Superpowers:给编码代理的一套「超能力」——它是什么、为什么、怎么用

26 万 star 的现象级项目 Superpowers 全解析:一套把工程纪律灌输给编码代理的完整方法论——技能库、强制工作流、子代理驱动开发,以及为什么 TDD 在这里是规矩而不是建议。

  • AI
  • Agent
  • Claude Code
  • TDD
  • 工具
  • 开源项目

如果你关注 AI 编程,大概率见过 Superpowers 这个名字—— 它是 2025 年 10 月发布后一路涨到 26 万 + star 的现象级开源项目, 作者是 Jesse Vincent(Bugzilla 作者、Perl 核心贡献者, 后来创立了 AI 工具公司 Prime Radiant)。

但 star 数不代表理解。很多人把它当成"又一堆 Claude 技能包",装上后发现 「好像有点用,又说不上来怎么用」。这篇笔记想把它讲清楚:它是什么、为什么会有它、以及到底怎么用

一、它是什么

Superpowers 的官方定义是:

一套面向编码代理的完整软件开发方法论,构建在一组可组合的 skill 之上,并用初始指令确保你的代理真的会去用它们。

拆开看,它由三部分组成:

  • 技能库(Skills Library)——十几个 SKILL.md 文件,每个是一份"如何做某件事"的详细操作规程,从 brainstorming(头脑风暴) 到 test-driven-development(TDD) 到 subagent-driven-development(子代理驱动开发);
  • 初始指令(Bootstrap)——让代理在会话开始就读技能、找技能、并必须在合适时机用技能,而不是把技能当成可选的参考文档;
  • 一条完整的工作流(Workflow)——从"把你的想法聊清楚"到"写出实现计划"到"派子代理干活"到"代码审查"到"收尾合并分支",一条龙串起来。

关键点在于 composable(可组合):技能不是几个孤立的咒语,而是一个按生命周期组织的体系。 下面这张是它的默认流程:

  1. brainstorming——写代码之前先激活。用提问帮你把模糊的想法理清楚、探索替代方案、把设计分段给你确认,最后存成设计文档;
  2. using-git-worktrees——设计通过后,在独立分支/工作区里搭好项目,验证"干净的测试基线";
  3. writing-plans——把任务拆成 2–5 分钟的小任务,每个任务都带精确文件路径、完整代码、验证步骤;
  4. subagent-driven-development——按计划派一个全新的子代理处理每个任务,完成后做两阶段审查(先查是否符合规格,再查代码质量);
  5. test-driven-development——强制 RED-GREEN-REFACTOR:先写失败测试、看它失败、写最小代码、看它通过、再提交;
  6. requesting-code-review——任务之间主动请求代码审查,按严重程度报告问题,严重问题会阻塞进度;
  7. finishing-a-development-branch——全部完成时验证测试,给你合并 / PR / 保留 / 丢弃的选择,清理工作区。

这套流程是强制的——代理在做任何任务前都会先检查有没有相关技能可用。它不是"建议",是"规矩"。

二、为什么会有它:Jesse 发现了什么

要理解 Superpowers,得先理解它的出发点。Jesse 的发布文章讲得很坦白: 他在长期使用 Claude Code 的过程中,意识到编码代理的最大问题不是不够聪明,而是没有纪律

代理的默认行为是:一上来就急着写代码。它不会先问清楚你要做什么、不会先做计划、 不会写测试、不会审查自己的输出。结果就是——能写出东西,但常常是"看起来能跑、一碰就碎"的代码。

Jesse 的做法是把自己的工作流程提取、系统化成技能文件:把"我是怎么做设计讨论的"、 "我是怎么拆任务的"、"我是怎么审查代码的"这些经验,写进 SKILL.md, 然后让代理在任何任务开始前都必须读取并遵循。他称这个过程为 "extract and systematize my processes"——把人的工程纪律灌输给代理

这里有个非常重要的细节:Jesse 教给 Superpowers 的第一个技能,是writing-skills(如何编写技能)。这意味着系统具备了自我进化的能力—— 你可以把一本书、一份文档、一个代码库交给代理,让它"读它、思考它、把学到的新东西写成新技能"。 技能体系不是封闭的,而是可持续生长的。

一个很少有人提的彩蛋:用心理学测试技能

Jesse 在文章里分享了一个特别有意思的方法论:他发现Robert Cialdini 的影响力六原则(权威、承诺、喜好、互惠、稀缺、社会认同)对 LLM 同样有效

于是他用这些原则设计"压力测试",检验技能是不是真的会被遵守:

