Superpowers：为AI编程智能体赋予工程化超能力

来源：博客 John's Blog , 编辑：Alice（火龙果科技）

68 次浏览	1次

1.前言

随着 Claude Code 、 Cursor 、 GitHub Copilot 等 AI 编程工具的广泛普及，开发者的生产力得到了显著提升。然而，随之而来的问题也逐渐清晰： AI 能生成代码，却不知道该"先做什么"； AI 能回答问题，却不遵循团队的工程规范； AI 能修复 Bug ，却常常改完一处又破坏另一处。

AI 编程工具缺少的不是智能，而是工程纪律。

Superpowers 正是为解决这一问题而生的开源项目。它为 AI 编程智能体提供了一套完整的、可组合的软件工程工作流技能库，让 AI 不仅会写代码，更懂得如何"正确地"开展软件工程实践。

2.背景与痛点

2.1 AI编程工具的工程管理困境

当前主流的 AI 编程工具在代码生成层面已经相当出色，但在工程管理层面却普遍存在以下问题：

痛点	具体表现
直接跳入实现	收到需求后立即写代码，跳过需求澄清和设计阶段
缺乏测试意识	先写实现代码，测试是事后补写的"装饰品"
上下文漂移	长对话中逐渐偏离最初目标，产出越来越偏
验证不充分	声称"已完成"但未实际运行测试验证
调试方法随意	遇到问题凭感觉猜测，缺乏系统性排查流程
代码质量无保障	没有代码评审环节，质量依赖 AI 的"自觉"

2.2 从"能用"到"好用"的鸿沟

以一个典型的功能开发场景为例：开发者说"帮我实现一个用户认证模块"， AI 往往会立即开始写代码。但这种行为模式存在严重问题：

没有确认具体使用场景（ Web ？ CLI ？ API ？）
没有确认技术栈约束（使用哪种加密方式？会话管理方案？）
没有确认验收标准（怎样才算"完成"？）
直接产出的代码缺乏测试，后期维护困难

这本质上是 AI 缺乏软件工程的工程纪律 ——不是能力问题，是流程问题。

2.3 Superpowers的解题思路

Superpowers 的核心洞察是：好的工程实践可以被编码为可复用的"技能"（ Skill ），并在合适的时机自动触发。

就像给工程师提供了一本详细的"工程手册"， Superpowers 通过技能文件（ SKILL.md ）将最佳实践结构化，然后通过一套触发机制确保 AI 在合适的时机自动应用这些实践——不是建议，而是强制执行。

这一思路的本质是： Process over Prompt （流程大于提示）。

大多数人面对 AI 质量问题的本能反应是：换一个更好的模型，或者写一段更精妙的提示词。 Superpowers 的选择恰恰相反——它不依赖 AI 能力的提升，而是用可重复的工程流程约束 AI 的行为模式。

Superpowers 不会让 AI 变得更聪明，但会让 AI 的聪明变得可控。同一个模型，在没有工程流程约束之前可能产出杂乱的代码、跳过测试、声称完成却没有验证；加上 Superpowers 之后，同一个模型会先做设计、再做计划、再按批次执行、完成后用证据验收——产出质量的差异不来自模型本身，而来自流程是否在场。

3. 什么是Superpowers

Superpowers 是一个完整的软件开发工作流框架，构建于一套可组合的"技能"（ Skills ）之上。其官方定义是：

A complete software development workflow for your coding agents, built on top of a set of composable "skills" and some initial instructions that make sure your agent uses them.

3.1 核心设计原则

Superpowers 的设计体现了以下几个核心原则：

技能强制触发（Mandatory Skill Invocation）：技能不是可选建议，而是强制执行的工作流。只要有1%的可能某个技能适用，智能体就必须调用它。这种强硬的设计避免了 AI "理性化跳过"最佳实践的情况。

Superpowers 技能的强制触发原理是通过 Skill提示词 + 上下文注入实现。

可组合性（Composability）：每个技能是独立的 Markdown 文件（ SKILL.md ），描述了特定场景下的最佳实践流程。技能之间通过触发关系串联，形成完整的工作流链路。

子智能体驱动开发（Subagent-Driven Development）：通过为每个实现任务分配独立的子智能体，避免长对话中的上下文污染，同时通过两阶段评审（规格符合性检查 + 代码质量检查）确保输出质量。

