最近技术圈里“superpowers”这个名字出现的频率越来越高了很多人第一次听到时都一脸懵这到底是个工具、一个框架还是一套方法论我也在第一时间把它装下来试了一遍用了一段时间之后我的结论是它本质上是给 AI 编程助手装上了一套“可复用的工程能力包”。我理解的需求很简单大家不想再让 AI 只是“聊得一手好天”而是希望它在真实项目里能像靠谱的同事一样按流程做事、先测试后实现、出了问题能系统化排查。Superpowers 做的就是这件事——把资深工程师的隐性工作方法打包成一个个可以被 AI 直接加载和执行的技能Skills。这篇文章我会从它的核心设计讲起列出目前主要有哪些 Skills、分别解决什么问题然后给出完整的安装和引入方法最后把我自己踩过的坑和排查经验一并分享出来。不管你是刚听说这个名字还是已经在用但想用得更顺应该都能在这里找到需要的东西。1. Superpowers 到底解决什么问题1.1 一个从“聊得动”到“靠得住”的跃迁用过几轮 AI 编程助手的人应该都有同感让它写个函数、补个测试表现确实不错但让它从头到尾负责一个完整功能或者深入排查一个诡异 Bug结果就有点看运气了。问题不在模型能力而在流程缺失。普通对话式使用AI 拿到需求后会直接给方案、给代码缺少需求澄清、方案设计、测试先行、分步实施这些环节。Superpowers 的做法是把这些环节标准化成一个个 Skill。每个 Skill 内部包含非常具体的操作指令比如“先写失败测试”“每次只改一个变量”“提交前跑完整测试套件”。模型加载技能后会按这套流程行动而不是凭感觉自由发挥。从我实测的感受来看装上前后最明显的变化不是代码质量“变好了”而是工作过程“变稳了”。AI 不再一上来就甩一堆代码而是会先确认需求边界会把大任务拆小会主动告诉我它准备怎么做。这种稳定感才是它真正值钱的地方。1.2 为什么叫 Superpowers技能不是咒语是工作流项目作者 Jesse VincentGitHub 上叫 obra把它命名为 Superpowers我觉得非常贴切。超级英雄的超能力不是凭空念一句咒语而是经过训练的本能反应。工程师的调试能力、重构能力、代码审查能力也是一样它们是一套可重复的、有步骤的思维习惯。这套项目就是把习惯做成了文件。每个技能对应一个SKILL.md文件里面写清楚这个技能的目标是什么、触发条件是什么、执行步骤是什么、需要注意哪些陷阱。AI 加载它之后不是学会了“咒语”而是获得了一套完整的工作流。比如系统化调试技能它会要求 AI 先复现问题、再收集信息、建立假设、逐个验证而不是直接猜一个原因就动手改。所以准确理解 Superpowers 的方式是它是 AI 助手的“职业培训手册”不是又一个代码生成器。这种定位在当前工具链里很少见这也是它能在开发者圈子里快速传播的根本原因。1.3 适用场景和读者画像我觉得下面几类人用它的收益最大每天重度使用 Claude Code、Cursor 等 AI 编程工具的开发者希望 AI 不只写代码还能按工程规范推进任务。带团队的技术负责人想把团队的开发规范如 TDD、代码审查清单沉淀成可执行流程让 AI 帮忙执行一部分。刚入门编程的新人通过观察 AI 加载技能后的工作过程可以直观学到资深工程师的思考方式。如果你只是偶尔让 AI 帮忙写个脚本那它带来的价值有限但如果你把它当“结对程序员”用Superpowers 几乎是必需品。下面我先把它的内部机制讲清楚这样后面安装和使用的时候你才能理解每一步在做什么。2. 核心设计拆解Skills 是怎么工作的2.1 SKILL.md 就是可执行的“师傅手册”Superpowers 的基石是 Claude Code 的 Skills 机制。简单说Skills 是一种结构化的提示词包存放在特定目录下AI 在对话中可以通过特定方式加载。SKILL.md文件的头部包含 YAML frontmatter里面写着技能名称和描述。正文则是具体的步骤和规则。项目的每个技能不是一篇泛泛的“指导文章”而是一份可以直接执行的流程说明书。以代码审查技能为例它不是告诉 AI “请仔细审查代码”而是规定了一个具体的审查顺序先看变更范围再逐文件检查逻辑正确性、错误处理、测试覆盖最终按严重程度输出问题清单。这种写法有一个非常大的好处结果可预期。不管模型版本怎么变只要它遵守技能里的步骤产出的质量就比较稳定。我在实际使用中也验证了这一点哪怕换了更强的模型技能对过程的约束依然有效。2.2 逐步推理与验证闭环Superpowers 的多个技能都强调一个核心动作把任务拆成一个一个的小步骤每步都验证而不是一口气做完。这和很多人使用 AI 的习惯正好相反。