前段时间我在折腾 AI 编程工具的时候碰到了一个叫superpowers的开源技能包。说实话第一眼看到这个名字我是有点想笑的——“超能力”这也太中二了。但真正把它装进工作流用了两周之后我得承认这名字起得不算夸张它没有给 AI 增加任何新的模型能力却让 AI 干活的思路和节奏完全不一样了。这篇文章把我从安装到上手、从踩坑到自定义技能的全过程整理出来给同样在折腾 superpowers 的朋友做个参考。如果你之前完全没接触过也可以把它当成一份“给 AI 装备职业工具箱”的入门指南顺便搞清楚大家常说的 skills、引入方式、安装流程到底是什么。1. superpowers 到底是什么不是插件是一套技能工作流1.1 先厘清一个概念技能skill和插件的区别很多人第一次看到 superpowers第一反应是“它是个插件”。这个理解不算错但容易让人用错方式去使用它。插件的典型特征是安装完就多了一个功能按钮、一条命令或者一个界面入口比如格式化代码、运行测试、切换模型。而 superpowers 做的事情是往 AI 助手的工作记忆里注入一套“遇到什么任务该怎么思考、按什么顺序执行”的方法论。它不是给你一个新功能而是改变 AI 处理任务时默认的思考路径。打个比方默认状态下你让 AI 写一个登录功能它可能直接开写代码能跑就算交差。而装好 superpowers 之后同一个请求AI 可能会先问你业务场景、再列方案、挑一个方案、然后说“我们先用 TDD 的方式来做我先写测试”。后者明显更像一个经验丰富的开发者在跟你协作而不是一个只会吐代码的接口。这也是为什么热搜词里大家一直在问“有哪些 skills”“怎么引入这些技能”——因为它的核心产出物就是一组组结构化的 skills而不是一个单纯的程序文件。1.2 为什么现在的 AI 需要“技能包”这里要说一个让我印象很深的点。大型语言模型本身的知识量是足够的它知道什么是测试驱动开发、什么是代码审查清单、什么是好的需求拆解。但问题是你不主动要求它不会默认按这套流程来。模型的默认行为是“用最短路径给出看似合理的答案”而专家的工作方式往往是“在前期思考和验证上花更多时间”。superpowers 的作用就是把那些“专家平时会做但模型默认不做”的步骤通过结构化的技能文档显式地告诉模型遇到这类任务请先执行这个流程。这就像你请了一个很聪明但没有工作经验的实习生。他什么都知道一点但你如果不把公司流程告诉他他每次凭感觉来结果时好时坏。技能包就是那本“员工操作手册”它把隐性经验变成了显性流程。1.3 superpowers 的定位面向开发者的可扩展技能框架superpowers 另一个值得说的点是它的开放性。它的技能不是编译好的黑盒而是以 Markdown 文件组织的纯文本放在项目目录或插件目录里。这意味着你可以直接打开看它到底写了什么、改它的步骤、删掉不适合你的环节甚至完全照着它的格式写一个自己团队的技能。这种可扩展性是它跟那些“安装即锁定行为”的工具最大的差别。所以与其说 superpowers 是一个具体工具不如说它是一套“AI 工作流的组织方式”。理解了这一层后面那些“怎么安装、怎么引入”的问题就都好办了。2. 技能清单拆解superpowers 里到底装了哪些 skills2.1 核心技能一览superpowers 包含的技能在不同版本里会有些出入但核心的几个基本是固定的。我把自己常用到的那批整理成了表格方便你对照自己的需求去看。技能名称核心用途典型触发场景brainstorming需求梳理与多方案生成防止过早下结论需求模糊、方案未定、写代码前想先讨论planning把目标拆解成可执行的任务列表拿到一个功能需求、要排实施顺序TDD测试驱动开发先写红测试再写实现写新函数、修 bug、加边界校验code review按检查清单做系统化代码审查提交前自查、复查旧项目、Review 别人代码debugging先复现、再定位、再修复的问题排查流程出现 bug、报错、行为异常writing生成结构清晰的文档、周报、说明写 README、技术方案、更新文档refactoring在不改变行为的前提下优化结构代码混乱、重复逻辑多、想提升可维护性architecture从整体结构角度设计方案与模块划分新项目起步、模块边界不清、技术选型这些技能表面上看都是“常识”但真正值钱的是它们把常识变成了 AI 能稳定执行的步骤。