证据优先（Evidence Over Claims）：任何声称"已完成"的任务都必须有可验证的证据——测试通过的截图、命令输出等，不能仅凭 AI 的断言。

3.2 技能库一览

Superpowers 当前提供以下技能：

3.2.1 协作与工作流

技能名称	触发时机	功能描述
brainstorming	任何创意性工作开始前	苏格拉底式设计精炼，生成设计文档
writing-plans	拥有规格/需求，准备编码前	编写详细的实现计划
executing-plans	执行实现计划时	批次执行，带人工检查点
subagent-driven-development	执行含独立任务的实现计划时	每任务分派独立子智能体，两阶段评审
dispatching-parallel-agents	需要并行执行多个独立任务时	并发子智能体工作流
requesting-code-review	提交代码评审前	预评审清单检查
receiving-code-review	收到代码评审反馈时	系统性响应评审意见
using-git-worktrees	开始需要隔离的功能开发前	创建隔离的 Git 工作树
finishing-a-development-branch	开发任务完成后	验证测试、选择合并/ PR /保留/丢弃

3.2.2 测试驱动开发

技能名称	触发时机	功能描述
test-driven-development	实现任何功能或修复 Bug 前	强制执行红绿重构（ RED-GREEN-REFACTOR ）循环

红绿重构（ RED-GREEN-REFACTOR ）是 TDD （测试驱动开发）的核心执行循环，分为三个阶段：

红（ RED ）：先编写一个会失败的测试，明确定义"完成"的标准，此时测试必须处于失败状态
绿（ GREEN ）：编写最少量的实现代码，使测试刚好通过，不追求代码质量，只追求让测试变绿
重构（ REFACTOR ）：在测试全部通过的保护下，对代码进行整理和优化，消除重复、改善命名、提升可读性，同时确保测试仍然通过

这个循环的核心价值在于：测试先于实现，确保每一行代码都有明确的目的和可验证的行为约束。 Superpowers 的 test-driven-development 技能强制要求智能体遵循此循环，不允许跳过任何阶段。

3.2.3 调试与验证

技能名称	触发时机	功能描述
systematic-debugging	遇到难以定位的问题时	四阶段根因分析流程
verification-before-completion	声称任务完成前	确认问题真正修复而非表面通过

3.2.4 工程规范与最佳实践

技能名称	触发时机	功能描述
writing-skills	创建新技能时	遵循最佳实践创建自定义技能
using-superpowers	任何对话开始时	建立如何查找和使用技能的基础规则

4. 完整工作流

Superpowers 的核心工作流按照以下步骤依次触发：

阶段一：头脑风暴与设计（brainstorming）
- 用户表达需求想法
- AI 通过交互式提问澄清需求（每次一个问题）
- AI 提出 2-3 种实现方案及权衡分析
- 分段展示设计方案，用户逐段确认
- 保存设计文档到 docs/plans/YYYY-MM-DD-<topic>-design.md
阶段二：使用Git工作树（using-git-worktrees）
- 在独立 Git 工作树中开展开发
阶段三：编写实现计划（writing-plans）
- 将设计拆解为 2-5 分钟的细粒度任务，每个任务包含：文件路径、完整代码、验证步骤
阶段四：子智能体驱动开发（subagent-driven-development/executing-plans）
- 每个任务由独立子智能体执行，执行后经历两阶段评审：规格符合性 → 代码质量
阶段五：测试驱动开发（test-driven-development）
- 每个实现任务遵循 RED-GREEN-REFACTOR 循环
- 任务会按照批次执行，每批次完成 2-3 个任务，并在完成后使用 git 提交，然后等待用户确认继续下一批次
阶段六：请求代码评审（requesting-code-review）
- 任务间进行代码评审，按严重程度分类问题
阶段七：完成开发分支（finishing-a-development-branch）
- 验证测试，选择合并策略，清理工作树

