Hi～大家好呀，我是清汤饺子。 前几天让 Claude Code 帮我写个小功能，它噼里啪啦一顿输出，代码倒是挺像那么回事。一跑，报错 40 个。
我盯着屏幕愣了三秒，然后开始一个个手动修。
事后复盘，问题不在 AI 写的代码烂，而在于——它太有热情了。拿到需求就开干，根本不问我"你想解决什么问题"、"这个场景下最优解是什么"。
这感觉就像招了一个「执行力超强但完全没有工程纪律」的 junior。
然后我发现了 Superpowers。
01 解决什么问题
AI Coding Agent 最大的通病，懂的都懂：
- 拿到需求就开干：不等你确认，先肝为敬
- 不写测试：代码写完自己都不知道写了啥
- 代码像开盲盒：这次好使，下次不知道哪个版本就崩了
人类工程师有 TDD、有 code review、有设计评审，有一整套工程纪律来约束自己。但 AI Agent 呢？它只管输出，不管后果。
Superpowers 就是干这个的——给 AI Agent 装上一组技能卡，让它学会工程化的工作流。
不是让它更聪明，是让它更有章法。
02 Superpowers 是什么
这是 Jesse Vincent（GitHub @obra）做的一个开源项目，全称是 Superpowers — An agentic skills framework & software development methodology。
翻译成人话：一套给 AI 编程 Agent 用的技能框架。
它不是让你用更厉害的模型，而是让你的 AI Agent 具备一套工程化思维：
- 写代码前先做设计评审
- 先写测试再写实现
- 任务拆解到 2-5 分钟一个
- 子 Agent 并行执行 + 两阶段 review
支持 Claude Code、Cursor、Codex、OpenCode 和 Gemini，主流 AI 编程工具都能用。
03 这工作流是怎么跑起来的
第一步：brainstorming —— 先别写代码，灵魂拷问一下
Superpowers 的第一条技能叫 brainstorming，触发时机是「写代码之前」。
当 AI 看到你要做新功能，它不会直接开干，而是反过来问你：
"你到底想解决什么问题？" "这个场景下有哪些边界情况？" "你觉得最优解是什么？"
我第一次用它做设计，它连着问了我 6 个问题才肯动笔。那感觉……像找了个 senior 在给我做 design review。
Socratic 追问，让 AI 先理解需求再动手。这治好了 AI "拿到需求就肝" 的毛病。
第二步：writing-plans —— 任务拆解到 2-5 分钟
需求确认之后，进入 writing-plans 技能。
AI 会把整个功能拆成若干小任务，每个任务：
- 精确到文件路径
- 有完整的代码内容
- 有验收标准
更关键的是：每个任务 2-5 分钟就能跑完。
以前我让 AI 写整个功能，它容易迷失在中途。现在它把活儿拆成「傻瓜式操作手册」，就像给一个「执行力强但没耐心」的 junior 写了一份 2 分钟就能完成的小任务清单。
第三步：subagent-driven-development —— 子 Agent 并行跑
计划就绪，主 Agent 调度 subagent-driven-development 技能。
它的核心是：
- 子 Agent 并行执行：每个任务交给独立的子 Agent 处理
- 两阶段 review：先检查规格是否合规，再检查代码质量
- 连续运行能力：实测 Claude 可以连续跑 2 小时不用管
简单说就是：你当老板，AI 们当工人。主 Agent 包工头负责分配任务、监督进度、质量把关。
第四步：TDD 红绿重构 —— 先写测试这道坎
这是我觉得最有价值的部分：test-driven-development。
核心流程就三步：
- RED：写一个注定失败的测试
- GREEN：写最少的代码让测试通过
- REFACTOR：重构优化
重点是：必须先写测试，再写实现，测试前的代码直接删掉。
这治好了 AI "写完代码懒得测" 的毛病。以前我让 AI 写功能，它输出完就完事，根本不管测试。现在它被强制绑上了 TDD 的战车。
第五步：收尾工作 —— finishing-a-development-branch
任务全部完成后，finishing-a-development-branch 技能接管：
- 验证所有测试通过
- 给出四个选项：merge / PR / 保留 / 丢弃
- 自动清理 worktree
不需要你手动去处理分支清理，AI 会把收尾工作做完。
04 技能全景图
| 技能 | 触发时机 | 作用 |
|---|---|---|
| brainstorming | 写代码前 | 需求澄清，Socratic 追问 |
| writing-plans | 设计批准后 | 任务拆分，2-5min/任务 |
| using-git-worktrees | 设计批准后 | 创建独立分支，验证干净测试基线 |
| verification-before-completion | 调试完成后 | 验证问题真的修好了 |
| subagent-driven-development | 计划就绪 | 子 Agent 并行执行 + 两阶段 review |
| test-driven-development | 实现中 | 强制红绿重构 |
| systematic-debugging | 调试时 | 4 阶段根因分析 |
| requesting-code-review | 任务间 | 按严重性报告问题 |
| finishing-a-development-branch | 任务完成 | 收尾 + 分支清理 |
这套技能的精妙之处在于：触发完全自动。你不需要手动调用，AI 会根据当前任务状态自动匹配技能。
