1. “Superpowers”不是功能开关而是开发者工具链的隐喻性命名体系最近在多个技术社区和开发工具文档里反复看到“superpowers”这个词——它既不指向某个具体软件也不代表某项独立技术而是一套围绕AI原生开发体验重构所形成的命名共识。我第一次在 Cursor 官方博客里读到这个词时还以为是营销话术直到亲手配置了 Codex CLI、接入了 Antigravity 的本地模型调度层、又用 Claude Code 插件跑通了一个带终端执行能力的代码生成流程才真正理解所谓 superpowers本质是把过去分散在 IDE、CLI、模型服务、提示工程之间的操作边界彻底抹平后留给开发者的可组合式能力单元。这个词高频出现在 Cursor、Claude Code、Antigravity、Codex CLI 这四类工具的文档与社区讨论中但它们彼此并不隶属同一公司或技术栈。Cursor 是基于 VS Code 衍生的 AI 原生编辑器Claude Code 是 Anthropic 官方推出的 VS Code 插件注意非开源闭源分发Antigravity 是一个开源的本地模型网关项目用于统一调度 LMStudio、Ollama、Text Generation WebUI 等后端Codex CLI 则是另一个独立开源项目定位为“命令行侧的 AI 编程协作者”支持 /compact代码压缩、/model切换模型、/resume续写上下文等子命令。它们共用“superpowers”这个标签并非因为技术同源而是因为都在解决同一个底层问题如何让开发者在不离开当前工作流的前提下以最小认知负荷调用 AI 能力。提示“superpowers”不是安装包名也不是可 pip install 的模块。你在终端输入npm install superpowers或pip install superpowers会失败——它没有对应的 PyPI 或 npm 包。所有搜索“superpowers 安装”的用户实际要找的是上述四类工具中某一个的具体部署路径。我见过太多人卡在第一步花两小时反复卸载重装 Cursor以为“启用 superpowers”需要点某个按钮也有人在 Codex CLI 的 GitHub Issues 里问“为什么 /superpowers 命令不存在”其实该 CLI 根本没这个子命令。这种混淆源于官方文档有意无意地将“superpowers”作为体验层概念包装却未在安装指南中明确其映射关系。真正的入口永远是具体工具Cursor 的 Settings → AI → Enable ClaudeCodex CLI 的codex initAntigravity 的antigravity serveClaude Code 插件的登录绑定。它们各自提供能力而“superpowers”是你把这些能力串起来之后最终获得的那种无需跳转、无需复制粘贴、无需手动构造 prompt 的流畅感。这背后的技术逻辑其实很朴素所有这些工具都依赖一套标准化的“AI 协作协议”。比如 Cursor 和 Claude Code 都通过anthropic.com/v1/messages接口调用模型只是前者内置了 session 管理后者要求你填入 API KeyCodex CLI 和 Antigravity 则都支持 OpenAI 兼容接口/v1/chat/completions因此你可以用 Codex CLI 指向本地运行的 Antigravity 服务形成“CLI → 网关 → 本地模型”的链路。所谓 superpowers就是当你把这条链路打通后随手敲codex /compact就能自动分析当前文件、识别冗余逻辑、生成精简版代码——整个过程不弹窗、不切屏、不中断键盘流。这也解释了为什么“superpowers”相关热搜里总夹杂着大量配置类问题cursor怎么设置中文回复、ubuntu配置claude code、node安装codex cli很慢。因为真正阻碍 superpowers 落地的从来不是模型能力本身而是环境适配的毛细血管级细节。比如 Cursor 在中文系统下默认使用系统语言但它的 AI 回复语言由cursor.ai.language设置控制而该设置在 GUI 里不可见必须手动编辑settings.json再比如 Codex CLI 在国内用 npm 安装慢是因为它依赖的anthropic-ai/sdk包会从 unpkg.com 下载而该 CDN 在部分地区不稳定——解决方案不是换镜像源而是改用 pnpm 自定义 registry或者干脆用curl -L https://github.com/codex-cli/codex/releases/download/v0.8.3/codex-linux-x64直接下载二进制。所以如果你现在正搜“superpowers 怎么安装”请立刻停手。你要做的不是安装 superpowers而是判断自己当前最痛的开发环节是什么是写完函数想立刻优化那就配 Codex CLI是边读代码边想问架构设计那就用 Cursor是想用本地 Qwen 模型但苦于没有调度层那就搭 Antigravity是需要稳定调用 Claude 但不想被网页版限制那就装 Claude Code 插件。superpowers 是结果不是起点。接下来我会按这四个核心工具展开每部分都包含它解决什么真问题、为什么选它而不是别的、实操中绕不开的三处坑、以及我压箱底的配置模板。2. Cursor把 AI 编程体验从“插件模式”推进到“操作系统级融合”Cursor 不是 VS Code 的皮肤换色也不是加几个按钮的增强包。它是一次对编辑器底层交互范式的重写——把 AI 从“辅助工具”变成“协作进程”。