这个流程的关键特性在于：智能体会在合适时机自动调用对应技能，开发者无需手动指挥每一步。😲

5. 安装与配置

5.1 Claude Code

Claude Code 通过插件市场安装，是目前支持最完善的平台：

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

# 安装 Superpowers 插件
/plugin install superpowers@superpowers-marketplace

安装后，启动新会话时技能库会自动加载。更新：

/plugin update superpowers

5.2 Cursor

在 Cursor 的 Agent 聊天中直接安装：

/plugin-add superpowers

5.3 Codex

克隆仓库并创建技能软链接：

# 克隆 Superpowers 仓库
git clone https://github.com/obra/superpowers.git ~/.codex/superpowers

# 创建技能发现软链接
mkdir -p ~/.agents/skills
ln -s ~/.codex/superpowers/skills ~/.agents/skills/superpowers

5.4 OpenCode

# 克隆仓库
git clone https://github.com/obra/superpowers.git ~/.config/opencode/superpowers

# 注册插件
mkdir -p ~/.config/opencode/plugins
ln -s ~/.config/opencode/superpowers/.opencode/plugins/superpowers.js \
      ~/.config/opencode/plugins/superpowers.js

# 创建技能软链接
mkdir -p ~/.config/opencode/skills
ln -s ~/.config/opencode/superpowers/skills \
      ~/.config/opencode/skills/superpowers

5.5 VSCode GitHub Copilot

暂不支持 VSCode GitHub Copilot 😨。

6. 实践示例

以下通过一个完整的绿地项目（ Greenfield Project ）示例，展示如何使用 Superpowers 在 Claude Code 中从零到一构建一个用户服务：使用 GoFrame 框架，创建一个 HTTP RESTful 风格的用户服务，实现基本的增删改查（ CRUD ）功能。

本示例采用 Claude Code 作为 AI 编程工具，同时配合安装了 goframe-v2 Agent Skill - 一个专为 GoFrame 框架开发提供完整参考文档与最佳实践的技能包。

项目目标：使用 SQLite 作为数据库（学习/演示用途），实现以下接口：

方法	路径	说明
POST	/api/v1/users	创建用户
GET	/api/v1/users	分页查询用户列表
GET	/api/v1/users/{id}	按 ID 查询用户
PUT	/api/v1/users/{id}	更新用户（支持部分更新）
DELETE	/api/v1/users/{id}	删除用户

6.1 阶段一：头脑风暴与设计（brainstorming）

向 Claude Code 发出如下提示词：

我想从零开始，用 GoFrame 框架实现一个用户服务，提供 RESTful CRUD 接口，请帮我开始。

AI 自动触发 brainstorming 技能，采用苏格拉底式提问逐步澄清需求：数据库选型、字段设计、接口规范、错误处理策略、验收标准……双方确认每个设计决策后， AI 将设计方案分段呈现，用户逐段确认。

最终生成设计文档： docs/plans/2026-03-03-user-service-design.md （示例文件），内容包含目录结构、 API 规范、数据流图、错误处理策略等。

6.2 阶段二：编写实现计划（writing-plans）

AI 自动触发 writing-plans 技能，将设计文档拆解为粒度为 2-5 分钟的细粒度任务，每个任务包含：文件路径、完整代码、验证步骤和 git 提交命令。

最终生成实现计划： docs/plans/2026-03-03-user-service-impl.md （示例文件），共 13 个任务：

注意

Superpowers 会生成任务列表，但不会为每个任务生成勾选确认框，因为任务的完成状态需要通过实际验证来确定，而不是 AI 的主观判断。

任务	说明
Task 1	安装 gf CLI 并验证环境（ CGO 、 Go 版本）
Task 2	使用 gf init 初始化项目脚手架
Task 3	添加 SQLite 驱动依赖（ go get ）
Task 4	配置数据库（ manifest/config/config.yaml ， SQLite DSN ）
Task 5	编写 entity 模型（ internal/model/entity/user.go ）
Task 6	编写 DO 模型（ internal/model/do/user.go ）
Task 7	编写 DAO Internal 层（ internal/dao/internal/user.go ）
Task 8	编写 DAO Index 文件（ internal/dao/user.go ）
Task 9	编写 API Request/Response 结构体
Task 10	执行 gf gen ctrl 生成控制器脚手架
Task 11	实现业务逻辑层（ internal/service/user/user.go ）
Task 12	实现控制器处理函数
Task 13	注册路由、初始化 SQLite 建表、启动验证

