我试了下 superpowers：它不是“更强的提示词”，而是一套让 AI 编程少跑偏的工作流

我试了下 superpowers：它不是“更强的提示词”，而是一套让 AI 编程少跑偏的工作流

现在，是全民聊 AI 编程的时代。

但如果你真的把 Claude Code、Cursor 或 Codex 用进日常开发，很快就会发现一个很现实的问题：

不是模型不够聪明，而是它经常太着急。

你刚说一句“帮我做个功能”，它已经开始改代码了。 需求还没对齐，边界还没想清楚，测试也没写，最后产出一大坨“看起来很努力”的东西，回头还得自己收拾。

我最近看到一个挺有代表性的项目：superpowers。

它在 GitHub 上已经很火了，现在是 11.2 万 Star。它吸引人的点，不是又发明了一个新模型，也不是教你写几条更花哨的 prompt，而是试图解决一个更实际的问题：

怎么让 coding agent 像一个靠谱的工程师，而不是一个冲动的实习生。

superpowers 到底是什么

先说结论：

superpowers 本质上是一套给 AI 编程助手用的工作流和 skills 框架。

它的核心思路不是“让模型更聪明”，而是把一套成熟的软件开发流程，拆成一组可以自动触发的 skill，让 agent 在不同阶段按流程做事。

官方 README 里讲得很直白，这套东西覆盖的是一条完整链路：

• 先做 brainstorming，把需求聊清楚
• 再写 design 和 implementation plan
• 然后按任务拆分执行
• 执行过程中强调 TDD、review、验证
• 最后再收尾分支、整理结果

换句话说，superpowers 不是让 AI 多会写代码，而是尽量让它少在错误的时机写代码。

这件事其实很重要。

因为很多 AI 编程翻车，不是翻在语法上，而是翻在流程上：

• 需求没确认就开始写
• 方案没收敛就直接改
• 一口气改十几个文件，没有验证点
• 自己写完自己宣布“好了”
• 测试没补，边界没看，回归没做

superpowers 想解决的，就是这些问题。

它适合谁

如果你是下面这几类人，我觉得都可以看看：

• 经常用 Codex、Claude Code、Cursor 写代码
• 已经感觉到“AI 会写，但很容易跑偏”
• 想把 AI 从“代码补全工具”用成“工程协作工具”
• 希望它在动手前先想清楚，而不是一上来就开改

如果你只是偶尔让 AI 写个小脚本，那未必需要上这套东西。 但如果你已经开始让 agent 接手一个相对完整的开发任务，这种 workflow 型项目就很值得看了。

superpowers 的使用方式，最值得看的其实是 Codex 这一版

这个项目支持不止一个平台，README 里列了 Claude Code、Cursor、Codex、OpenCode、Gemini CLI 等安装方式。

如果你本来就在用 Codex，那最直接。

官方给的 Codex 用法非常简单，核心就两步：

1. 把仓库 clone 到本地
2. 把里面的 skills 目录链接到 Codex 的技能发现目录里

官方文档给出的入口是这句：

Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.md

也就是说，你甚至可以直接把这句交给 Codex，让它按安装说明来做。

如果手动安装，核心命令大概是这样：

git clone https://github.com/obra/superpowers.git ~/.codex/superpowers
mkdir -p ~/.agents/skills
ln -s ~/.codex/superpowers/skills ~/.agents/skills/superpowers

然后重启 Codex，就能让它在启动时发现这些 skills。

这里有个细节值得注意：

superpowers 并不是通过一段超长系统提示词硬塞进去的，它更像是接入了一组按需加载的技能。

这和现在很多 agent skill 的思路是一致的。 平时不把所有东西都塞进上下文，等任务匹配时再触发对应 skill，既省 token，也更容易让行为稳定下来。

装完之后，怎么用

很多人第一次看到这种项目，会以为自己得背一堆命令。

其实不是。

官方文档里强调了一点：skills 会自动发现，并在任务匹配时自动触发。

也就是说，正常用法不是“先记住所有 skill 名称”，而是像平时一样提需求，但 agent 会更倾向于按流程走。

比如你说：

• 帮我规划这个功能
• 一起排查这个 bug
• 给这个需求写个实现方案
• 按计划分步骤做，不要一次改太多

这类任务都比较容易触发它的 workflow。

README 里列出的基础工作流，大致包括这些阶段：

• brainstorming
• using-git-worktrees
• writing-plans
• subagent-driven-development 或 executing-plans
• test-driven-development
• requesting-code-review
• finishing-a-development-branch

你可以把它理解成： superpowers 帮你给 agent 装了一套“先想、再拆、再做、边做边验、最后收尾”的工程习惯。

一个更实际的例子：它会怎么改变你和 AI 的协作方式

假设以前你是这样用 AI 的：

帮我给这个项目加一个用户设置页面

常见结果是，AI 直接开始：

• 新建页面
• 改路由
• 补几个组件
• 顺手再重构点别的
• 最后告诉你“已经完成”

表面上很高效，但风险也很高。因为你还没确认：

• 设置项有哪些
• 权限边界是什么
• 数据从哪来
• 要不要先写接口
• 有没有现成 UI 可以复用
• 测试怎么补

而 superpowers 更希望 agent 先做这些事：

1. 先跟你澄清需求
2. 输出一个简短、可确认的设计
3. 再写实现计划，拆成小任务
4. 按任务逐步执行
5. 每一步都做验证和 review

这套方式不一定让“第一分钟看起来更快”，但通常会让半小时之后的结果更靠谱。

这点其实很像真实开发： 靠谱的工程师，往往不是敲得最快的那个，而是能控制返工的人。

我觉得它最有价值的地方，不是“自动化”，而是“约束”

superpowers 真正打动我的，不是它有多少个 skill，而是它在试图给 AI 编程加约束。

现在很多人对 agent 的期待，还是“最好一句话把活干完”。 但稍微复杂一点的项目里，真正稀缺的从来不是“生成代码”这一步，而是：

• 有没有先把问题定义清楚
• 有没有把任务拆到可执行
• 有没有验证每一步真的成立
• 有没有在完成前做 review

这套项目的价值，在于它把这些“本来应该由人盯着做的流程”，尽量产品化成了一组可复用的 skill。

你可以说它是在增强 agent。 但换个角度看，它其实是在限制 agent 乱来。

而在今天这个阶段，我觉得这件事比“再多写 500 行代码”重要得多。

它也不是没有门槛

当然，这个项目也不是装上就能立刻起飞。

我觉得至少有几个现实限制：

• 你本身得接受“先规划、再执行”这套节奏
• 如果你只想让 AI 快速写点小东西，这套流程可能偏重
• 它更适合中等复杂度以上的任务，越复杂越能体现价值
• 不同平台的接入方式不一样，Codex 和 OpenCode 还需要手动配置

另外还有一点很关键：

workflow 再好，也不能替代你自己的判断。

它能让 agent 更像工程师，但不能让一个模糊需求自动变成好产品。 你还是得知道自己要解决什么问题，哪些地方要保守，哪些地方能快速试错。

要不要试

如果你现在已经明显感觉到：

“AI 很能写，但总是容易偏” “每次都要我把它拉回来” “我想让它做得更像一个开发搭子，而不是自动代码生成器”

那 superpowers 值得试一下。

尤其是你本来就在用 Codex、Claude Code 这类工具，它的上手成本不算高，理解成本也没有想象中那么大。

你不用把它看成一个神奇插件。 把它看成一套给 agent 加上的工程纪律，反而更容易理解。

说白了，它不是让 AI 变魔法。

它只是提醒我们一件很朴素的事：

软件开发里，流程本身就是能力。