有社区生态。这个项目是开源的持续有贡献者往里面加新技能你不需要从零开始搭建拿过来改一改就能用。用一张表对比普通提示词方式与技能方式的区别对比维度普通提示词方式superpowers技能方式工作流程靠AI临场发挥结构化步骤驱动输出标准每次不一样带检查清单约束经验复用换会话即失效沉淀在技能文件中团队统一很难强制全员加载同一套技能自定义能力每次写提示词改一个MD文件即可2. 安装与基础配置一步步把技能库跑起来2.1 一键安装三步完成superpowers技能库接入先说环境前提superpowers是建立在AI编程助手插件机制之上的技能库所以你得先有一个支持SKILL.md技能机制的AI编程助手客户端。以Claude Code这类工具为例它天然支持“插件市场plugin marketplace”和“技能skills”体系superpowers就通过这个机制分发。安装步骤其实很短我这里写的是基于当前版本的实际操作路径具体命令以项目官方仓库最新的README为准第一步打开你的终端进入一个项目目录cd ~/work/my-project第二步在AI助手会话里添加插件市场。注意不是在系统shell里执行而是在AI助手的斜杠命令里/plugin marketplace add obra/superpowers这行命令的作用是把superpowers的仓库注册成你的“插件来源”。命令执行后会看到仓库被解析、拉取技能清单的过程。第三步正式安装插件/plugin install superpowers安装完成后建议重启一下会话。因为技能清单是在会话启动时加载的不重启就不会生效。验证是否成功有几种方式在会话里直接问“你现在有哪些skills”AI会列出当前可用的技能清单或者你也可以直接查看技能目录理论上能看到类似skills/brainstorming/SKILL.md这样的文件结构。2.2 理解技能加载的底层逻辑装完之后我建议你别急着让它干活先花五分钟理解一下它的运行机制这对后面排查问题很有帮助。superpowers的技能不是“常驻内存”的而是“按需加载”的。会话启动时AI助手只加载每个技能的“名称”和“一句话简介”相当于给你一本书的目录当你的请求进来时AI判断这个请求和哪个技能章节匹配再去读取对应的SKILL.md完整内容然后严格按照里面的步骤执行。这意味着三件事第一技能的数量可以很大不会因为技能多就撑爆上下文窗口第二AI的意图识别能力很关键你说“帮我看看这段代码”它会匹配到code-review技能你说“帮我想几个方案”会匹配到brainstorming技能第三如果某个技能一直没触发大概率是你说话的方式让AI没识别出来或者是技能描述写得不够明确。另外我注意到一个细节superpowers还利用了一些插件机制里的hook比如在会话启动时把技能清单注入到系统提示词里。这保证了AI“知道”自己有哪些技能可用而不会出现“技能就在那里但AI完全无视”的尴尬情况。2.3 技能目录结构详解如果你好奇这些技能长什么样可以直接打开安装目录看。核心结构一般是这样的superpowers/ ├── skills/ │ ├── brainstorming/ │ │ ├── SKILL.md │ │ └── examples/ │ │ └── sample-input.md │ ├── planning/ │ │ ├── SKILL.md │ │ └── examples/ │ ├── bulletproof-writing/ │ │ ├── SKILL.md │ │ └── templates/ │ └── ...每个SKILL.md的开头是YAML格式的元信息大概长这样--- name: brainstorming description: 当用户需要生成创意、探索方案或进行需求发散时使用。适合产品需求讨论、技术选型、功能设计等场景。 allowed-tools: [] ---name是技能名description是技能简介这段文字非常重要因为AI就是靠它来判断触发条件的allowed-tools是可选的工具白名单限制这个技能执行时能否调用其他工具。正文部分则是具体的操作步骤、提问框架和检查清单。这个结构的好处是超级轻量其中一个技能就是纯Markdown文件不涉及复杂代码完全可以阅读、修改、甚至从零写一个新的技能文件导入进去。3. 技能总览与场景适配有哪些skills值得重点用3.1 我实测下来最有用的七个技能superpowers目前带了几十个技能覆盖面还挺广的从需求分析、任务规划、编码实现到测试、调试、文档写作都有。我挑七个我实际用得最多、效果最明显的技能做成一张速览表技能名适用场景核心作用brainstorming需求发散、技术选型、设计方案讨论系统性地列出场景、约束、备选方案、风险点避免遗漏planning复杂任务拆解、项目排期把一个模糊目标拆成带验收标准的可执行任务bulletproof-writing长文写作、技术文档、方案文档按结构化框架组织内容保证逻辑严密、论据充分systematic-debugging线上问题排查、Bug定位通过假设-验证-排除的循环缩小问题范围而不是瞎改code-review代码审查、重构建议从安全、性能、可读性、边界条件等多维度审查tdd测试驱动开发先写失败测试再实现功能最后跑绿确保覆盖率system-thinking根因分析、复杂问题归因从系统层面分析问题避免头痛医头脚痛医脚以systematic-debugging为例它会在技能文件里引导AI先重现问题、再收集证据日志、报错、数据、形成假设、验证假设、定位根因、修复、回归验证。