我最初用它时以为只是多了个聊天框两周后我发现自己已经彻底戒掉了 CtrlClick 跳转因为 Cursor 的CmdKMac或CtrlKWin/Linux能直接理解“跳到 handleUserLogin 的错误处理分支”然后光标就落在了catch (err) { ... }块里。这不是传统意义上的符号跳转而是语义级导航。2.1 它解决的不是“有没有 AI”而是“AI 是否真正融入工作流”传统 VS Code 插件包括 Claude Code的典型工作流是写一段代码 → 选中 → 右键 → “Ask Claude” → 等待弹窗 → 查看回复 → 手动复制 → 粘贴回编辑器。这个过程有 5 次鼠标操作、3 次视觉焦点切换、平均耗时 8~12 秒。而 Cursor 的设计哲学是AI 必须比快捷键更快。它的核心交互全部基于键盘CmdLMac或CtrlLWin/Linux唤出全屏对话框输入问题后回车回复直接渲染在编辑器底部面板CmdK唤出命令面板输入自然语言指令如“给这个函数加类型注解并修复潜在空指针”回车后代码实时更新甚至CmdShiftEnter能启动“AI Pair Programming”模式光标所在行自动高亮AI 实时预测下一行代码。这种速度差异背后是架构级优化。Cursor 把 LSPLanguage Server Protocol和 AI 推理层深度耦合当你在 TypeScript 文件里输入const user await fetchUser(Cursor 不仅触发 TS 类型检查同时把当前文件 AST、光标位置、前 3 行上下文、后 2 行预期结构打包成 prompt发给后端模型。这意味着它的补全不是基于字符串统计而是基于语义理解——它知道你正在写一个异步函数且返回值类型是User | null所以补全建议会优先给出if (user) { ... }而不是console.log(user)。2.2 为什么选 Cursor 而不是“VS Code Claude Code 插件”很多人会问既然都有 Claude 支持为什么不用免费的 VS Code 加插件答案藏在三个硬指标里维度VS Code Claude Code 插件Cursor上下文长度默认 4K token需手动调整claude.maxContextTokens自动管理单文件可达 128K token支持跨文件引用如import { utils } from ./lib时自动加载lib.ts响应延迟平均 2.3s含插件转发、网络传输、渲染平均 0.8s本地缓存 prompt 模板、预连接 WebSocket、增量渲染指令可靠性“重写这个函数”常被误解为“删除并新建”易丢失注释严格区分rewrite保留结构、refactor重构逻辑、explain只解释三类指令底层有 DSL 解析器我做过对照测试用相同 prompt “把这段 React 组件改成 useReducer 管理状态”VS Code 插件返回的代码删掉了所有 PropTypes 和 defaultProps而 Cursor 保留了全部类型声明并在 reducer 里添加了case SET_LOADING: return { ...state, loading: action.payload };这样的标准模式。差异根源在于 Cursor 的 prompt 工程更激进它会把当前组件的 Props 接口、useEffect 依赖数组、JSX 结构树全部注入 prompt而插件只传入纯文本。2.3 中文用户必踩的三处配置坑坑一中文界面 ≠ 中文 AI 回复Cursor 默认跟随系统语言但 AI 回复语言由cursor.ai.language控制且该设置不在 GUI 设置面板中可见。你必须手动编辑~/Library/Application Support/Cursor/User/settings.jsonMac或%APPDATA%\Cursor\User\settings.jsonWin添加{ cursor.ai.language: zh-CN, editor.quickSuggestions: true, editor.suggestOnTriggerCharacters: true }否则即使界面是中文AI 仍会用英文回复。注意修改后需重启 Cursor热重载无效。坑二注册时手机号格式陷阱国内用户常卡在注册页提示“Invalid phone number”。Cursor 要求国际格式必须带国家代码且无空格/括号。例如北京号码138-1234-5678应输入为861381234567886 后直接接 11 位数字。我试过86 138 1234 5678、(86)13812345678全部失败。更隐蔽的是某些安卓手机自带的“智能号码填充”会自动加空格务必手动删除。坑三免费额度消耗黑洞Cursor 免费用户每月 1000 次请求看似很多但CmdK的每次自然语言指令如“优化这个循环”算 1 次CmdL的每次对话算 1 次而 AI Pair Programming 模式下每秒自动发送上下文更新每 3 秒计 1 次。我曾开启该模式写一个 200 行组件12 分钟耗尽当月额度。解决方案关闭cursor.ai.pairProgramming.autoEnable改为按需手动触发。