最近在折腾AI编程工具的时候我频繁看到一个词从不同渠道冒出来superpowers。先是有人给Codex CLI装了一堆skill接着WorkBuddy里也有人问怎么挂载后来Trae那边也冒出“superpowers skill”的安装教程。我一开始以为又是什么花里胡哨的prompt合集直到自己把整套东西跑通才发现它改变的不只是“聊天质量”而是把AI从一个只会接话的对话框变成了一个真正能按流程干活的协作角色。这篇文章就围绕superpowers这套技能包聊聊它到底是什么、内部怎么设计、如何装进Codex CLI、WorkBuddy和Trae这些常用工具以及在真实项目里用起来会遇到哪些坑。如果你正在用AI写代码、做code review、补测试或者只是觉得“AI虽然能聊但让它正经干活总差那么一口气”那这篇文章就是给你准备的。我不会摆一堆理论整个过程都是我踩过坑之后整理出来的实操记录照着做就能跑。1. 先搞清楚superpowers到底改变了什么1.1 它不是“一个命令”而是一整套技能栈很多刚接触的人会误以为superpowers是个单一工具装完就能获得某种“魔法”。实际上它更像是一套预置了“工作方法”的技能集合每个技能对应一个明确的专业场景比如拆解任务、写代码文档、做代码审查、生成测试、重构、调试、规划实现步骤等等。这些技能不是简单的prompt模板而是带有一整套操作逻辑的“技能目录”。打个比方普通AI对话像是你请了个实习生你说一句他做一步方向一偏还得你拉回来。而装了superpowers之后等于给这个实习生配了一叠“岗位SOP”他接到任务会先翻SOP遇到模糊需求先拆解写代码前先规划测试提交前先自查。你不需要事无巨细地指挥AI自己就知道下一步该干什么。这套设计最大的价值在于“可复用”。同一个技能可以跨项目使用同一套规范可以稳定复现而不是每次都在对话里重新解释你想要的流程。我自己的体会是装上superpowers之后AI的输出稳定性和完成度提升非常明显尤其适合多文件、多步骤的编码任务。1.2 它和普通prompt到底差在哪为了把“技能”和“prompt”区分开我从实际体验里总结出三个关键差异。第一普通prompt是一次性的技能是结构化的。普通prompt就是一句话比如“帮我重构这个函数”AI能理解但它不知道你的重构标准是什么、需要保持哪些行为不变、是否要添加回归测试。而superpowers里的重构技能会自带检查清单AI会先分析当前代码行为再设计重构方案最后生成测试来验证没有改变行为。第二普通prompt靠记忆技能靠文件。普通对话里你给AI的上下文只存在于当前对话窗口新开会话就全忘了。superpowers则把方法论写在独立的技能文件里AI每次用到都会重新读取所以即使换了一个全新的项目只要技能文件还在行为规范就不会丢。第三普通prompt需要你不停“喂”技能是AI主动“取”。装了superpowers之后AI会在合适的场景主动调用对应技能而不是每次等你提示。比如你自己还没说要写测试AI在实现一个函数时可能就会调用测试生成技能产出配套测试。这种主动性才是它真正“超能力”的地方。1.3 适合谁不适合谁先说适合的人。如果你日常用AI写代码尤其是用Codex CLI、Claude这类命令行或IDE插件做项目级开发superpowers会非常值得一试。它特别适合以下几类场景要给老项目补文档和测试接手一份不熟悉的代码库想快速梳理经常做代码审查但觉得AI给的反馈太泛希望AI按TDD流程来开发而不是直接堆功能。不适合的情况也有。如果只是偶尔用AI翻译一段文字、写个小脚本那superpowers的安装和配置成本反而显重没必要为一次性的小需求引入整套体系。另外如果你完全不打算理解AI的工作方式只想“装完就是神”那也会失望——它提升的是流程和稳定性不是凭空变出正确代码。2. 核心设计拆解为什么superpowers能提升AI能力2.1 skill文件是怎么工作的superpowers的核心单元叫skill。