技能不生效的时候你会觉得 AI“知道但做不到”装好之后才知道原来问题是出在没人告诉它按什么顺序做。2.2 brainstorming从“给答案”变成“一起想”这个技能是我用得最多的一个因为大部分真实需求一开始都是模糊的。比如你说“我想做一个标签系统”默认情况下 AI 会直接给出一种实现。但 brainstorming 技能的思路是先忍住不写代码把需求问清楚再生成多个候选方案最后对比取舍。激活这个技能之后AI 的回应方式会明显不一样。它会先问你这个标签系统是给谁用的、标签需不需要层级、要不要自动推荐然后给出三到四个方案每个方案标出成本、复杂度、适用规模。这个过程非常像跟一个资深同事在会议室里过方案。对于产品需求还没定死的情况这个技能能帮你省掉大量返工。2.3 TDD 技能让 AI 先写测试再写实现在编程类技能里TDD 的“收益感”是最强的。默认状态下AI 写代码的主要目标是“满足你的描述”但“满足描述”不等于“代码正确”。TDD 技能强制把顺序反过来先根据期望行为写测试看着测试失败再写最小实现让它通过最后重构。我最初以为这个方法会增加不少对话轮次但实际上它对 AI 特别有效因为测试就是一份可执行的、明确的需求文档。有了测试AI 就不需要去猜你的边界条件是什么。你写“解析版本号字符串”这种需求AI 如果直接实现大概率会漏掉各种非法输入。但 TDD 技能会先帮你列出“空字符串、三段之外、非数字”这些用例然后一个个写进测试里。这个习惯一旦建立起来代码质量提升非常明显。2.4 代码审查与调试把“复查”变成标准动作code review 技能给我的感觉是“AI 终于开始像人一样看代码了”。默认状态下你让它检查代码它往往只会挑出明显的语法问题或者泛泛说几句“逻辑看起来不错”。但 review 技能会按清单走可读性、边界条件、错误处理、命名一致性、潜在的并发问题、测试覆盖情况。它会逐条过并且每条给出具体位置和修改建议。debugging 技能则是另一个救命工具。遇到 bug 时AI 默认会直接猜原因然后给修复代码。debugging 技能要求它先让用户提供复现步骤、再缩小范围、提出一个关于根因的假设、然后才动手改。这个过程跟我自己排查线上问题的流程一模一样不确认根因就动手大概率修完这个 bug 又引出下一个。2.5 写作与文档技能不止程序员需要它这个技能容易被忽略但对非程序员场景很有用。比如写周报、写项目总结、写 READMEwriting 技能会自动要求你提供“读者是谁、文档用途、结构要求”然后按照“先说结论、再展开细节、最后给附录”的结构组织内容。我实际用下来它生成的文档在结构完整性上确实比默认输出高一个档次至少不用我每次再大段重排。3. 安装 superpowers 的完整流程与前置依赖3.1 环境准备Node.js 与 AI 编程工具链安装 superpowers 之前先把环境理清楚。如果你打算在 AI 编程工具里使用它需要先确保本机有 Node.js 运行时因为技能加载和插件管理机制依赖 Node 生态。我用的是 Node.js 20 版本建议至少 18 版本以上。可以用两行命令快速确认node -v npm -v如果还没有安装 Node.js去官网下一个 LTS 版本就行安装过程没什么特别需要注意的。接下来就是把 AI 编程工具的命令行版本装好并确保你能在终端里正常启动会话。这一步很多人会忽略superpowers 这类技能包的加载依赖工具自身的插件或技能目录机制不是随便找个网页版就能塞进去的所以一定要先跑通本地 CLI。3.2 通过插件市场引入 superpowers环境就绪之后安装本身不复杂。