你还在让 AI 直接写代码然后擦屁股Superpowers 的做法是让它在写第一行代码之前先花 30 秒想清楚你到底要什么。读完本文你将了解它和其他 prompt 包有什么本质区别 | 技能自触发系统怎么做到的 | 子代理驱动开发的二阶审查机制 | 为什么 209K 开发者愿意试用 不用 Superpowers 的 AI 编程助手像是没有项目经理的开发你有没有过这样的经历让 Claude 写一个 React 组件它 3 秒就啪地输出一坨代码——看上去挺像那么回事但一跑就报错。你告诉它错了它说抱歉让我修正然后输出另一坨又错。来回 5 轮后你发现它根本没理解你要什么只是根据关键字猜了一个最常见实现。这不是 AI 能力不够是缺少一个项目管理的环节。传统 prompt 集合的做法是塞一堆规则到 system prompt——“你要先分析需求”、“写测试再写代码”、“代码要优雅”。问题是这些规则写进去了AI 记不记得看心情执行不执行看状态没人监督没人提醒。Superpowers 的选择截然不同把方法论做成技能让 AI 在正确的时机自动触发正确的工作流。不是告诉 AI “你应该怎么做”而是让它在特定场景下不得不这么做。它的核心是一个包含 14 个技能的系统。每个技能是一份 SKILL.md 文件描述了某个工作流的完整流程。但关键不是文件本身而是触发机制——AI 在开始任务前会自动检测当前场景是否匹配某个技能的触发条件。匹配上了技能自动激活不匹配AI 跳过它直接执行。维度普通 prompt 包Superpowers触发方式用户手动调用或完全依赖 AI 自觉自动检测场景技能自触发执行保障无——AI 可能忽略某条规则强制——技能一旦触发必须完成流程可组合性线性叠加prompt 越长效果越差模块化14 个技能可灵活组合方法论深度表面规则“写测试”完整流程TDD 的 RED-GREEN-REFACTOR 提交节奏跨平台每个平台写一份同一技能适配 Claude Code/Codex/Cursor/Gemini CLI 等 8 个平台Superpowers 和普通的 prompt 集合不是竞争关系——后者告诉你方向前者替你规划路线。如果你已经有一套 prompt 用着顺手加 Superpowers 只是让执行落地更稳。 3 行命令给任何 AI 编程助手装上系统安装分两步装框架然后它自己跑起来。Claude Code最推荐体验最完整# 方法一官方插件市场安装 /plugin install superpowersclaude-plugins-official这是最干净的安装方式不像其他方法需要注册外部 marketplace。安装完立马可以用不需要额外配置。Codex CLI 和其他平台# Codex CLI# 打开插件搜索界面/plugins# 搜索 superpowers# Gemini CLIgemini extensionsinstallhttps://github.com/obra/superpowers# Cursor# 在 Agent chat 中输入/add-plugin superpowers所有平台安装完后你只需要做一件事给 AI 下达一个开发任务。⚠️ 不要跳过第 0 步直接说帮我写一个函数。Superpowers 的工作流全程依赖你一开始的描述——越模糊它 brainstorm 阶段问你的问题就越多。我的经验是花 30 秒说清楚做什么为什么不做什么它后面 20 分钟完全不需要你干预。预期效果安装完 Superpowers 后你对 Claude 说让我们做一个 React 待办列表它不会直接写代码。它会先触发brainstorming技能问你一系列问题这个待办列表的核心用户是谁需要支持离线吗数据持久化用什么方案移动端要适配吗你回答完后它生成设计文档让你确认。你点头了它才会进入writing-plans阶段把任务分解成每个 2-5 分钟的子任务。最后通过subagent-driven-development逐步执行。如果你不回答面试官问题而是直接甩一份代码出去——Superpowers 上的 agent 最后会自己意识到我没有走完流程得重来。⚙️ 技能自触发不是 AI 听话是它别无选择Superpowers 的技术核心不是有多少条 prompt 规则而是那套让技能自动激活的引导系统。自触发原理Superpowers 利用每个 AI 编程助手的系统引导机制——Claude Code 有CLAUDE.mdCodex 有AGENTS.mdGemini CLI 有GEMINI.md。这些文件在 session 启动时被注入 AI 的上下文中。Superpowers 在引导文件中写了一条铁律开始任何任务前先检查 skills 目录中是否有匹配当前上下文的技能。匹配规则很简单——通过技能名和触发关键词做模糊匹配。