在主流AI编程工具里skill一般是一个包含SKILL.md文件的目录里面用结构化的frontmatter写出技能名称、描述、适用场景再用正文编写详细的执行步骤、规则、示例。工具的插件机制会在合适的时机扫描这些目录把匹配的技能说明加载给AI。理解这套机制之后你就会明白为什么superpowers不是靠“魔法”而是靠“规范”干活。它本质上是在给AI补“职业训练”。AI底层模型可能知识很广但具体到“怎么做一个高质量的代码评审”它不是天生就会需要把评审维度、检查顺序、输出格式写出来它才能照着执行。superpowers做的事情就是把业界相对成熟的工程实践转化成AI能直接读取和执行的程序化知识。在实际使用中我见过很多人装完skill发现好像没变化原因往往就是SKILL.md写得太泛。superpowers目录里每个技能都写得很细比如planning技能会要求AI先澄清需求、列出约束、拆解任务、标注风险点再进入实现阶段。一层层往下AI的输出质量自然就不一样。2.2 技能包的核心模块plan、debug、review、testsuperpowers不是单个技能而是一组技能组合使用。我实际用下来下面这几个模块是最常用的也最能体现它的设计思路。planning规划是最先触发的一个。当你给AI一个大的开发任务它会先做需求澄清把你没说明白的地方列出来然后拆解成若干可执行的小任务并规划顺序。这一点很像“先画图纸再施工”避免一上来就乱写代码。debugging调试则专门针对bug场景。它不会像普通对话那样直接给个猜测答案而是先让AI复现问题、定位最小复现用例、分析根因再给出修复建议和验证方案。这个流程对工程质量很有价值因为很多bug修完之后又复发就是没做根因分析。doing-code-review代码审查是我最喜欢的一个技能。它会让AI按提交粒度审阅代码先看功能正确性再看设计一致性、性能和可维护性最后才给优化建议而不是把风格问题摆在最前面。很多AI默认的code review只会说“代码看起来不错但可以加注释”superpowers里这个技能则明显更职业化。generating-tests生成测试也不是简单让AI写几个断言。它会先分析现有代码的覆盖面列出测试策略再按边界条件和异常分支去构造测试用例。配合TDD流程开发效率会高很多。2.3 hooks和自动化机制除了对话里主动调用技能superpowers还利用了一套叫hooks的自动化机制。hooks是AI编程工具提供的事件回调可以在特定时机自动执行一些操作。比如在代码编辑完成之后自动触发格式检查和简单测试在提交之前自动生成变更摘要在AI给出最终回答之前自动做一遍结果验证。这种自动化带来的体验变化是巨大的。以前你需要手动跟AI说“写完记得检查”现在规则内置在技能里AI做完主任务会顺带完成检查。虽然单个步骤变化很小但叠加起来就让AI从“提线木偶”变成了“有肌肉记忆的协作者”。不过也要注意hooks数量不宜过多。我曾见过有人把十几个不同技能的hook全开结果每次执行都在跑各种后台检查速度慢得很。superpowers的默认配置相对克制但你自己扩展时一定要想清楚哪些hook真正对你有价值。3. 实操把superpowers装进Codex CLI、WorkBuddy和Trae3.1 安装前准备环境检查和版本确认在正式动手安装前我建议先花两分钟确认你的环境。否则装到一半发现版本不兼容会非常难受。第一步确认你使用的AI编程工具版本。以Codex CLI为例它迭代挺快不同版本对skills的加载路径和配置格式支持不完全一致。我使用的是较新的版本如果你还在用老版本建议先升级。第二步确认项目仓库的访问权限。superpowers一般通过Git仓库分发安装时需要拉取代码。如果你的网络环境访问GitHub比较慢可以通过镜像或者使用内置的下载加速功能具体看你的网络情况。第三步确认本机有没有可用的shell环境。superpowers的安装脚本通常是bash脚本Windows用户建议在Git Bash、WSL或PowerShell里运行。