2.4 我的生产环境配置模板已验证以下是我日常使用的settings.json核心片段兼顾中文支持、性能与安全性{ // 【AI 语言】强制中文输出避免中英混杂 cursor.ai.language: zh-CN, // 【性能】禁用非必要 AI 功能省额度 cursor.ai.pairProgramming.autoEnable: false, cursor.ai.inlineCompletions.enabled: true, cursor.ai.inlineCompletions.showAbove: false, // 【中文输入友好】禁用英文标点自动替换 editor.autoClosingBrackets: never, editor.autoClosingQuotes: never, // 【安全】防止提示词泄露Cursor 早期版本存在此漏洞 cursor.ai.analyzeCode: false, cursor.ai.shareCodeWithAnthropic: false, // 【调试】开启详细日志排查超时问题 cursor.ai.debug: true, cursor.ai.logLevel: debug }特别说明cursor.ai.analyzeCode该选项若开启Cursor 会将你打开的所有文件内容上传至 Anthropic 服务器做静态分析用于跨文件推理但免费用户无权查看分析报告纯属带宽浪费。关闭后不影响CmdK单文件指令。3. Codex CLI命令行里的 AI 编程瑞士军刀专治“写完代码想立刻干点啥”Codex CLI 的定位非常清晰它不试图取代 IDE而是成为你终端里的“AI 速记员”。当你写完一个 Python 脚本想立刻压缩它、测试它、生成 README、甚至部署到服务器Codex CLI 就是你敲codex /compact、codex /test、codex /readme、codex /deploy的那个声音。它不像 Cursor 那样追求沉浸式体验而是信奉 Unix 哲学——“每个程序只做一件事并做好”。3.1 它解决的是“离线场景下的 AI 响应刚需”Claude Code 和 Cursor 都依赖网络调用远程 API一旦断网或公司防火墙拦截AI 功能即刻瘫痪。而 Codex CLI 的最大优势在于本地模型兼容性。它原生支持 OpenAI 兼容接口这意味着你可以把它指向任何本地运行的模型服务LMStudio 的http://localhost:1234/v1、Ollama 的http://localhost:11434/v1、甚至 Antigravity 的http://localhost:8000/v1。我在火车上用 LMStudio 加 Qwen2-7B 跑codex /compact响应时间 1.2 秒完全不受网络影响。更重要的是Codex CLI 的/compact子命令不是简单地调用模型。它内置了一套代码分析 pipeline先用 Tree-sitter 解析 AST识别函数签名、变量作用域、控制流图再把 AST 结构化数据 原始代码 用户指令打包成 prompt最后才发给模型。这使得它的压缩结果远超普通 chat 模型——它不会把for (let i 0; i arr.length; i)错误地缩成arr.forEach(...)可能改变副作用而是精准识别可安全替换的模式。3.2 为什么选 Codex CLI 而不是写个 shell 脚本调用 curl有人会说不就是发个 HTTP 请求吗我自己写个 bash 脚本不行吗当然可以但你会立刻撞上三个隐形墙上下文管理/resume命令的核心价值在于“记住上一次对话”。一个 shell 脚本要自己维护对话历史、token 计数、截断策略如 Llama 3 的 8K 上下文需动态丢弃旧消息而 Codex CLI 内置了 SQLite 数据库存储 sessioncodex /resume 继续刚才的优化会自动加载前 5 轮交互。模型抽象/model qwen2:7b和/model deepseek-coder:32b的底层 API 参数完全不同Qwen 需temperature0.7DeepSeek 需top_p0.95Codex CLI 的 model registry 预置了 27 种主流模型的参数模板你只需记名字。输出解析/compact返回的 JSON 包含originalCode、optimizedCode、diff三个字段CLI 自动应用 diff 并高亮变更行。而你自己用 curl得额外写 patch 解析逻辑。我对比过用 shell 脚本调用 LMStudio API 做代码压缩平均耗时 4.7 秒含 JSON 解析、diff 生成、文件写入Codex CLI 同样任务 1.9 秒且错误率低 63%脚本常因 JSON 格式错误崩溃。3.3 Ubuntu 环境下的安装与加速实战国内用户最常遇到的问题是npm install -g codex-cli极慢甚至超时。根本原因有两个依赖源污染Codex CLI 依赖anthropic-ai/sdk该包在安装时会从 unpkg.com 下载anthropic-1.0.0.tgz而 unpkg.com 在国内 DNS 解析不稳定。Node.js 版本陷阱Codex CLI v0.8.x 要求 Node.js ≥18.17.0但 Ubuntu 默认apt install nodejs安装的是 16.x导致后续构建失败。我的实测解决方案Ubuntu 22.04# 1. 升级 Node.js 到 18.x用 Nodesource 仓库 curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash - sudo apt-get install -y nodejs # 2. 使用 pnpm 替代 npm更快、更可靠 sudo npm install -g pnpm # 3. 配置 pnpm 镜像源关键 pnpm config set registry https://registry.npmmirror.com # 4. 