以支持插件市场机制的 AI 编程工具为例在会话里输入下面两条命令就可以把 superpowers 添加到插件列表并激活/plugin marketplace add superpowers 仓库地址 /plugin install superpowerssuperpowers第一条是把项目源加入插件市场第二条是从市场里拉取并安装。具体仓库地址直接在 GitHub 上搜 superpowers 就能找到不同版本的入口命令可能略有差异以项目 README 为准。如果你用的是不依赖插件市场的工具也可以直接把仓库里的 skills 目录克隆到本地的技能加载路径下本质上是一样的——让工具在启动时能扫描到这些技能文件。3.3 安装后的验证方法装完别急着直接开始干活先花两分钟确认它真的生效了。我推荐做三步验证在会话里输入/plugin status或者打开插件管理面板确认 superpowers 的状态是 active而不是 installed but inactive。看一下技能目录是否出现在对应的路径下比如.claude/skills或者插件目录的skills子目录里面应该能看到一个个以技能名命名的文件夹。用一句最简单的触发语测试例如“请使用 brainstorming 技能帮我分析一个需求”。如果 AI 开始按技能流程提问而不是直接给结论说明技能已经加载成功。3.4 常见安装失败排查我自己安装时踩过几次坑也帮朋友排查过这里列一个快速对照表。问题现象可能原因处理办法命令提示不存在工具版本过旧不支持插件市场升级到支持插件机制的最新版本安装成功但技能不生效插件状态为 inactive在插件面板里手动激活或用命令启用找不到技能文件安装路径不对检查工具默认的技能加载目录把 skills 放对位置会话里没反应加载的是旧的会话配置重启会话让工具重新扫描技能目录其中“重启会话”是最容易忽略的一步。技能文件是在会话初始化时加载的你安装完不重启当前会话可能根本不知道这些技能的存在我还见过有人在同一个会话里反复试了十分钟重启之后才生效。4. 怎么把 skills 真正“引入”到工作流里触发方式与调用逻辑4.1 技能是“按需召唤”的不是常驻的很多人装完 superpowers 之后的第一个困惑是技能好像“不出现”。没有侧边栏、没有按钮、没有命令行列表那它到底怎么被用起来关键在于理解技能的触发逻辑技能文件里的 description 字段会被 AI 在每次处理请求时读取当任务跟某个技能的描述匹配模型就会在内部加载该技能文件并按照里面的步骤执行。也就是说它是“按需召唤”的不是把所有技能文档全塞进每次对话里。这个设计的精妙之处在于省上下文。如果每个技能都常驻几千行技能说明会占据大量上下文窗口真正留给任务的空间就变少了。按需加载相当于把技能文档放进了外存用到时再临时调入。4.2 触发词与请求模板一句话让 AI 进入对应状态虽然技能能被自动匹配但为了稳定我更推荐在请求里显式点名要用的技能。这样能避免模型误判尤其在多个技能描述有重叠的时候。我常用的触发句式是这样的“请使用 brainstorming 技能和我一起梳理这个需求……”“用 TDD 技能来写这个函数……”“进入 code review 模式按技能清单审查这些代码。”“开始 debugging先帮我复现这个 bug……”点名之后AI 就会切换到对应的流程模式。这跟给实习生派活是一样的道理你只说了“把数据库连上”他可能直接写代码但你说“按咱们的数据库接入规范来做”他就会先查规范再动手。技能就是那本规范。4.3 技能文件长什么样SKILL.md 的组成如果你打开一个技能文件夹里面最核心的文件就是SKILL.md。这个文件顶部通常有一段 frontmatter用---包围包含 name 和 description 两个字段下面就是正文写的是具体的执行步骤、检查清单、示例和原则。一个简单的 SKILL.md 长这样--- name: code-review description: 在用户要求检查代码时使用。按可读性、边界条件、错误处理、测试覆盖四个维度逐项审查并给出具体修改建议。 --- 工作流程 1. 先通读代码概括它的功能。 2. 检查边界条件是否处理完整。 3. 