1. 别急着问“superpowers是什么”先想想你的AI助手为什么不够聪明如果你用过Claude Code、Codex CLI或者类似的AI编程助手大概率会遇到一个很常见的场景刚装好的助手看起来无所不能可真让它干点具体活儿——重构一个模块、补一套测试、排查一个诡异bug——它就开始“自由发挥”了。写出来的代码风格飘忽不定前两步还靠谱第三步开始天马行空最后给你整出一堆似是而非的结果。我一开始也以为是模型能力不够后来踩了几次坑才意识到问题不在模型在于你没有教会它怎么干活。就像招了一个名校毕业的新人智商很高但你让他独立负责一套从没见过的业务模块他照样会手忙脚乱。你需要给他一套标准作业流程、给他方法论、给他检查清单、给他“遇到什么情况该怎么处理”的决策树——而这些就是superpowers在做的事情。简单说superpowers是一套围绕AI编程助手生态构建的高质量技能包skills集合。它的定位非常明确给Claude Code这类AI助手武装上可复用的专家级工作流。它不是插件市场里那种花哨的demo更像是一本本浓缩了资深工程师多年经验的操作规程手册——只不过这份手册不是给人类看的是给AI看的。这篇文章会从安装到深度使用、从单个技能到组合拳、从踩坑记录到性能调优把superpowers这套东西掰开揉碎了讲清楚。如果你正在用AI编程助手做正经项目或者刚接触skill机制想知道怎么玩那这篇内容基本可以帮你避开我走过的全部弯路。2. 先弄懂底层逻辑为什么“技能”比“提示词”更好用2.1 skill机制到底是什么要理解superpowers得先理解它所根植的那个生态机制Agent Skill。在Claude Code这类Agent编程工具里skill不只是一个System Prompt它是一个结构化的能力包。典型的一个skill文件夹大概长这样skills/ code-review/ SKILL.md reference/ scripts/其中SKILL.md是核心用Markdown编写里面定义了技能的触发条件、执行流程、关键注意事项和输出规范。而reference和scripts则是附属素材——可能是参考资料、模板文件也可能是辅助脚本让这个技能不仅能“说”还能“做”。和普通提示词最大的区别在于skill是可加载、可复用的模块化指令。你可以把“代码审查”这个技能做成一个独立包在审查任务到来时让AI加载它。AI会严格按照SKILL.md里定义的流程走而不是凭直觉自由发挥。用生活类比来解释的话普通提示词像是你口头跟一个新员工说“你把这个模块Review一下”skill则像是你塞给他一份SOP第1步检查接口变更兼容性、第2步核对异常处理路径、第3步逐个检查资源释放……甚至连“哪些情况属于红色告警必须修复、哪些属于建议可以延后再处理”的判定标准都写好了。结果显然不一样。2.2 superpowers做了什么升级superpowers在基础skill机制之上做了两层升级。第一层是技能的体系化。它不是东一个西一个零散技能集合而是按能力域分类的成套方法论。比如“规划planning”类技能管做事流程“执行execution”类技能管写代码和测试“研究research”类技能管调查问题和决策分析。不同技能之间还能组合调用形成一条完整的工作链。比如你让AI“为这个功能写完整实现方案”它会自动加载规划类技能拆解任务然后调用执行类技能写代码最后调用代码审查技能自查——整个流程像一条流水线。第二层是对AI工作方式的深度调校。superpowers的SKILL.md写得非常细致不仅告诉AI“做什么”还告诉它“怎么做更符合真实工程场景”。比如在代码审查技能里它会指定AI先解析依赖关系再逐层核对避免只看表面逻辑在规划技能里它要求AI主动思考“是否有遗漏的边界场景”。这些细节看起来只是几行指令实际效果差别巨大——相当于你不只给了员工SOP还在SOP里写满了过往踩坑的注释。注意我这里讨论的superpowers是社区里那个面向Claude Code等Agent编程助手的开源技能集项目不是别的同名产品。安装前务必确认项目源的准确性。3. 安装与引入从零开始把superpowers接入你的AI助手3.1 前置环境要求在动手安装之前先把环境确认清楚省得后面一脸懵。我实测下来以下几个条件是硬性的操作系统虽然技能包本身是跨平台的纯文本文件但辅助脚本涉及bashWindows用户建议用WSL或Git Bash环境否则个别脚本跑不起来。AI编程助手以Claude Code为例需要较新版本。因为老版本对Agent Skill的原生支持不完整很多功能加载不了。网络环境安装时要从GitHub拉取项目仓库需要确保网络能正常访问。CLI基础会基本的bash操作看得懂路径和文件结构就行。