举一个我印象很深的例子使用测试驱动开发技能时AI 不是先写实现代码而是先根据需求写一个会失败的测试运行并确认它失败然后写最小实现让测试通过接着再做重构。整个过程被拆成“红-绿-重构”的循环每一步都有明确的验证动作。这种验证闭环的效果非常明显。我发现加上技能后AI 给出的代码很少出现“看起来没问题但一跑就报错”的情况。因为它每一步都通过运行测试来确认状态而不是靠“感觉”判断。这一点对做生产级项目至关重要。2.3 全局技能与项目技能的引入方式引入技能有两种层级全局和项目级。全局技能放在~/.claude/skills目录任何项目都能用项目技能放在当前项目的.claude/skills目录只对这个项目生效。实际工作中我是两者都在用。个人习惯和通用方法论比如系统化调试放全局因为它们和具体业务无关而项目特有的流程比如这个项目必须跑的 lint、必须遵守的提交信息格式放项目级避免污染其他项目。还有一种方式是插件Plugin机制。插件是一组技能的打包集合Superpowers 本身也是通过插件方式分发的。安装插件后技能会被自动放进全局技能目录这种设计很干净插件负责分发技能负责执行互不干扰。3. 有哪些 Skills分别能干什么3.1 开发主链路TDD、重构、调试Superpowers 项目里最受关注的是三条开发主链路技能它们组合起来就是一套完整的功能开发流程。test-driven-development测试驱动开发技能会引导 AI 严格按照“先测试、后实现、再重构”的节奏推进。它要求先写一个描述期望行为的测试运行并确认失败然后用最小代码量让测试通过最后在测试保护下安全重构。实际执行时AI 会一步步做给自己看而不是直接把最终代码和测试一起抛出来。thorough-refactoring深度重构技能解决的是“在不动外部行为的前提下改进内部结构”的问题。这个技能最大的价值是它要求先建立“行为基线”通常是一组测试确保重构前后行为一致。它会把重构拆成很多小步骤每步都跑测试一旦出错就回退一步。用它重构那些遗留代码时我心里会踏实很多。systematic-debugging系统化调试技能我使用频率最高。它强制 AI 遵循“复现问题 → 收集信息 → 建立假设 → 验证假设 → 修复并回归”的流程。最核心的约束是一次只验证一个假设改一个变量。这能有效避免 AI 在排查问题时东改一下西改一下最后把环境改乱的情况。下面是一张表概括这组技能的作用和适用时机技能名称核心作用适用时机test-driven-development用测试驱动功能实现新需求开发、缺陷修复thorough-refactoring安全改进代码内部结构清理技术债、优化设计systematic-debugging按假设验证法排查问题线上异常、测试失败、逻辑错误3.2 质量保障链路代码审查、安全审查除了写代码Superpowers 还有质量保障方向的技能典型的是reviewing-code代码审查和security-review安全审查。reviewing-code技能被触发后AI 会按一套固定清单审查变更先理解变更意图再检查每个文件的逻辑正确性、边界条件、错误处理、测试覆盖最后输出按严重程度分类的审查意见。它的输出格式很像正式 Code Review 评论可以直接贴到 MR 讨论里用。security-review则更聚焦安全问题。它要求 AI 从注入风险、认证授权、敏感信息泄露、依赖漏洞等维度去审视代码。最实用的一点是它会把每条安全问题标注出风险等级并给出具体的修复建议而不是只告诉你“这里有风险”。我个人的建议是不要把安全审查技能当成终极安全工具它更像一道自动化的人工审查流程能拦截掉常见问题但不能替代专业安全团队。它最适合的场景是合并代码前快速过一遍敏感信息和高危模式。3.3 工程协作链路计划、待办管理、根因分析这组技能是容易被人忽视但又非常有价值的部分。它们不直接写代码而是负责把事情想清楚、把任务理清楚。writing-plans编写计划技能会在动手前组织 AI 产出一份工程实施计划。这个计划不是简单的步骤列表而是包含目标、风险、依赖关系、测试策略和回滚方案的完整文档。我在做一个跨模块功能时用过它AI 提前把可能踩的坑列了出来大幅减少了开发中途返工。agile-backlog-management敏捷待办管理技能专门处理需求条目。它可以把一段模糊的产品想法拆解成有验收标准的待办事项。这个技能我觉得非常适合技术负责人或者独立开发者相当于给自己配了一个需求分析师。root-cause-analysis根因分析技能则用于事故复盘。