检查错误处理是否合理不能只写一个通用异常。 4. 检查命名与可读性。 5. 最后对每一个问题给出定位、原因、修改建议。你会发现这东西本质上就是一份“提示词说明书”。但把它放到独立文件里有三个好处一是可以被多个项目复用二是可以被团队共享和版本管理三是你可以随意编辑不用去改工具本身的代码。4.4 组合使用多个技能串成一条流水线单个技能有效但真正的威力在于组合。我自己的常规开发流程是这样的接到一个需求先用 brainstorming 把目标、约束、候选人弄清楚再用 planning 把实施方案拆成任务列表然后交给 TDD 技能一块一块地写实现最后用 code review 技能整体复查一遍。这个过程相当于给 AI 安排了一条流水线每个环节都有明确的责任边界不会出现在需求还没聊清楚的时候就开始写测试、或者在代码还没写的时候就开始 review 的情况。技能之间的切换也很自然你在对话里表示“方案定下来了开始拆任务”AI 就会自动从一个技能流程过渡到下一个。5. 实测场景我把 superpowers 用在了哪些真实任务里5.1 场景一用 brainstorming 做方案设计有一次我想给一个小工具加上“关键词提取”功能。如果按我平时用 AI 的习惯我会直接说“帮我写一个关键词提取函数”然后它给我一段用了 jieba 分词的代码完事。但那次我特意说“用 brainstorming 技能”AI 的反应完全不一样。它先是问我的输入文本大概有多长、是中文还是英文、处理速度要求如何、是离线还是可以调用外部服务。然后给了我四个方案词频统计、TF-IDF、TextRank、调用现成关键词接口。每个方案后面列了优缺点和适用数据规模最后还提醒我如果文本很短TextRank 这类图算法效果可能不如简单统计法。这个“先问需求再给方案”的节奏让我觉得对面不是一个接口而是一个真的在思考的同事。5.2 场景二用 TDD 技能写一个带边界校验的函数为了测试 TDD 技能的稳定性我拿了一个很容易翻车的需求开刀解析版本号字符串类似1.2.3要转成(1, 2, 3)这样的元组。以前直接让 AI 写它八成只会处理正常情况边界全靠我后续补。这次我要求“用 TDD 技能”AI 给出的第一组输出就是测试用例不是实现代码。用例覆盖了空字符串、只有两段、包含非数字字符、尾部有多余点号等场景。看了用例我才意识到我原本脑子里只想着“正常三段”但测试把“什么是不合法”这件事完全定义清楚了。测试跑红之后它才给我最小实现def parse_version(text): parts text.strip().split(.) if len(parts) ! 3: raise ValueError(版本号必须包含三段) nums [] for part in parts: if not part.isdigit(): raise ValueError(f版本段包含非数字: {part}) nums.append(int(part)) return tuple(nums)这段代码不算惊艳但配合那组测试它的正确性是“可证明”的而不是“看起来对”。这就是 TDD 流程和直接给代码的本质区别。5.3 场景三用 code review 技能复查旧项目我还拿自己一个半年前的旧项目做了实验。那个项目当时能跑但自己也清楚里面有不少粗糙的地方。我让 AI“用 review 技能按清单过一遍”它真的给我列出来 11 条问题而且不是空话。比如有一条指出某个配置文件里把超时时间写死成了固定值建议提取成常量并加注释还有一条指出两个函数命名不对称一个叫get_user另一个叫fech_user拼写错误加上命名风格不一致。这些问题如果只是让 AI 随便看它可能会说“代码整体不错注意一下拼写”。但按清单走一遍它就不容易漏掉这些角落里的细节。5.4 开/关 superpowers 的体验对比安装和卸载各用了一周之后我的直接感受是装了之后AI 的回复“密度”变高了。同样十个来回的对话默认模式下可能前六个来回都在澄清需求、发现自己理解错了、重新给方案开启技能之后前面三个来回就在干同样的事后面就能进入实际产出。