哪怕你给AI的信息一开始非常模糊它也会按这个流程一步步追问和排查而不是像以前那样直接甩给你一段猜测性的修复代码。3.2 技能之间如何组合成工作流单个技能是“点”组合起来就是“线”。我使用一段时间后发现superpowers的技能设计本身就有很强的流程衔接意识常见的有三条链路功能开发链路brainstorming梳理需求→planning拆任务→tdd实现→code-review审查问题排查链路system-thinking判断是否系统性问题→systematic-debugging逐层定位→code-review修复后审查文档写作链路brainstorming列大纲→bulletproof-writing写初稿→code-review查逻辑漏洞实际使用中你不需要每次都明确指定用哪个技能AI自己会根据任务内容判断触发哪个。但你也可以在提问里主动点名比如“用planning技能把上周说的那个需求拆一下”这样命中率会更高。3.3 技能启用的触发方式与使用习惯这里有个使用习惯值得单独说说。既然技能靠意图识别触发那么提问的措辞就等于“开关”。我实测下来有两个技巧第一在问题里主动带上技能名。比如“请用brainstorming技能帮我思考一下缓存方案选型”这种显式点名几乎100%能触发对应技能。第二一次只触发一个主导技能。如果你在同一个请求里既说“帮我头脑风暴”又说“按code-review来”AI会来回切换反而哪个都没执行好。4. 实操案例用superpowers从零完成一个功能的完整链路4.1 场景设定与前置状态说了这么多不如直接跑一遍完整流程给你们看。我拿一个非常典型的CRUD功能来演示做一个带邮箱验证码校验的用户注册接口技术栈是Node.js Express SQLite。这个功能麻雀虽小但五脏俱全覆盖了输入校验、业务逻辑、存储、异常处理、测试和排查。我的前置状态是项目刚刚初始化完依赖没有写任何业务代码会话已经装好superpowers。4.2 用brainstorming梳理需求我没有直接说“写个接口”而是这样问我想做一个邮箱注册功能流程是用户填邮箱和密码系统给邮箱发验证码用户填完验证码后完成注册。请用brainstorming技能帮我梳理一下需要处理哪些场景和边界。AI自动识别到brainstorming技能输出的内容明显不一样了它先列出了这个功能的“干系人视角”用户、系统、邮箱服务商然后按正常流程、异常流程、边界流程三段展开。比如“验证码有效期是多长”“同一邮箱重复请求验证码如何处理”“密码复杂度要求是什么”“验证码发送失败是重试还是直接报错”这些细节我还没来得及考虑它已经列出来了。这一步的产出是一份需求清单V1。在这个环节我的任务是“判断AI列出的场景是否覆盖了我的业务预期”而不是从零思考。4.3 用planning拆解可执行任务需求到位后我接着发指令用planning技能把以上需求拆成开发任务每个任务要有交付标准和预估复杂度。这次AI触发的是planning技能。输出非常像我们组内用的任务卡T1设计数据库表和索引验收标准是表结构能支持“邮箱唯一、验证码记录带TTL”T2验证码生成与邮箱发送验收标准是能限制发送频率、验证码6位数字、有效期5分钟T3注册接口实现验收标准是密码加盐哈希存储、参数校验全通过T4接口单元测试验收标准是覆盖正常注册、验证码错误、邮箱重复、验证码过期5条用例T5联调验证验收标准是走通全流程并记录日志。每个任务的顺序和依赖关系也整理出来了。我自己做这个拆解可能需要二十分钟AI用技能库不到一分钟就完成了而且颗粒度完全能落地。4.4 用tdd技能驱动编码实现这是我最喜欢的一个环节。我在会话里说按tdd流程实现T3注册接口先写测试再写实现。一般情况下我会收到一个操场格式的回复但这个tdd技能会控制AI分四步走先写一个失败的测试用例再运行测试看到失败然后写最小实现最后测试通过。第一个测试大概是这样我用的是supertesttest(注册接口邮箱格式不正确时返回400, async () { const res await request(app) .post(/api/register) .send({ email: not-an-email, password: abc12345, code: 123456 }); expect(res.status).toBe(400); });AI会先给出这个测试然后执行看到红失败接着补参数校验逻辑最后跑绿。整个过程严格按“红-绿-重构”节奏执行。我作为人的工作变成了确认测试用例覆盖的关键场景是否符合预期而不是一行一行盯实现。4.5 用systematic-debugging排查一个线上问题功能写完后我又模拟了一个比较隐蔽的问题用户注册成功了但验证码邮件偶尔发不出去且没有任何报错日志。