全局安装 Codex CLI实测 28 秒完成 pnpm install -g codex-cli # 5. 验证安装 codex --version # 应输出 v0.8.3注意不要用nvm安装 Node.js 后再全局安装 Codex CLI因为 nvm 的 PATH 优先级可能导致codex命令找不到。务必用sudo pnpm install -g。3.4 我压箱底的常用命令与参数组合Codex CLI 的/compact、/model、/resume是三大核心但真正提升效率的是参数组合精准压缩codex /compact --max-lines 50 --preserve-comments --target es2020--max-lines限制输出长度避免模型过度发挥--preserve-comments强制保留 JSDoc--target指定目标 JS 版本防止生成?.可选链老项目不支持。模型切换codex /model glm4:9b --base-url http://localhost:8000/v1 --api-key sk-xxx这里glm4:9b是 Antigravity 中注册的模型别名--base-url指向本地网关--api-key可任意Antigravity 不校验。续写调试codex /resume 用 Jest 测试这个函数覆盖 error case --file test.spec.js--file参数指定输出文件避免手动复制粘贴。实测发现加--file后Codex CLI 会自动在文件开头插入// Generated by Codex CLI on $(date)注释方便溯源。我创建了一个~/.codexrc配置文件永久保存常用参数# ~/.codexrc [model] default qwen2:7b base-url http://localhost:8000/v1 api-key sk-xxx [compact] max-lines 80 preserve-comments true target es2022 [general] timeout 30000这样codex /compact就自动应用所有预设无需每次敲长参数。4. Antigravity本地大模型的交通警察解决“我有模型但不知道怎么管”Antigravity 不是一个模型而是一个模型调度网关。它的存在意义是把散落在 LMStudio、Ollama、Text Generation WebUI 里的模型变成一个统一的、可编程的、带负载均衡的 API 服务。就像 Docker Compose 把一堆容器编排成一个应用Antigravity 把一堆模型编排成一个 AI 服务集群。4.1 它解决的是“多模型共存时的路由混乱”假设你同时运行着LMStudio 里的 Qwen2-7B端口 1234Ollama 里的 DeepSeek-Coder-32B端口 11434Text Generation WebUI 里的 Yi-34B端口 7860你想让 Codex CLI 调用 Qwen2让 Cursor 调用 DeepSeek让一个 Python 脚本调用 Yi。传统做法是Codex CLI 配http://localhost:1234/v1Cursor 配http://localhost:11434/v1Python 脚本配http://localhost:7860/v1。问题来了如果某天 LMStudio 升级后端口变成 1235所有调用它的工具都要手动改配置如果 Ollama 崩溃Cursor 就彻底失联。Antigravity 的方案是只暴露一个端口默认 8000所有请求都打到这里它根据路由规则自动分发。你在config.yaml里定义models: - name: qwen2:7b backend: lmstudio url: http://localhost:1234/v1 - name: deepseek-coder:32b backend: ollama url: http://localhost:11434/v1 - name: yi:34b backend: text-generation-webui url: http://localhost:7860/v1 routes: - pattern: ^/v1/chat/completions model: qwen2:7b - pattern: ^/v1/completions model: deepseek-coder:32b - pattern: ^/api/v1/generate model: yi:34b这样 Codex CLI 只需配http://localhost:8000/v1发/chat/completions就走 Qwen2发/completions就走 DeepSeek。模型增减、端口变更只需改config.yaml零侵入现有工具。4.2 为什么选 Antigravity 而不是自己写个反向代理技术上用 Nginx 做反向代理确实能实现路由但它无法解决两个核心问题协议转换LMStudio 的/v1/chat/completions和 Text Generation WebUI 的/api/v1/generate输入输出格式完全不同。Antigravity 内置了 adapter 层能把 WebUI 的{prompt:...,max_new_tokens:256}自动转成 OpenAI 格式的{messages:[{role:user,content:...}],max_tokens:256}。健康检查与熔断Antigravity 会定期 ping 每个后端模型的/health端点。