我自己在Windows上更喜欢用WSL因为后续的路径处理更符合Linux习惯省去很多转义问题。3.2 这就是那个脚本一键把技能复制到工具目录。这里我直接给出我实际用过的安装命令这套命令在Codex CLI环境下基本是通用的# 1. 拉取superpowers项目仓库 git clone superpowers项目地址 superpowers cd superpowers # 2. 查看安装脚本确认没有可疑操作后再执行 cat install_superpowers.sh # 3. 执行安装把skills复制到当前AI工具的skills目录 ./install_superpowers.sh安装脚本做的事情其实并不神秘它会扫描你本机已安装的AI工具识别对应的skills目录然后把superpowers仓库里的skills文件夹复制过去。如果你的环境比较特殊也可以手工把skills/目录下的各个子目录复制到工具规定的路径效果一样。装完之后最好先验证一下技能是否真的被加载。方法是随便打开一个项目给AI发一条和某个技能相关的指令比如“plan the implementation for adding user login”看它是否调用了规划技能。如果它直接开始写代码说明技能没有命中需要检查安装路径。3.3 手工复制最稳妥的安装方法虽然安装脚本很方便但它有时会因为工具版本差异找不到目录。如果你不想折腾可以直接手动复制。下面我以Codex CLI为例写出手工复制的完整过程。# 1. 先看本机Codex CLI的配置目录在哪里 codex config dir # 2. 进入配置目录后通常会有skills子目录 cd ~/.codex/skills # 3. 把superpowers仓库里的各个技能目录链接过来 ln -s ~/path/to/superpowers/skills/* .这样做的优势在于后续你想更新superpowers只需要在仓库目录里git pull技能内容就会自动同步到工具的skills目录。因为我用的是符号链接不用每次更新后再复制一遍。WorkBuddy和Trae的安装思路也是一样的区别只在于它们读取skills目录的位置。WorkBuddy一般在用户目录下有个类似~/.workbuddy/skills的路径Trae则在IDE的配置目录里有一个skill文件夹。你只要找到对应目录把skills内容放进去即可。3.4 WorkBuddy安装skill的完整步骤WorkBuddy最近在一些开发社区里讨论度挺高它本质上也是个AI编程助手支持安装外部skill来扩展能力。给它装superpowers我建议按下面的流程来。# 1. 先查看WorkBuddy的配置目录 workbuddy config dir # 或者直接看默认位置 ls ~/.workbuddy如果目录里没有skills文件夹就自己创建一个。然后把superpowers仓库里的技能文件夹复制或软链接进去。这里有一个小细节复制完成之后最好检查一下每个skill目录里是否有SKILL.md文件因为有些工具识别的是这个文件名如果大小写不对就不会加载。装好之后重启WorkBuddy让新技能被扫描到。然后在一个实际项目里试一下输入“use the debugging skill approach to diagnose this project”看AI是否进入调试模式而不是直接给答案。如果命中说明安装成功。3.5 Trae中配置superpowers的细节Trae作为一款AI原生IDE也支持类似skills的扩展机制。我初次配置时花了点时间因为它的界面路径和命令行工具不太一样但底层逻辑是一致的。在Trae中你需要先打开设置面板找到“扩展”或者“skills”相关的入口。不同版本的Trae界面文字可能不同但基本都会提供一个技能目录的入口按钮。点击进去后可以看到当前加载的所有技能目录把superpowers里的技能目录添加进去就行。这里我建议直接以目录链接的方式添加而不是复制。