我故意说用户反馈注册时邮箱收不到验证码但后台没有错误日志用systematic-debugging帮我排查。这个技能触发后AI并没有直接给猜一个修复方案而是按流程先让我收集证据确认用户使用的是哪个邮箱服务商QQ、163还是Gmail检查邮件发送服务的响应码和时间戳查看验证码记录的落库状态在一个回合的交互中AI逐步缩小范围发现验证码记录确实生成了但邮件发送API在特定服务商下返回了软退信原因是发信频率被限。最终修复方案是增加退信名单管理并调整发送失败后的重试策略。这个过程给我的体验是AI不再像一个“答案生成器”更像一个会按流程做排查的初级工程师而且每一步都有据可依。5. 常见问题与排查技巧实录5.1 技能一直不生效怎么办这是我被问到最多的问题。症状是装完superpowers问AI“你现在有什么技能”结果AI一脸茫然。先别怀疑装错按顺序排查是否重启会话技能清单在会话启动时加载不重启不生效。插件是否真的启用用/plugin命令查看状态确认不是只添加市场但没安装。是否在项目目录里启动的会话如果你换了一个目录启动会话插件可能没带过来。我把这个整理成一张速查表方便你直接定位症状可能原因解决方案问AI有什么技能AI说不知道会话未重启重启会话后再试技能列表能看到但任务不触发提问描述不够明确主动点名技能名称插件命令找不到客户端版本较旧先升级客户端再重装插件其他项目里技能不存在插件作用域限定在当前项目在新项目目录重新安装5.2 插件市场添加失败添加插件市场时可能提示拉取失败或超时。一般问题出在网络环境或地址格式上。我的经验是先把仓库地址确认无误再检查当前网络的连通性。这里提醒一句不要同时开多个代理工具去解决网络问题反而容易导致证书校验失败。确保网络正常后重新执行添加命令绝大多数情况下能解决。5.3 技能输出太啰嗦怎么办有些技能比如bulletproof-writing的检查清单非常全面输出会特别长。如果我只是想要一个简洁的文档大纲这种全面反而变成负担。我的解法是在提问时加限制条件比如“用bulletproof-writing技能写但只输出章节标题和一句话描述不展开细节”。技能文件里的步骤AI会执行但你显式约束的“收尾方式”优先级更高输出会明显精简。5.4 自定义技能不被AI识别如果你想自己加一个团队内部规范技能写好SKILL.md后却不被识别最常见的原因是YAML frontmatter写错。少一个空格、多一个缩进YAML解析失败AI就跳过这个文件。另一个原因是description写得太泛。比如“用于代码规范”这种描述AI很难把具体问题匹配过来。尽量写成“当用户询问代码风格、提交信息格式、分支命名规范等问题时使用”触发率会高很多。一个我个人的小技巧写完自定义技能后在会话里直接问“你有哪些技能”如果列表里没出现你新加的那个基本就是文件格式有问题或者会话没重启别反复试业务对话先解决这两个基础问题。6. 我的使用习惯与扩展思路6.1 我日常是怎么搭配使用的用了一段时间之后superpowers在我这里并不是“所有任务都用技能”的状态我会按场景分治。写技术方案和博客的时候bulletproof-writing几乎每次都用它强制我在开头说明“要解决什么问题”在正文按“背景-方案-对比-结论-附录”组织比我之前自由发挥的写作方式结构清晰得多。做技术方案时brainstorming用来发散选型planning用来拆里程碑这两个组合基本替代了我以前在纸面上做规划的环节。写业务代码时tdd和code-review是固定搭配。我之前对测试总有点“能跑就行”的心态但现在AI按tdd流程走先给测试用例我再决定要不要收下这个测试。整个过程被技能约束成了标准动作。最直接的感受是线上出bug的频率下降至少低级参数校验问题基本绝迹了。6.2 定制一个属于自己的技能superpowers最大的优势不是开箱即用而是能“为我所用”。我现在会把团队内部规范、常见踩坑点打包成自定义技能。比如有一个project-log技能内容是固定的版本记录模板和发布检查清单。每次发布前我会说“用project-log技能帮我整理这次发布的变更记录”它就会按模板输出规范格式。等于把团队的发布规范一键接入AI。自定义的格式其实很简单在skills/目录下新建一个文件夹里面放一个SKILL.mdfrontmatter写好name和description正文写步骤和检查清单。改完重启会话新技能就能被识别了。建议刚开始不要贪多先选一个自己每天重复做的事情把它固化成技能试运行一周。等用顺手了再逐步扩展。6.3 一些边界提醒再补几句掏心窝的话。superpowers解决的是“AI输出的过程质量”但结果质量仍然需要人来兜底。技能文件写得再细AI也有理解偏差的时候代码审查这个环节不该省。另外技能也不是越多越好太多技能会让AI在“意图匹配”时发生混淆我实际保持在20个以内。最后再说一个小经验技能库本身要纳入版本管理。我会把定制技能目录放到代码仓库里改技能的时候走正常的pr评审流程团队里的每个人同步拉取后大家的AI行为就完全一致了。这个习惯帮我省掉了不少“为什么你的AI会这样我的AI不会”的讨论。