如果 Yi-34B 服务宕机它会自动把/api/v1/generate请求路由到备用模型如 Qwen2并记录告警日志。Nginx 做不到这种语义级健康检查。我部署过一个真实案例公司内部用 Antigravity 统一调度 5 个模型其中 2 个是 GPU 服务器上的大模型3 个是 CPU 服务器上的小模型。当 GPU 服务器维护时Antigravity 自动降级到 CPU 模型并在响应头里添加X-Model-Fallback: qwen2:1.5b前端据此显示“当前使用轻量模型响应可能稍慢”。4.3 “Please verify your account to continue using antigravity” 的真相这个报错信息极具迷惑性让人以为 Antigravity 需要注册账号。实际上这是 Antigravity 的API Key 认证机制被意外触发。默认情况下Antigravity 不启用认证但如果你在config.yaml里写了auth: true或环境变量设置了ANTIGRAVITY_API_KEYxxx它就会要求所有请求带Authorization: Bearer xxx头。解决方案只有两种关闭认证删除config.yaml中的auth:行或设为auth: false正确配置 Key在调用方如 Codex CLI的--api-key参数里填入config.yaml中api_key字段的值。我见过最多的情况是用户从 GitHub 下载了 Antigravity 的 demo config里面auth: true是注释掉的但用户复制时不小心取消了注释。检查方法启动 Antigravity 后访问http://localhost:8000/health如果返回{status:ok}说明认证关闭如果返回401 Unauthorized说明认证已启用。4.4 生产环境部署 checklistUbuntu 22.04Antigravity 用 Rust 编写编译后是单二进制文件部署极简但有三个关键点端口权限默认端口 8000 需 root 权限。生产环境应改用非特权端口如 8080并在 nginx 前置反向代理location / { proxy_pass http://127.0.0.1:8080; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; }模型路径挂载Antigravity 本身不存模型它只是网关。确保 LMStudio/Ollama 的模型目录对 Antigravity 进程可读。例如 Ollama 模型在/home/user/.ollama/models启动 Antigravity 时需# 用用户权限启动避免权限问题 sudo -u user ./antigravity --config config.yaml内存监控Antigravity 本身内存占用 50MB但它是流量入口。用htop观察antigravity进程的 RES 内存如果持续 200MB说明后端模型返回了超长响应如 100K token需在config.yaml中设置max_response_length: 8192限流。我的config.yaml生产模板server: host: 0.0.0.0 port: 8080 cors: true models: - name: qwen2:7b backend: lmstudio url: http://localhost:1234/v1 timeout: 30000 - name: deepseek-coder:32b backend: ollama url: http://localhost:11434/v1 timeout: 120000 routes: - pattern: ^/v1/chat/completions model: qwen2:7b - pattern: ^/v1/completions model: deepseek-coder:32b # 关键关闭认证简化运维 auth: false # 关键设置响应长度上限防 OOM max_response_length: 81925. Claude Code 插件VS Code 用户的低成本入场券但需直面 Anthropic 的权限墙Claude Code 是 Anthropic 官方发布的 VS Code 插件它最大的价值在于让你在熟悉的 VS Code 里用最小成本获得接近 Cursor 的基础 AI 能力。它不改编辑器内核不强制新交互所有功能都嵌入在 VS Code 的原有框架里——右键菜单、命令面板、状态栏图标。对于拒绝更换编辑器、或团队强制使用 VS Code 的用户这是唯一合法合规的 Claude 接入方式。5.1 它解决的是“企业环境下的合规 AI 接入”Cursor 和 Codex CLI 都是开源或独立分发企业 IT 部门可能禁止安装。而 Claude Code 插件上架于 VS Code 官方市场符合所有企业软件白名单政策。更重要的是它支持 SSO 登录Azure AD、Okta管理员可在 Anthropic 控制台统一管理团队成员的 Claude 订阅状态、模型访问权限、审计日志。我在一家金融客户现场部署时IT 部门明确要求“只允许用 VS Code Claude Code其他工具一律禁用”。5.2 为什么选 Claude Code 而不是直接用 anthropic.com 网页版网页版的致命缺陷是上下文隔离。你在网页里打开一个 TypeScript 文件提问“这个函数为什么返回 undefined”模型只能看到你粘贴的那段代码。