比如说你提到写代码或者实现等词brainstorming技能的触发条件就匹配了。如果匹配了多条技能它们的执行优先级是固定的brainstorming最高—— 项目开始前writing-plans —— 设计确认后subagent-driven-development / test-driven-development —— 实施时requesting-code-review —— 任务间finishing-a-development-branch —— 完成时如果选了另一种方案——把所有规则塞进一个超大 system prompt——结果是 token 溢出和注意力稀释。Anthropic 自己的内部测试表明prompt 超过 8K token 后越靠后的规则被遵循的概率呈指数下降。Superpowers 把方法论拆成独立技能文件每个不到 3K token只在需要时才被加载解决了这个根本矛盾。所以不是 Superpowers 的 AI 更聪明是它的信息加载方式更高效。你的 AI 还是那个 AI但它每次思考时只看到跟当前任务最相关的 3K token而不是 20K 的废话。是否用户提出任务Agent 启动加载引导文件CLAUDE.md / AGENTS.md扫描 skills/ 目录匹配到技能?加载匹配技能 SKILL.md直接执行技能优先级排序brainstorming最高优先级执行技能指定流程进入下一技能或完成任务输出结果这个机制妙的地方是冷启动——不需要 API 额外调用不需要 AI 理解复杂的调度逻辑。所有决策在 AI 的注意力窗口内自然发生。️ 架构分析14 个技能的分层协作体系模块划分Superpowers 的 14 个技能分为四个层次每个层解决一类问题层级技能功能项目启动brainstorming, using-git-worktrees需求澄清 开发环境隔离规划执行writing-plans, subagent-driven-development, executing-plans任务分解 多 Agent 并行执行质量保障test-driven-development, requesting-code-review, systematic-debugging测试先行 代码审查 系统排查元管理writing-skills, using-superpowers技能开发 系统自愈每个技能在流程中有明确的触发点和退出条件形成一个闭环工作流。如果某个环节失败了比如测试不通过流程不会继续推进而是回退到问题定位阶段。设计亮点二阶代码审查这是最让我觉得巧妙的设计。Superpowers 的subagent-driven-development不是简单地让 AI 执行完任务就完事。每个子任务完成后会启动两个独立审查环节规范审查Spec Review检查输出是否符合设计要求代码质量审查Code Quality Review检查代码风格、测试覆盖率、性能两个审查由不同的 AI 实例执行每次调用都是独立 session确保审查者不会帮作者圆谎。如果不这样——让写代码的 AI 自己审查自己的代码——它大概率觉得自己的产出完美无缺。Code Quality ReviewerSpec ReviewerSubAgentwriting-plansbrainstormingUserCode Quality ReviewerSpec ReviewerSubAgentwriting-plansbrainstormingUser两阶审查在不同 session 执行提出任务出设计文档派发子任务实现功能提交实现审查规范符合度规范通过审查代码质量审查通过提交不够好的地方当然有缺点。Superpowers 的强流程设计在简单任务上显得笨重——改一行配置也要走 brainstorm → plan → implement → review 的完整流程浪费的成本比收益高。所以它更适合中大型项目而不是 quick fix。✅ 优缺点 适用场景优点自触发系统真正解决了AI 不听话的问题。不是靠不停地改 prompt而是从架构层面让 AI 别无选择。多平台覆盖让学习成本降低。学会一套流程Claude Code、Codex、Cursor 都能用同一套方法论。TDD 子代理二阶审查的组合把代码质量提到了团队协作水平。不再是单人 solo 的代码质量。缺点简单任务的开销不可忽视。改一个变量名也要走完整流程简单粗暴。越狱/绕过成本低。如果用户明确说不用 Superpowers直接写代码AI 可以选择不触发技能。依赖的是 AI 的服从性不是硬限制。适合谁立刻试试团队用 AI 写核心模块但代码质量不稳定的再等等项目以零散修复和配置修改为主很少从头写功能竞品一句话跟市面上杂乱的 prompt 工厂相比Superpowers 的独特之处是用方法论替换了规则列表。代价是简单任务上你会多花 2-3 分钟走流程。