因为Trae的配置文件有时候在更新IDE时可能会被清理如果你用的是外部软链接链接目标还在重新指认一下路径就恢复了如果复制进去IDE一更新可能就没了。添加完成之后也同样要重启。Trae对配置文件的缓存比较明显不重启的话技能很可能不会被识别。我在第一次配置时就是因为没重启折腾了半天还以为路径写错了。3.6 验证安装是否成功的三种方法安装完成后推荐用下面三种方法验证确认技能确实生效。第一种用AI的日志或调试模式查看技能加载记录。Codex CLI可以用--verbose启动日志里会打印加载了哪些skillsTrae里可以打开开发者服务面板看技能注册信息。第二种直接给AI一个强场景指令。比如让AI在这个项目里“review the last commit”如果它按照“先分析影响再检查正确性最后给建议”的节奏回复基本就是调用了code review技能。如果只是简单说“这次提交看起来不错”那就是没生效。第三种查看技能目录的时间戳。安装之后技能的SKILL.md文件会被工具读取某些工具会在日志目录生成访问记录。你可以找到工具的日志文件搜索你安装的技能名如果有记录就说明已经加载。4. 实战用superpowers跑一次自动重构与测试生成4.1 场景设定从一个乱糟糟的老函数开始理论讲再多不如跑一个实际例子。我这里假设有一个Python项目里面有个函数功能是“根据用户输入的折扣码计算最终价格”但函数里塞了一堆判断逻辑可读性差也没有测试。我要用superpowers来重构这个函数并生成配套测试。刚开始的时候我直接在Codex CLI里打开项目目录输入“帮我优化一下这个项目里的价格计算函数并补上测试。”系统没有立刻写代码而是先调用了planning技能列出它理解的任务范围分析现函数逻辑、确定价格计算规则、设计重构方案、编写测试用例。整个过程像是一个工程师在动手前先列工作计划。4.2 触发技能AI如何自己安排工作顺序这时我发现AI并没有直接去改代码而是先阅读了整个相关文件包括调用这个函数的上层代码和依赖的配置。它在计划里标注了几个风险点折扣码可能有多种类型、有些订单还叠加了会员折扣、缓存逻辑会影响计算结果。这些细节在普通对话里AI大概率不会主动去查。它随后把任务拆成了几个小步骤先用调试技能分析现有逻辑再用重构技能设计新的函数结构接着用测试生成技能构造测试用例最后用代码审查技能做一次自检。这个顺序是superpowers技能包设计好的流程AI按照流程走逻辑非常清晰。我在旁边只需要确认每一步的方向是否正确。4.3 观察执行过程AI在每个阶段如何干活进入调试阶段AI先把原函数复制到一个临时分析区域逐行标注了每个分支的作用并向我要了几个关键输入样例。我给了几个典型值它就模拟执行了一遍确认自己对当前行为的理解没有偏差。接下来进入重构阶段AI没有直接在原函数上改而是把所有功能逻辑拆成两个函数一个处理折扣计算一个处理订单价格汇总。每个函数都设计了明确的输入输出并且保留了原有的错误提示信息。到了测试生成阶段AI不仅覆盖了正常折扣码还生成了无效折扣码、过期折扣码、折扣码叠加会员折扣、折扣后价格低于0等边界情况的测试用例。这些用例放在一起基本堵住了大多数重构时容易出现的回归风险。4.4 结果检查我如何确认它没改坏东西refactoring做完之后我没有马上就信先跑了一遍它生成的测试全绿。不过这还不够我又手动构造了几个历史订单数据用旧函数和新函数做了对比输出结果完全一致。这时我才放心把改动提交。这个流程给我最大的感触是superpowers不是让你完全放手而是把“该有的工序”从口头要求变成了默认行为。以前的AI是“你让我做什么我就做什么”现在的它更像是“我知道这个任务该怎么做然后一步步做完给你看”。对于工程质量要求高的项目这种体验差别是决定性的。5. 常见问题与排查技巧实录5.1 技能没有被识别先检查目录和文件名最常遇到的问题就是技能装完了但AI毫无反应。我排查下来的第一嫌疑永远是目录路径和SKILL.md文件名。