6.3 阶段三：执行实现计划（executing-plans）

AI 自动触发 executing-plans 技能，按批次顺序执行计划，每批次完成 2-3 个任务后进行 git 提交并等待用户确认，再继续下一批次。

以 Task 11 （业务逻辑层）为例，展示执行过程：

[AI] 开始执行 Task 11: Write Service Layer
  读取任务描述与设计文档
  → 创建 internal/service/user/user.go
  → 实现 Create/GetList/GetOne/Update/Delete 共 5 个方法
  → 密码使用 SHA256 哈希处理（生产环境建议使用 bcrypt）
  → 通过 gerror 传递带业务语义的错误
  → 所有方法正确透传 ctx 至 DAO 层
  → go build ./... → 编译通过
  → git commit -m "feat: implement user service layer"

任务会按照批次执行，每批次完成 2-3 个任务：

在任务批次完成后使用 git 提交，然后等待用户确认继续下一批次：

实际的 git 提交历史完整记录了每个任务的开发过程：

$ git log --oneline
ee26913 fix: correct SQLite DSN format and GetList count query
c13744b feat: wire routes and SQLite init in cmd
1739219 feat: implement controller handlers
14efeb1 feat: inject service into controller
8bec4fd feat: implement user service layer
c56ed39 feat: generate controller scaffold via gf gen ctrl
2fcf1bf feat: add user API request/response structs
ae42a15 feat: add DAO index file
ace2409 feat: add DAO internal layer
385a3c8 feat: add User DO model
f754e96 feat: add User entity model
e380b30 feat: configure SQLite database
4091b82 feat: add SQLite driver dependency
3963031 feat: init GoFrame project scaffold

6.4 阶段四：验证（verification-before-completion）

所有任务完成后， AI 自动触发 verification-before-completion 技能，启动服务进行集成验证，用实际输出为"已完成"提供证据：

# 启动服务（端口 :8080，SQLite 文件自动创建于 data/user.db）
cd user-service && gf run main.go

# 创建用户
curl -s -X POST http://127.0.0.1:8080/api/v1/users \
  -H "Content-Type: application/json" \
  -d '{"username":"alice","email":"alice@example.com","password":"secret123"}'
# {"code":0,"message":"","data":{"id":1}}

# 查询用户列表（分页参数为 pageSize）
curl -s "http://127.0.0.1:8080/api/v1/users?page=1&pageSize=10"
# {"code":0,"message":"","data":{"list":[{"id":1,"username":"alice","email":"alice@example.com",...}],"total":1,"page":1}}

# 按 ID 查询
curl -s http://127.0.0.1:8080/api/v1/users/1
# {"code":0,"message":"","data":{"id":1,"username":"alice","email":"alice@example.com","createdAt":"...","updatedAt":"..."}}

# 部分更新用户（只传需要修改的字段）
curl -s -X PUT http://127.0.0.1:8080/api/v1/users/1 \
  -H "Content-Type: application/json" \
  -d '{"username":"alice2"}'
# {"code":0,"message":"","data":{}}

# 删除用户
curl -s -X DELETE http://127.0.0.1:8080/api/v1/users/1
# {"code":0,"message":"","data":{}}

响应体中 password 字段因 entity 层配置了 json:"-" 标签而始终不出现在任何接口响应中，符合设计规范。

6.5 阶段五：收尾（finishing-a-development-branch）

7. 总结

Superpowers 为 AI 编程工具带来了真正意义上的工程纪律。它解决的不是 AI 的能力问题，而是 AI 的工程行为模式问题：

从"直接写代码"到"先设计后实现" —— brainstorming 技能确保每次开发都有清晰的设计共识
从"测试是可选的"到"测试优先" —— TDD 技能将红绿重构循环变为不可绕过的强制流程
从"声称完成"到"验证完成" —— verification-before-completion 技能要求用证据而非断言说话
从"单一上下文污染"到"子智能体隔离执行" —— subagent-driven-development 技能通过并行子智能体保持上下文纯净

Superpowers 的核心理念可以用一句话概括： Process over Prompt ——流程大于提示。当所有人都在追问"哪个模型更聪明"时， Superpowers 给出了一个不同的答案： AI 不需要更聪明，它需要更可控。一套结构化的工程流程，比任何精心调校的提示词都更能保证输出的稳定性与可预测性——因为流程约束的是行为本身，而不是某一次对话的结果。

在 AI 编程工具快速演进的今天，工程纪律与技术能力同等重要。 Superpowers 提供的不只是一套技能库，更是一种在 AI 时代践行严谨软件工程的方法论。

8. 参考资料

Superpowers GitHub 仓库

68 次浏览	1次

< 首页

< 下一页