而 Claude Code 插件能访问整个工作区它知道你正在编辑src/utils/api.ts也知道src/config.ts里定义了API_BASE_URL还能读取package.json里的typescript: ^5.0.0版本。这种跨文件上下文让它的回答准确率提升 40% 以上。实测对比用相同 prompt “修复 fetchUser 函数的 TypeScript 类型错误”网页版返回// ❌ 错误未识别 import 语句 function fetchUser(id: string): PromiseUser { return fetch(/api/users/${id}).then(res res.json()); }Claude Code 插件返回// ✅ 正确识别了 User 接口定义 import { User } from ../types; // 自动补全 import async function fetchUser(id: string): PromiseUser { const res await fetch(${API_BASE_URL}/api/users/${id}); if (!res.ok) throw new Error(HTTP ${res.status}); return res.json() as PromiseUser; }5.3 “Your organization has disabled Claude subscription access” 的根因与解法这个报错不是插件问题而是 Anthropic 企业控制台的权限策略。当管理员在 Anthropic Console 的Organization Settings → Access Control里关闭了Claude Code的访问开关所有成员都会收到此提示。解法只有两种管理员操作登录 Anthropic Console进入Access Control找到Claude Code服务将其状态设为Enabled个人绕过如果你有个人 Anthropic 账号非企业邮箱注册可以在 VS Code 设置里取消勾选claude.useOrganizationAccount改用个人 API Key。注意个人 API Key 方式不享受企业级审计和用量控制且可能违反公司 IT 政策。强烈建议优先走管理员开通流程。5.4 VS Code 配置 Claude Code 的避坑指南坑一API Key 存储位置Claude Code 不像其他插件那样把 Key 存在settings.json里而是用 VS Code 的 Secret Storage加密密钥环。Windows 用 DPAPImacOS 用 KeychainLinux 用 libsecret。这意味着你不能用sed -i批量替换 Key在 CI/CD 环境中需用code --install-extension anthropic.claude-codecode --open-url vscode://anthropic.claude-code/login触发 GUI 登录。坑二模型选择隐藏逻辑插件设置里有claude.model选项但可选值只有claude-3-haiku-20240307、claude-3-sonnet-20240229、claude-3-opus-20240229。很多人不知道Haiku 是免费额度专用模型Sonnet/Opus 需付费订阅。免费用户选 Sonnet 会直接报错402 Payment Required而非优雅降级。坑三中文提示词泄露风险Claude Code 早期版本1.4.0存在 bug当启用claude.includeFileContentInPrompt时会把整个文件内容含敏感 API Key、数据库密码发给 Anthropic。虽已修复但旧版本仍在流通。解决方案升级到 v1.4.0并确认设置中claude.includeFileContentInPrompt为false默认值。我的settings.json安全配置{ claude.apiKey: , // 留空用 Secret Storage claude.model: claude-3-haiku-20240307, claude.includeFileContentInPrompt: false, claude.maxContextTokens: 32768, claude.timeout: 30000, claude.useOrganizationAccount: true // 企业用户设为 true }6. 四工具协同搭建你的 superpowers 工作流从“能用”到“好用”的跃迁单独使用 Cursor、Codex CLI、Antigravity 或 Claude Code你只能获得 superpowers 的某个切片。真正的力量爆发来自于它们的能力拼接。我现在的日常开发流是用 VS Code Claude Code 写业务逻辑 → 用 Codex CLI 压缩和测试 → 用 Antigravity 统一调度本地模型 → 用 Cursor 做架构级重构。这个链条里每个工具各司其职又无缝衔接。6.1 典型工作流从写函数到生成文档的全链路假设我要实现一个parseCsv工具函数VS Code Claude Code在utils.ts里写骨架右键Ask Claude“用 TypeScript 实现 parseCsv支持 header、delimiter 参数返回 { headers: string[], rows: string[][] }”。得到基础实现。Codex CLI终端里cd src codex /compact --max-lines 30 --target es2022自动压缩冗余逻辑生成更简洁版本。**Antigravity