它会引导 AI 区分“直接原因”和“根本原因”并输出一份包含时间线、影响范围、预防措施的分析报告。虽然不能完全替代人工复盘但用来整理思路、生成结构化初稿效率很高。4. 安装 Superpowers 的三种姿势4.1 一键安装脚本Claude Code对于使用 Claude Code 的朋友官方提供了安装脚本在终端里执行一行命令即可。不过我先说明一下这条命令会下载仓库到本地的 Claude 插件目录本质上是克隆 GitHub 仓库并放置到正确位置。命令如下curl -L -s https://raw.githubusercontent.com/obra/superpowers/main/install.sh | bash执行完脚本后建议重启 Claude Code 会话然后运行/plugin命令确认 Superpowers 已经出现在插件列表中。如果没有出现可以手动检查~/.claude/plugins目录下是否有superpowers相关的目录。我实测安装脚本在 macOS 和 Linux 上都比较顺利Windows 环境建议使用 WSL 或者 Git Bash 来执行否则路径处理可能会出问题。4.2 通过插件命令安装如果你已经在用 Claude Code 的插件体系更稳妥的方式是直接在对话中执行插件安装命令。在 Claude Code 的输入框里输入/plugin install obra/superpowers这个命令会把obra/superpowers仓库作为插件安装到当前环境安装完成后通常需要重启会话才能加载全部技能。相比之下这种方式的优势在于不需要在终端手动执行 curl 管道脚本更符合部分人的安全习惯。装好之后可以用/plugin status查看当前加载的插件。我遇到过一种情况插件列表里显示已安装但技能没有生效原因是没有重启会话。这个问题我后面在排查章节会再细说。4.3 手动克隆与目录结构如果你不想用脚本或者想把项目克隆到自己熟悉的目录完全可以手动操作。下面是适用于 Claude Code 的手动安装流程# 1. 克隆仓库到临时目录 git clone https://github.com/obra/superpowers.git /tmp/superpowers # 2. 在全局插件目录中创建一个引用或直接复制 mkdir -p ~/.claude/plugins cp -r /tmp/superpowers ~/.claude/plugins/superpowers # 3. 查看最终目录结构 ls ~/.claude/plugins/superpowers目录下最重要的内容是skills/文件夹里面每个子目录对应一个技能每个目录里都有一个SKILL.md文件。只要这些文件被 Claude Code 识别到技能就会被加载。手动安装最大的好处是你能清楚知道每个文件装在什么位置后续想改、想删、想自定义都很方便。缺点是没有自动更新能力以后想升级得重新拉取仓库。我个人目前是把两种方式结合用的先用脚本装好然后手动把项目里用不到的部分技能去掉。5. 具体使用怎么把这些技能用起来5.1 对话内点技能技能名前缀安装好 Superpowers 后最直接的使用方式是在对话中用符号呼出技能。比如你想让 AI 用 TDD 流程开发功能在提示词里直接写请使用 test-driven-development 技能来实现这个用户注册功能 需求描述AI 会加载对应的技能文件然后按照技能里定义的流程开始工作。你会发现它的行为模式和之前明显不同不再直接给最终代码而是先和你确认需求然后写失败测试再逐渐实现功能。我个人的经验是在一条会话里明确指定技能比让 AI 自己“猜该用什么技能”可靠得多。虽然技能描述写得足够清晰模型也能根据任务自动选择合适技能但显式指定可以让过程完全可控。尤其在复杂任务里我会把一整套技能串起来说比如先让 AI 用writing-plans做计划再进入test-driven-development开发。5.2 工作流实战从需求到提交下面我用一个实际的工作流示例展示 Superpowers 技能组合起来是什么效果。假设你接到一个需求给现有 API 增加一个分页功能。第一步让 AI 用计划技能梳理需求用 writing-plans 技能为“给 /api/users 接口增加分页参数”这个需求制定一份实施计划。AI 会输出计划包括当前接口解析、分页参数设计、数据库查询改造、测试策略、兼容性考虑等。第二步让 AI 按 TDD 流程实现按照 test-driven-development 技能实施这份计划中的改造步骤。此时 AI 会先写测试、跑失败、再实现。