这些条件踩线也能装但如果你用的是很老版本的Claude Code或者Windows裸环境后续遇到诡异问题的概率会直线上升。3.2 标准安装步骤下面是完整安装流程每一步我都实测过直接照做就行。第一步进入你的工作区把项目克隆到本地的skills目录。Claude Code的skill默认扫描路径是项目内的.claude/skills/所以通常这样做cd your-project mkdir -p .claude/skills git clone https://github.com/worksontheweb/superpowers.git .claude/skills/superpowers这里有个细节克隆目标目录名建议保持superpowers因为它内部可能有路径引用的逻辑。如果你想改名做好全面测试再改别图省事。第二步确认技能被正确识别。打开Claude Code交互界面输入下面这句请列出你当前已加载的所有skills如果看到输出里带superpowers相关的技能组说明加载成功。如果没看到检查是否把项目放在了被扫描的目录内以及你的Claude Code版本是否支持skill机制。第三步基础功能验证。找一个小任务试试水比如使用superpowers中的代码审查流程审查一下当前项目里src/main.go观察AI是否按照流程化的步骤执行——先分析、再逐项检查、最后给出分级报告。如果它还是老一套的胡乱点评说明skill没被真正加载回到第二步排查。3.3 自用配置与路径管理克隆完并不算完事你还需要做一些配置上的整理让技能用起来更顺手。我强烈建议你给.claude/skills/superpowers目录里的技能分分类。默认情况下所有技能挤在一起虽然SKILL.md文件也不大但真到用的时候不好找。我的做法是保留官方目录结构但在项目根目录的.claude/CLAUDE.md文件里维护一个索引# 可用技能索引 ## 流程类 - superpowers/planning: 任务拆解与执行计划生成 - superpowers/design: 技术方案设计 ## 执行类 - superpowers/coding: 功能实现 - superpowers/debugging: 问题定位与修复 ## 质量类 - superpowers/code-review: 代码审查 - superpowers/testing: 测试设计与用例生成这样AI每次启动时都能快速感知到“有哪些技能可用”而不是自己翻目录。另外如果你用到的是Cursor、Trae这类把Agent能力内置在IDE里的工具加载路径和大模型API可能和Claude Code不太一样。你需要查看自家工具的Agent Skill配置规范把skills目录指过去。superpowers社区里已经有人做过适配遇到问题先在社区搜一下别硬折腾。提示不要把superpowers克隆到系统全局目录比如~/.claude/skills/。我的实测经验是全局技能会被所有项目加载结果就是AI在A项目里也带着B项目的专用技能上下文被撑大响应变慢。最好每个项目独立安装或者按工作区来组织。4. 核心技能盘点superpowers里到底有哪些“超能力”4.1 流程与规划类技能这组技能负责解决“AI拿到任务后怎么一步步推进”的问题。planning任务规划是最基础也最实用的技能之一。早期的AI助手接到任务就会直接开写而规划技能要求它先把目标拆解成子任务、排好优先级、识别依赖关系、明确验收标准然后再动手。一句话先想清楚再干。它内部还有个“多步计划追踪”机制AI能持续维护一份待办清单干一步标记一步不会干着干着偏到沟里去。design技术方案设计适合用来做架构层面的前期设计。比如你让它实现一个数据同步模块它会先梳理需求、对比方案、画出模块交互关系、列出数据结构和接口定义最后输出一份完整技术方案。我自己在推进一个中等复杂度的重构时用过它原本需要大半天写方案的时间压缩到十几分钟而且方案的完整度相当高。还有writing-plans撰写实施计划、decision-making决策分析等配套技能共同组成了一条完整的“前期准备-方案设计-计划执行”链路。这组技能非常适合把AI从“执行者”提升为“设计者”。4.2 执行与编码类技能如果说规划类技能是“想得清楚”那执行类技能就是“干得利索”。coding编码实现技能要求AI在写代码前先检查项目现有的代码风格、依赖版本和目录结构然后按照既定规范输出代码。最让我印象深刻的是它要求AI在实现完后自查——检查有没有忽略边界条件、有没有资源泄漏、有没有和现有代码风格冲突。相当于每一次编码都内置了一次自我Review。debugging问题定位与修复是另一个高频技能。它把调试过程拆成一套严谨的排查流程先要求AI阅读错误信息、复现问题、建立假设、验证假设、定位根因最后才动手修复。