很多工具对目录名大小写敏感对SKILL.md这个文件名也是强校验一旦写错整个技能就静默失效。你可以这样排查先对照工具的文档找到正确的skills路径再进每个技能目录确认SKILL.md存在最后用工具的命令行或日志输出看技能是否被加载。如果日志里没有记录大概率就是路径不对重新软链接一次就好。5.2 权限不足脚本执行失败在Windows或者某些公司统一管控的电脑上安装脚本可能因为没有执行权限而失败。报错信息里会直接出现Permission denied这时用下面的命令加权限即可。chmod x install_superpowers.sh ./install_superpowers.sh如果你是手工复制也要注意目标目录是否可写。比如Codex CLI的配置目录如果属于当前用户一般没问题但如果系统装了多个用户权限归属可能混乱需要你手动把目录所有权改回来。5.3 和底层CLI版本不兼容升级或锁定版本superpowers在快速迭代底层工具也在快速迭代最常见的不兼容就是“安装成功但调用时提示找不到技能”。我遇到过一次Codex CLI大版本升级后技能目录的默认位置变了导致旧路径失效。解决办法有两个方向一是升级superpowers到最新版让它适配新路径二是锁住底层工具版本等superpowers兼容之后再升级。我建议日常使用中不要把两边都放在“自动更新最新版”的状态否则一旦发生不兼容你会花掉很多时间排查。5.4 与已有配置文件冲突逐个技能关闭有些用户之前已经自己写过很多prompt或者配置过其他技能装上superpowers之后可能出现两个技能抢同一个触发词的情况或者AI的行为和你预期的不一致。这时候不需要卸载superpowers只要找到冲突的技能目录临时把那个技能移走即可。比如你觉得AI在review时太啰嗦想用自己的规则那就把doing-code-review这个技能目录改名或移出skills目录。由于其他技能还在整套流程不会受影响。这种“按需启用”的思路比把所有技能一股脑全装进来要合理得多。5.5 排查清单快速定位问题为了让你少走弯路我整理了一份排查清单按顺序走一遍基本能定位大多数问题。检查技能目录是否存在并且SKILL.md文件名正确检查工具是否扫描到新技能看日志或调试输出检查是否重启了工具很多工具只在启动时加载技能检查底层工具版本是否支持skills机制检查安装脚本是否实际执行成功有没有被权限拦下检查技能触发时用的指令是否和技能描述匹配6. 一些使用心得和后续扩展6.1 不要一次全量启用全部技能我最初安装时把所有技能都保留了结果发现AI在很多简单任务上也会去走“规划-拆解-实现-测试-审查”全流程杀鸡用牛刀效率反而低。后来我把场景按项目类型分开小型脚本项目只启用debugging和generating-tests大型业务项目才启用planning和doing-code-review。这样一来AI在轻量任务上的响应速度明显加快在重量任务上又不会偷工减料。6.2 可以根据项目仓库定制自己的技能superpowers本身是一套通用技能但它的结构非常清楚这意味着你可以照着它的格式写自己的技能。我在一个老项目中就新增了一个“历史代码迁移”的技能把迁移规范和兼容性要求写在SKILL.md里AI在接到迁移任务时会自动读取并执行。这种能力比任何固定模板都有用因为它真正贴合了你的项目和团队规范。6.3 生态还在扩展值得持续关注从Codex CLI到WorkBuddy再到Trae越来越多AI编程工具开始支持skill机制这本身就是个信号未来的AI使用方式一定不是“聊天框里反复调教”而是“标准化技能分发”。superpowers现在跑在前面带着一套可复用的方法论后续大概率会出现更多类似项目或者形成更统一的技能市场。我反正是准备把这个方向持续跟下去后面有新进展我会继续整理出来。最后分享一个我自己的习惯凡是新装任何技能我都先在同一个练习项目里跑一遍全流程不直接在重要项目上试错。练习项目代码量小、依赖少出问题一眼就能看出来。用熟了之后再拿到正式项目心里才有底。