整个过程你都能看着测试红灯绿灯的变化而不是代码写完了再补测试。第三步实现完成后做一轮代码审查用 reviewing-code 技能审查我刚才这次变更的代码。AI 会按审查清单逐项检查输出问题列表。这套组合流程走下来一个功能从设计到实现再到复盘全程都处于受控状态。我几次这样用下来效果非常接近一个资深工程师在带新人走全流程。5.3 让技能生效的环境细节有几个环境细节会影响技能是否真正生效这里提醒一下。第一技能目录的名称必须写成SKILL.md全大写。如果起了别的名字Claude Code 无法识别。第二YAML frontmatter 里的name字段是技能的唯一标识AI 通过它对技能去重和索引不能重复。第三技能描述字段要写得足够详细因为模型在自动选择技能时主要靠描述匹配。还有一点容易被忽略.claude/skills目录里的技能是“项目级”的不会自动出现在别的项目里。如果你发现某个项目里技能呼不出来先检查一下这个项目根目录下是否有.claude/skills或者全局插件是否被正确安装。6. 常见问题与排查实录6.1 技能没有被识别怎么办这是安装后最常遇到的问题。现象是装好了插件但对话中输入技能名时没有任何反应或者提示找不到技能。排查思路按顺序来先确认插件列表里有没有加载 Superpowers再看全局技能目录是否存在SKILL.md文件最后确认文件名和格式是否正确。我的一个真实经历是安装时用了脚本但安装过程因为网络问题中断了导致插件目录只创建了一部分。重新执行安装脚本后问题就解决了。另外如果是在项目中测试务必确认.claude/skills是在项目根目录下而不是在子目录里。6.2 模型不按技能流程走这种问题表现为AI 虽然加载了技能但实际行为还是老样子直接甩代码不按流程执行。原因通常有两个。一是提示词里没有明确要求“严格按技能步骤执行”可以被模型理解为一种可选的参考二是对话历史太长模型在长上下文里丢失了对技能规则的关注。解决方案也很直接在提示词里加一句明确要求比如“严格按照该技能的每一步操作不要跳步”并在关键节点让 AI 反馈当前执行到了哪一步。还可以在技能文件的正文里强化“如果不满足前置条件不要继续”的规则。6.3 技能太多互相干扰当技能安装得越来越多可能会出现“名不副实”的现象比如你只想让 AI 做代码审查但它却同时套用了调试技能的流程输出了一堆无关内容。这其实是 Skills 机制的一个特性Claude Code 会根据上下文自动决定要不要加载技能如果候选技能太多匹配可能出现偏差。我的处理方式是在项目里只保留当前阶段需要的技能其余删掉或者移到备份目录。两个项目分开配置之后干扰问题基本消失。6.4 排查工具和调试技巧Claude Code 提供了一些内置命令方便排查技能状态。比如/plugin status能确认插件加载情况/skills能列出当前可用技能列表。我每次安装新技能后都会先用技能名做一个极小的测试请求确认它能被正确触发而不是等到真实任务里才发现没生效。另外如果某个技能文件被你手工编辑过语法和格式很容易出错。这种错误不会导致 Claude Code 崩溃但会让技能静默失效。遇到“技能文件明明在但 AI 就像不知道它存在”的情况重点检查 YAML frontmatter 的格式比如少了---分隔线、字段名拼错都会让解析失败。我还习惯把改动过的技能文件放进 Git 仓库出问题时可以快速对比最近改动。这种方式对技能本身进行版本管理和管理代码一样重要。7. 我这段时间的实际体会把 Superpowers 用在真实项目里之后我最明显的感觉是AI 的工作方式从“答题”变成了“做事”。以前它给我的印象是一个知识面很广但节奏很快的助手给答案很爽快但不一定可靠现在更像一个带了流程规范的合作者每一步都知道自己在做什么也愿意把不确定性摆到台面上来。使用过程中也有几个值得注意的点。第一技能不是越多越好挑选当前项目真正需要的技能效果远好于全量安装。第二不要完全放手让它全自动跑最好的配合方式是“关键步骤人工确认、重复性步骤完全放权”。第三适当修改技能文件以适应自己的项目规范完全可行而且能力很强我在test-driven-development技能里增加了自己项目的测试命令约定它就准确执行了。最后再分享一个我的习惯我给自己项目的.claude/skills目录里新建了一个“团队规范”技能把代码风格、分支命名规则、提交信息格式都写进去。这样每次会话开始AI 都会自动加载这些约定输出内容更贴团队习惯。Superpowers 带来的启发不光是“用它提供的技能”更是“让 AI 遵守你定义的流程”。这一点比装任何一个现成技能包都更有长期价值。