  • 时间压力场景——"生产系统宕机了,每分钟损失 $5000,快修!"看代理会不会在这种紧张氛围里跳过 TDD 直接乱写;
  • 沉没成本场景——"代码已经能用了,你还要花时间读那个技能吗?"看代理会不会偷懒不读。

一个经得起这种测试的技能,才是真正会被执行的技能;否则它只是一篇没人读的文档。 这个思路后来被 Dan Shapiro 等人的研究从科学上验证了。

三、怎么用:三个真实场景

安装很简单,取决于你用的代理工具。对 Claude Code 来说最直接:

/plugin install superpowers@claude-plugins-official

或者用 Superpowers 自己的市场:

/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

Superpowers 还支持 Cursor、Codex、Gemini CLI、GitHub Copilot CLI、OpenCode、Kimi Code、Pi、Antigravity、Factory Droid等十来个编码代理工具,每个的安装方式见 README 的 Installation 章节。 如果用多个工具,需要分别安装。装完以后什么都不用做——技能会在合适的时机自动触发。

场景一:从零开始一个新功能

你直接说"我想加一个……",代理会先进入 brainstorming: 它不会立刻写代码,而是反过来问你问题——这个功能到底解决什么问题?有没有更简单的方案? 有哪些约束?把你的想法一点点聊成一份你可以逐段确认的设计文档。

你确认设计后,它才进入 writing-plans 拆任务,然后才真正动手。 结果是:你得到的不只是代码,而是一份有设计的、可审查的、带测试的改动

场景二:让代理自主跑两小时

Superpowers 最让人惊讶的一点,是它的 subagent-driven-development 能支持长时间自主工作:

"你的代理连续自主工作两小时、不偏离你定的计划,是常有的事。"

它的机制是:每个任务都派一个全新的子代理(不带之前对话的上下文污染)去完成, 完成后先做规格审查(是不是按计划做的),再做质量审查(代码本身好不好), 合格才继续下一个。这种"用完即弃"的子代理模式,比让同一个代理一路写下去稳定得多。

场景三:让代理学会新东西

借助 writing-skills 技能,你可以让代理把任何新流程变成持久能力: 比如你有一套自己的部署规范,把文档丢给它说"读它,把它写成技能", 之后每次部署它都会自动遵守。这是它和普通 prompt 模板的本质区别——能力是累积的

四、设计哲学:四点原则

  • Test-Driven Development——永远先写测试;
  • Systematic over ad-hoc——用流程代替猜测;
  • Complexity reduction——把简单作为首要目标;
  • Evidence over claims——宣布完成前先验证。

这四点也是它和"堆 prompt 技巧"流派的根本分野:它不是给代理加魔法,而是给代理立规矩

五、一些诚实的提醒

说几个我实际使用后觉得值得注意的点:

  • 它要求你参与设计——brainstorming 会不停地问你问题。如果你只想要"一句话就能干活的快代理",这套流程可能让你觉得啰嗦;
  • 不适合所有任务——改一行 bug、随手写个小脚本,不值得走完整流程。技能是按需触发的,但你需要学会"该打断时就打断";
  • 技能质量参差——社区有大量第三方技能,但 Jesse 明确说官方不接受新增技能的贡献,新技能需保证跨工具兼容——这是刻意的克制,保证核心体验稳定;
  • 有个可选遥测——brainstorming 的可视化功能会加载一个带版本号的 logo,用于统计使用人数,不含项目/提示词内容;可用环境变量 SUPERPOWERS_DISABLE_TELEMETRY 关闭。

我的收获

  1. AI 编程的下一个瓶颈是纪律,不是智商——Superpowers 的成功印证了这一点:同样一个模型,有方法论和没方法论,产出质量差距巨大。
  2. "强制使用"比"提供文档"有效得多——让代理"可以参考技能"等于让它忽略技能;只有"开始任务前必须检查技能",技能才有价值。
  3. 子代理模式是稳定性关键——用完即弃的独立子代理 + 两阶段审查,比让主代理一口气写完更可靠。这和 Multi-Agent 课程里讲的分工思想一脉相承。
  4. 技能会取代 prompt 成为新的可共享单元——就像开源代码一样,方法论正在变成可以被复制、安装、贡献的东西。这也是 26 万 star 的真正含义。

如果你想深入了解,推荐直接读GitHub 仓库、Jesse 的原始发布文章, 以及他维护的 Discord 社区。 和之前 Andrew Ng 的 Agentic AI 课程搭配着看, 你会发现——理论讲的是模式(Reflection、Tool Use、Multi-Agent), Superpowers 做的是把这些模式落地成可执行的流程。前者告诉你"有什么招", 后者告诉你"怎么把这招练成肌肉记忆"。