就像给 AI 装了一堆「工程化本能」，遇到对应场景自动触发。
05 怎么装上
各平台安装方法：
Claude Code
# 方式一：官方 Claude 插件市场（推荐）
/plugin install superpowers@claude-plugins-official
# 方式二：社区 marketplace（需要先注册）
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace
Cursor
# 在 Agent chat 中
/add-plugin superpowers
Codex
Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.md
安装大约 5 分钟，配上之后的感觉像是——给 AI 做了一个完整的入职培训。
06 真实感受
惊喜时刻：
- 项目节奏完全变了。以前我追着 AI 跑，现在是 AI 追着任务跑
- Claude 真的能连续跑 2 小时不出岔子
- TDD 闭环治好了我懒得写测试的毛病
崩溃时刻：
- 第一次用的时候它问太多问题（brainstorming 阶段），差点想卸载
- 配置比想象中复杂，需要花时间理解每个技能的触发逻辑
适合的人：
- 有一定经验的开发者，懂 TDD、懂工程化的人用起来如虎添翼
- 团队协作场景，AI 能承接更多的工程纪律
不适合的人：
- 纯新手可能觉得被束缚，不知道为什么要这么做
- 小项目不值得折腾，简单功能直接让 AI 写反而更快
07 本质是什么
用了一圈下来，我觉得 Superpowers 的本质是：
不是让 AI 替代你，是让它成为更有章法的搭档。
它不是在提升 AI 的智商，而是在约束 AI 的行为——让它像人类工程师一样思考、像人类工程师一样工作。
以前我把活儿交给 AI，总是提心吊胆，不知道它会整出什么幺蛾子。现在有了 Superpowers 的工程化约束，我更愿意把任务交给 AI 了。
因为它不会再半夜给我埋雷。
08 技术原理
看完了 GitHub 仓库之后，我发现 Superpowers 的实现比"配置文件合集"要精妙得多。
SKILL.md：技能即文档
每个技能都是一个 .md 文件（Markdown），放在 skills/ 目录下。文件格式包含两部分：
Frontmatter（YAML 元信息） ：
---
name: brainstorming
description: Use when [condition] - [what it does]
---
正文内容：技能的详细指令，告诉 AI 在什么场景下怎么做。
关键是 description 字段——这是 AI 自动发现和触发技能的依据。Codex/Claude Code 在每次任务执行前，会扫描 ~/.agents/skills/ 目录，根据 description 匹配当前上下文，自动激活对应技能。整个过程不需要你手动调用。
7 步接力：上游输出驱动下游输入
每一步的输出成为下一步的输入：
- brainstorming 产出设计文档（human-approved）
- using-git-worktrees 创建隔离分支环境
- writing-plans 把设计拆成任务清单
- subagent-driven-development 按任务执行 + 两阶段 review
- test-driven-development 强制 TDD
- requesting-code-review 任务间按严重性报告问题
- finishing-a-development-branch 收尾
两阶段 Review：规格合规 → 代码质量
每个子 Agent 完成任务后，经历两关：
- 规格合规性审查：任务有没有按 plan 执行？有没有超出范围？
- 代码质量审查：代码本身写得怎么样？有没有明显 bug 或坏味道？
两关都过，才进入下一个任务。这治好了 AI "做多了或做歪了" 的问题。
TDD 强制闭环
test-driven-development 的核心规则：
- RED：AI 必须先写一个注定失败的测试
- GREEN：然后写最少的代码让测试通过
- REFACTOR：最后重构优化
最狠的一条：测试写出来之前的代码直接删掉。AI 没有"先写实现后补测试"的选项。
哲学层：Process over guessing
README 里 Jesse Vincent 写了四条原则：
- Test-Driven Development — 先写测试，永远
- Systematic over ad-hoc — 系统化流程 > 猜测
- Complexity reduction — 简单性是首要目标
- Evidence over claims — 用验证说话，不要只靠感觉
本质就是：不要相信 AI 的直觉，要相信工程纪律。
GitHub 仓库：github.com/obra/superp…
写在最后
Superpowers 这套技能框架，解决的不是 AI 能力不足的问题，而是 AI 行为不可控的问题。
如果你也在用 AI Coding Agent，感觉它"太热情但不靠谱"，建议试试这套方法论。
当然，它不是银弹。工程纪律是给有工程经验的人用的，如果你本身对 TDD、代码审查这些概念不熟悉，Superpowers 可能会让你更困惑。
核心问题是：你愿不愿意花时间教会 AI 按你的方式工作？
这个问题没有标准答案，取决于你的项目规模和团队情况。
你在用 AI 编程工具吗？有什么"AI 疯狂输出但最后还是我来收拾烂摊子"的经历吗？欢迎在评论区聊聊，看看大家都有什么奇葩故事。
如果觉得有帮助，点个赞收藏一下，我会更有动力更新下一期。
也欢迎关注我的公众号「清汤饺子」，获取更多技术干货！