当然也有代价这个后面细说。但如果只问一句“值不值得装”我的回答是值得尤其是 TDD 和 brainstorming 这两个技能几乎在我每个项目里都在发挥作用。5.5 效果背后的原因结构化提示词的作用原理为什么一份 Markdown 文档能有这么大作用原因在于大模型的输出质量很大程度上取决于“上下文里的指令清晰度”。默认状态下你给 AI 的指令是“写一个函数”它自己脑补执行路径而技能文件相当于给了它一条显式的执行路径里面每一步都是确定的。这就像让一个新人走迷宫只说“到出口”他可能会绕路你给他一张带拐弯标记的地图他走错概率就低很多。技能文档就是那张地图。它不是魔法但它把“正确做事的方式”从模型需要隐式猜测的东西变成了显式的上下文输入效果自然稳定得多。6. 避坑与进阶用了一段时间后的实在建议6.1 坑一技能没生效先检查这里技能失效的最常见原因有三个会话没重启、插件没激活、技能文件路径不对。如果某项技能完全没有触发的迹象先从这三个方向排查大概率能解决。还有一个容易被忽略的细节是技能文件里 frontmatter 的格式不能错误name 和 description 缺一不可。如果你自己改过 SKILL.md 但又想不起来改了什么文件格式问题是最可能的原因。我当时手写自定义技能时不慎漏了结束的---结果 AI 怎么都不认这个技能花了我十分钟才反应过来。6.2 坑二技能太多反而乱激活要克制有一段时间我把能装的技能全都装了结果发现效果反而变差了。原因不难理解技能描述之间存在重叠模型在自动匹配时容易选错比如把“写算法实现”匹配到了 architecture 上回答就开始讲大道理不落代码。后来我养成了只保留当前阶段需要的技能的习惯做设计就只关注 brainstorming 和 planning写代码时才放开 TDD。这是使用 superpowers 时我最想提醒你的一点——它是一套方法集合不是多多益善。6.3 坑三上下文被技能文档吃掉虽然技能是按需加载的但每个被激活的技能都会占用一部分上下文窗口。你的技能文档写得越长留给实际任务的上下文就越少。尤其是代码文件很大的时候这个问题会被放大。我的处理办法是把 SKILL.md 写得精简只写关键步骤和检查清单详细的原则说明放在独立的附加文件里只在需要时让 AI 读取。这样既保留了流程约束又不浪费宝贵的上下文空间。6.4 进阶玩法自己写一个团队专属 skillsuperpowers 最好玩的地方是可以按照它的格式添加自己的技能。我给自己和团队写过好几个最简单的做法是在你的技能目录下新建一个文件夹比如project-scaffold然后在里面放一个 SKILL.md。--- name: project-scaffold description: 当用户要新建一个 Python CLI 项目时按团队标准生成目录结构、入口文件和测试骨架。 --- 执行步骤 1. 询问项目名称和用途。 2. 创建 src/项目名/ 和 tests/ 目录。 3. 创建 pyproject.toml包含基础构建配置。 4. 生成 cli.py 入口模块和冒烟测试。 5. 说明运行方式。写完之后重启会话试着触发一次如果 AI 按你的流程走技能就算成功了。这个能力相当于把你的工作方法沉淀成了团队资产后来的人拿到这套技能文件就能用接近你习惯的方式去让 AI 帮忙。6.5 我的几点使用倾向现在我的日常 AI 协作已经离不开这套技能体系但我会刻意控制它介入的边界思路探索阶段用 brainstorming动手阶段交给 TDD完工前过一遍 code review。不盲目要求每件事都走复杂流程。我自己的原则是“技能服务目标而不是为了流程而流程”。那些能一句话说清、复制粘贴就能完成的小操作不需要技能介入但凡是重复性高、出错代价大、需要系统性的任务技能就是最可靠的助手。如果你也刚开始接触 superpowers我的建议很直接先装然后从 brainstorming 和 TDD 这两个技能开始用用到顺手之后再看看哪些技能跟你自己的项目不合大胆去改它。