而且修复完成后要求AI解释“为什么这个修复是充分的”“有没有其他潜在触发点”。用这套流程排查问题AI很少会“改一个bug引入三个新bug”。还有个我很喜欢的细节技能叫research调查研究。当任务涉及不确定的技术方案或未知代码行为时它会引导AI先把相关的文档、源码、历史记录研究清楚再给出结论避免凭空猜测。4.3 质量与审查类技能这组技能的价值在于“守住底线”。code-review代码审查实用性极高。它定义了一套分层审查流程第一层检查正确性逻辑是否通、边界是否覆盖第二层检查安全性输入校验、权限控制、数据泄露风险第三层检查可维护性命名、注释、复杂度。还特别规定了报告的分级标准——哪些问题必须修复哪些可以建议哪些只是可选的优化点。输出格式也很规范可以直接贴到Merge Request评论里用。同样值得关注的是writing-tests测试编写。它不仅仅是“生成测试用例”这么简单而是要求AI分析代码的功能点、边界条件、错误路径、依赖关系然后设计出覆盖面合理的测试矩阵再逐个生成用例。比你自己凭经验手写测试覆盖率高不少。QA质量保障技能则是一个集大成的质量流程它会把上述测试、审查、边界检查组合起来形成一个完整的质量关卡适合在提交代码前跑一遍。实操心得不要试图一次加载所有技能。每个SKILL.md的内容都会占用AI的上下文空间加载太多反而会稀释注意力。根据当前任务类型按需启用对应技能组——这才是这套系统的最佳用法。5. 实操全过程从任务拆解到交付验证一次跑通5.1 准备好一个真实场景光看技能列表没意思拿一个具体任务走一遍完整流程你才能真正感受到superpowers的价值。我选一个典型场景给一个已有Node.js服务新增Redis缓存层并且保证不破坏现有逻辑。这个任务不复杂但涉及需求理解、方案设计、编码实现、测试验证多个环节非常适合验证技能链路的完整性。5.2 第一步用planning技能做任务拆解在Claude Code中输入用superpowers的planning技能规划“为现有用户查询接口增加Redis缓存层”的执行计划AI加载planning技能后输出了这样的拆解结果阶段一调研分析现有接口的数据流、依赖模块、Redis客户端可用性阶段二设计确定缓存key结构、过期策略、缓存穿透/击穿处理方案阶段三编码实现缓存读写逻辑、接口改造、配置项补充阶段四验证编写测试用例、跑全量回归、检查缓存命中效果可以看到它不再是一上来就喊“我来帮你写代码”而是给出了一个有执行顺序、有交付物定义的方案。而且它还在计划中标注了“需要你确认”的决策项——比如缓存过期时间选60秒还是300秒。这一步体验下来AI的角色从“打字员”变成了“方案助理”。5.3 第二步用design技能生成技术方案计划确认后接着输入基于这个执行计划用superpowers的design技能设计具体技术方案AI这次输出了模块图文字版、接口变动清单、缓存Key的设计规则和伪代码级的实现草案。特别值得说的是design技能引导AI主动提出了几个我之前容易忽略的点缓存与数据库的一致性策略更新DB后主动失效缓存、多实例部署下的缓存抖动风险以及大流量下可能出现的缓存雪崩问题。这些细节在我自己写方案时通常要过一遍脑子才想得起来而AI在技能引导下直接就带出来了。5.4 第三步用coding和testing技能实现与自测方案确认后让AI进入编码阶段按设计方案实现缓存层完成后用testing技能补充测试用例coding技能生效后AI没有直接闷头写代码而是先检查了当前项目的模块结构和已有工具链。实现时它保持了项目原有的回调风格没有擅自引入async/await也没有乱用不存在的依赖——这种“匹配现有代码风格”的能力正是普通提示词指令最难调教出来的。补完实现后testing技能生成的测试用例覆盖了以下几类场景缓存命中时返回正确数据且不穿透到数据库缓存未命中时回源数据库并回填缓存缓存更新失败时的降级行为走DB直查key过期后的自动刷新并发请求下只有一个请求回源防击穿对应的单测跑完后AI还自行检查了覆盖率标出了两个没有覆盖到的分支路径这个主动补漏的意识说实话已经超过不少初级工程师的自觉程度了。5.5 第四步用code-review技能做交付前审查实现和测试都跑通后最后一步我让AI用code-review技能对自己的改动做一次独立审查。这一步特别有意思因为coding技能里的“自查”和code-review技能的“审查”是两个不同流程。code-review会更严格地以“审查者”视角挑毛病而不是以“作者”视角自我辩护。它帮我揪出了三个问题缓存客户端实例在初始化失败时没有降级逻辑会导致服务启动直接崩溃缓存key中拼接用户ID时没有做类型强转极端输入可能产生碰撞缺少Redis连接池的监控指标上了生产环境难以观察缓存健康状况前两个我接受并让AI修复了第三个记录为待改进项。