🚂引言：Superpowers 是什么？

仓库地址：https://github.com/obra/superpowers

星标：73K🌟

Superpowers 是一个面向 AI 编程智能体（Agentic Coding Assistants）的开源技能框架与软件开发方法论。它并非要取代开发者，而是旨在通过为 AI 注入一套标准化的、经过验证的最佳实践（称为“技能”），将其从一个“会写代码但缺乏工程素养的实习生”，转变为一个“遵循严谨流程的资深工程师”。

该项目由 Jesse Vincent (GitHub 用户 obra) 发起，其核心理念是：通过外部指令和可组合的技能，强制 AI 遵循成熟的软件开发工作流，从而提升代码质量、可维护性与开发效率。AI 不仅仅是执行者，更是流程的遵循者和守护者。

Mandatory workflows, not suggestions. 意味着这是强制的工作流，不是建议。

它巧妙地将测试驱动开发（TDD）、系统化调试、关注点分离等工程原则，编码成 AI 必须遵守的、不可协商的协议。

核心价值

Superpowers 的真正价值在于它为 AI 定义了一套“心法”和“招式”。它不直接产出最终业务代码，而是通过规范 AI 的“思考”与“行动”路径，确保整个开发过程系统化、可预测且高质量。这套方法论承认了当前 AI 在创造性编码任务中依然需要引导，并通过一套巧妙的“规训”机制，使其能力得到最大化、最可靠的发挥。

🛠️Superpowers 能够做什么：工作流与亮点设计解析

Superpowers 为 AI 编程智能体提供了一套完整的、端到端的软件开发生命周期管理能力。其核心功能并非单一工具，而是一个由多个“技能”串联而成的工作流。

1. 核心工作流

我们可以将 Superpowers 的核心能力解构为一套结构化的工作流程，它覆盖了从需求理解到最终交付的每一个关键环节。

这个流程强制 AI 智能体像一个经验丰富的工程团队一样运作：

1. 需求探索与设计（Brainstorming）：在编写任何代码之前，强制与用户进行苏格拉底式的对话，深入挖掘真实需求，并产出设计文档。
2. 计划制定（Writing Plans）：将设计文档拆解为原子化的、可执行的开发任务列表，每个任务都包含明确的代码、测试用例和验证步骤。
3. 子智能体驱动开发（Subagent-Driven Development）：为每个任务分派一个“干净”的子智能体去执行，并通过严格的两阶段审查（规范遵从性审查、代码质量审查）来保证交付质量。
4. 严苛的工程实践：在整个流程中，强制执行 测试驱动开发（TDD） 和 系统化调试（Systematic Debugging） 等核心原则。

2. 亮点设计

在使用过程中，我觉得有三个设计特别的有用

2.1. 🧠头脑风暴

这里的头脑风暴是一种交互式的头脑风暴，交互式的头脑风暴好处在于，我参与了整个方案的设计，而不是直接最后review 一个几百甚至上千行的技术方案。

在AI 跟我一个问题一个问题的确认这个过程中，我能够跟上并且参与思考，而不是等到最后才能确定这是一个跑偏后错误的方案。

还有一种可能是我可能本身对这个需求就非常模糊，在AI 提问的同时，我反而想通了不少问题。

2.2. 🌲Git Worktrees

并行隔离、验证后合入：每个任务在独立工作树中实现与验证，通过后再合并到主分支。

Superpowers 项目中对使用git worktree的描述是这样的：

using-git-worktrees - Activates after design approval. Creates isolated workspace on new branch, runs project setup, verifies clean test baseline.

它允许每个任务独立运行在单独的workspace中，不会相关影响，在独立的空间中验证完成，才合入到主分支中来。

🚀这样的好处非常明显：

• 🎯 清晰并行：多个Task，多个Agent可以并行开发
• 🧪 安全隔离：完全不影响主工作区的干净和稳定
• ⚡️ 零成本回滚：如果改错了没法继续，直接删除worktree，重新执行对应task即可

2.3. 🚥测试驱动开发

测试驱动开发，也叫TDD，它的核心开发流程为：红-绿-重构。如下图：

1. 红：编写一个失败的测试，因为此时没有对应功能的实现，所以执行必然失败；
2. 绿：编写功能代码让测试通过；
3. 重构：消除代码坏味道，优化代码，然后运行测试，检验功能是否完整。