整个流程下来一个功能从规划到交付经过了四层把关最后的质量明显比我以前直接让AI甩一段代码要高出几个档次——而且全程有据可查不是凭感觉。6. 避坑指南与常见问题排查实录6.1 为什么AI有时不按skill流程走这是新手最容易困惑的问题明明装了superpowers可AI还是自由发挥。我的排查经验如下第一步确认skill是否真的被加载。上文提过直接问AI“列出已加载技能”是最高效的验证方法。如果AI的回答里没有superpowers相关内容说明它压根不知道有这个技能包存在。第二步检查触发方式。部分skill对触发条件有严格要求不能指望AI自动调用。你得在指令里明确引用技能名比如“用superpowers的xxx技能”。别只说“帮我审查代码”那AI很可能不会加载特定审查流程。第三步检查指令歧义。如果你一次提了多个目标AI可能会在技能选择上纠结最终选了一个不匹配的。尽量让一条指令只干一件事保持目标清晰。6.2 上下文被占满响应变慢怎么办技能文件本身并不大但如果加载了一堆技能加上项目代码、历史对话上下文还是会很快耗尽。我做了三件事来改善一是按项目裁剪技能。不同项目保留不同的技能子集——纯前端项目不需要带后端部署相关技能反之亦然。二是对SKILL.md做精简。官方技能文件通常写得很完整但你可以把其中与当前项目无关的章节删掉只保留核心流程。这不影响全局能力却能有效减少上下文消耗。三是定期重启会话。Claude Code这类工具的上下文窗口有限一个长会话跑到后期AI的“记性”和“智商”都会明显下降。遇到复杂任务时开个新会话把必要上下文和相关技能重新加载效果比在旧会话里硬撑着好得多。6.3 常见问题速查表现象可能原因解决方法技能列表里看不到superpowers安装目录不对或版本过旧检查目录路径升级Claude Code至支持Agent Skill的版本调用技能后AI行为没变化触发方式不对或指令太宽泛明确引用技能名如“用superpowers的code-review技能”辅助脚本报错环境缺少依赖或bash兼容问题Windows用WSLmacOS确认已装coreutilsAI响应明显变慢技能加载过多占用上下文按项目裁剪技能集精简SKILL.md定期开新会话技能和其他自定义指令冲突两套规则同时生效检查CLAUDE.md和SKILL.md之间的指令冲突统一优先级技能执行到一半就退出长任务超出上下文或触发安全限制把任务拆小分步执行过程中做阶段性总结再继续6.4 几个值得记住的细节技能文件里的英文指令不要随便中文化。AI对英文指令的解析通常更稳定中文化后可能导致行为偏差。保留英文原版你用中文跟AI对话不受影响。项目迭代过程中及时更新superpowers版本。社区项目迭代很快新版本往往会修复已知bug、补充更成熟的流程但这些更新不会自动同步到你克隆的目录里。每隔一段时间去拉一次最新代码是值得的。不要依赖AI记忆skill细节。即使它加载了技能也最好在关键任务指令里带上“严格按照该技能描述的标准流程执行”这句话能显著提高执行纪律性。7. 从“会用”到“玩转”进阶用法与工作流组合在基础使用都跑通之后有个更值得投入的方向把superpowers当成积木搭自己的AI工作流。我现在做一次完整的功能迭代会走这样一条链路用planning技能拆解任务确认范围用design技能产出技术方案并评审用writing-plans技能生成详细的实施步骤清单切换coding技能执行实现再用testing技能补测试最后用code-review技能做交付审查整条链路你可以把它固化成一个团队内的“AI交付标准流程”每个人都按这个流程推进。实际上我尝试过把自己负责的模块全程交给这套流程跑几个迭代下来代码质量和评审意见质量都非常稳定。这比让每个工程师各自摸索AI用法要高效得多。你还可以结合项目自身情况扩展自定义技能。superpowers的每个skill本质就是一个结构清晰的SKILL.md完全可以参照它的写法把你团队里特定的编码规范、发布检查清单、性能基准要求都做成自定义技能。我建议从“发布前检查清单”这种强流程性场景入手做出来的技能最实用也最容易看到效果。如果对superpowers的源码感兴趣直接打开SKILL.md就能看到一套相当优秀的指令设计手法如何引导AI在多步流程中保持状态、如何在开放任务中收敛输出、如何让AI主动暴露不确定性。把这套写法学会你自己写提示词的水平也会跟着上一个台阶。说实话AI编程助手这个领域迭代太快今天的新鲜工具可能三个月后就是昨日黄花。但“把可靠流程沉淀成可复用技能”这个思路不会过时。superpowers的价值不只是那一堆现成技能更在于它示范了怎么跟AI高效协作——先想清楚流程再让AI按流程干活。这个认知比任何单个工具都值钱。