为什么它有价值呢，我比较认同的一个说法是：给 AI 建立一条反馈通路

• 可判定：单测提供明确的成功/失败信号，避免“看起来对”的错觉。
• 最小化：先让测试变绿，再重构，避免过度设计。
• 可回归：每次重构都有回归保障，错误能被快速定位与修复。

🤔从 Superpowers 中获取的启发：设计选择背后的思考

Superpowers 不仅是一个功能强大的工具集，更是一个充满了深刻设计哲学的“思想库”。通过剖析其实现细节和设计抉择，我们可以获得一系列关于编译工具链、规范驱动开发（Specification-Driven Development）、软件工程自动化等方面的宝贵启发。

启发一：从“授人以鱼”到“授人以渔”—— AI 工具链的设计转变

传统的 AI 编程工具（如早期的代码补全、代码生成）大多扮演着一个“代码工人”的角色，它们的目标是直接产出“鱼”（业务代码）。然而，这种模式的产出质量往往参差不齐，难以保证工程上的合规性。

Superpowers 标志着一种设计范式的转变：从直接生成最终产物，转向精心设计和约束生成过程本身。它不直接捕鱼，而是为 AI 提供了一套高质量的“渔具”（技能）和一套必须遵守的“捕鱼法”（工作流）。

判断标准

一个优秀的 AI 工程化工具，其核心价值不应仅仅体现在它能“写出什么代码”，更应体现在它能“保证代码是如何被写出来的”。评估一个 AI 工具链时，我们应更多地关注其是否提供了对开发流程、代码质量和工程实践的可控性和可观测性。

启发二：规范即文档，文档即可执行——弥合设计与实现的鸿沟

在软件工程中，设计文档（Spec）与最终实现之间往往存在巨大的鸿沟。文档会过时，而实现会偏离最初的设计。Superpowers 通过两种方式巧妙地解决了这个问题：

1. 让规范成为“活文档”：SKILL.md 文件既是人类可读的文档，又是 AI 必须遵循的指令。当流程需要变更时，开发者只需修改 .md 文件，AI 的行为便会随之自动更新。这使得文档与行为保持了天然的一致性。
2. 让文档“可执行”：通过在文档中嵌入 DOT 流程图、YAML 元数据等机器可解析的结构，文档的一部分内容变成了“可执行的规范”。AI 不是在“阅读”文档的描述，而是在“执行”文档的逻辑。

🧭如何使用 Superpowers：安装、构建与上手指南

Superpowers 的设计初衷是希望能无缝集成到多种 AI 编程智能体平台中。根据平台的不同，其安装和使用方式略有差异。本章将提供一个清晰的上手指南。

4.1 支持平台与安装方式

Superpowers 主要支持以下四种主流的 AI 编程环境，安装方式分为“插件市场”和“手动安装”两类。

核心理念无论是哪种安装方式，其最终目的都是一致的：

1. 将 superpowers/skills 目录下的所有技能对 AI 智能体可见。
2. 通过某种机制（如 hooks 或注入的启动脚本），在会话开始时自动加载核心的 using-superpowers 元技能，从而激活整个规范体系。

4.2 快速上手：以 Cursor 为例

1. 在 Cursor 的 Agent 对话中执行：/plugin-add superpowers，安装完成后重启。
2. 新建会话，输入“帮我规划设置页面”，验证会自动触发 brainstorming 并分段呈现设计。
3. 根据设计选择“生成实现计划”，随后会进入 writing-plans → subagent-driven-development → test-driven-development 的闭环。
4. 需要更新时执行：/plugin update superpowers，保持技能库为最新版本。

4.4 核心工作流入口

安装成功后，你不需要记住繁琐的命令。Superpowers 的设计哲学是自动触发。当你表现出某种意图时，对应的技能会自动介入。

• 意图：开始一个新功能你说：“我们来做一个设置页面吧。”Superpowers 行为：自动触发 brainstorming 技能，开始就需求细节进行提问。
• 意图：修复一个 Bug你说：“这个按钮在点击时崩溃了，帮我看看。”Superpowers 行为：自动触发 systematic-debugging 技能，要求你提供稳定的复现步骤，而不是直接猜测问题原因。
• 意图：执行一个现成的计划你说：“这是 plan.md，请按照这个计划执行。”Superpowers 行为：触发 subagent-driven-development 或 executing-plans 技能，开始任务分解和子智能体派发。

如果想要指定使用某个功能，可以使用指令指定：

1. /using-superpowers
2. /using-git-worktrees
3. /writing-plans