Superpowers：给 AI 编程 Agent 的一套完整方法论

发表于 分类于
Superpowers 是 210k stars 的开源项目，为 Claude Code、Codex、Cursor 等 AI 编程工具提供完整开发流程——TDD、计划驱动、子 Agent 协作、质量门禁。用方法论替代随机性，让 AI 真正成为可靠的开发搭档。

一、210k stars 说明什么

写这篇文章的时候，GitHub 上有一个项目：

  • 210,000 颗星
  • 18,700 个 Fork
  • 支持 Claude Code、Codex、Cursor、OpenCode、GitHub Copilot CLI、Gemini CLI 六大平台
  • MIT 协议，完全开源

这个项目叫 Superpowers，来自 obra（Jesse Vincent，GitHub 上最活跃的贡献者之一）。

它不是一套 Skills 集合，而是一套完整的软件开发方法论。目标很简单：让 AI 编程 Agent 不是在随机试错中帮你写代码，而是按照一套经过验证的流程，稳稳当当地完成开发任务。

二、问题：AI 编程工具的天花板在哪里

用过 Claude Code、Cursor、Copilot 的同学应该有一个共同感受：

它们都很强，但不稳定。

有时候能帮你独立完成一个完整功能，有时候却在一个简单 bug 上绕了三小时。有时候输出的代码质量很高，有时候满屏 boilerplate。

这种不稳定不是工具本身的问题，而是缺少流程约束。没有流程，AI 就只能靠概率工作 —— 碰巧对了就好，碰巧错了就崩。

Superpowers 想解决的就是这个问题：用一套方法论，把 AI 的能力框在一个可靠的范围内。

三、核心工作流：七步走

Superpowers 的工作流分七个阶段，每个阶段都有对应的 Skill：

1
2
brainstorming → writing-plans → subagent-driven-development →
test-driven-development → requesting-code-review → finishing-a-development-branch

第一步：Brainstorming（头脑风暴）

起点不是代码，而是理解问题。Agent 会通过一系列提问，把你要做的事拆解清楚，然后用小块的方式呈现给你确认 —— 每次只显示你能读完的分量，避免信息过载。

这个设计很聪明：很多 AI 生成的代码问题，根源在于对需求的理解就有偏差。在动手之前先对齐目标，后续返工的概率就低很多。

第二步：Writing Plans（写计划）

计划是 Superpowers 的核心。每个任务被拆成 2-5 分钟的小块，每块都有精确的文件路径和验证步骤。

不是” 实现登录功能” 这种模糊描述，而是：

1
2
3
1. 修改 src/auth/login.js，在第 23 行加 validateEmail 函数
2. 跑 npm test，确认 auth.test.js 全绿
3. 验证 /login 路由返回 200

有路径、有验证步骤、有预期结果。Agent 按这个计划执行，不会跑偏。

第三步：Subagent Driven Development（子 Agent 驱动）

复杂任务被分解后，每个子任务分配给独立的子 Agent 处理。子 Agent 有自己的会话和终端上下文，互不干扰，主 Agent 最后汇总结果。

这解决了什么问题？主 Agent 上下文有限，不可能同时追踪太多任务。用子 Agent 并行处理，效率高，而且每个子任务的 context 都是干净的。

第四步：Test Driven Development（测试驱动）

Superpowers 的 TDD 不是说说而已。它强制要求 RED-GREEN-REFACTOR 循环：

  • RED：先写一个失败的测试
  • GREEN：写最少数量的代码让测试通过
  • REFACTOR：重构，去掉重复

这个 Skill 里还附带了一个 anti-patterns 参考，列出 TDD 实践中容易犯的错误。

第五步：Requesting Code Review（代码审查）

代码写完了，不是直接合并，而是先过一遍审查。审查对照原始计划，检查是否所有功能都已实现，关键问题是否都已解决。

Superpowers 的审查规则很严格：PR 必须有人类参与才能合并。纯 AI 生成的 PR，如果没有人类审核，直接关闭。

第六步：Finishing a Development Branch（收尾）

测试全绿、审查通过之后，才是合并。有 merge、rebase、squash 三种合并方式可选，每种都有明确的适用场景说明。

四、Skills 体系：能力的模块化

Superpowers 把开发能力拆成多个 Skill，不是为了炫技，而是让每个 Skill 都可以独立演进：

类别 Skills
测试 test-driven-development
调试 systematic-debugging、verification-before-completion
协作 brainstorming、writing-plans、requesting-code-review、subagent-driven-development
元 writing-skills、using-superpowers

任何一个 Skill 都可以单独更新、单独 PR，不需要改动整个项目。

社区维护了一个独立仓库 obra/superpowers-skills，任何人都可以 Fork 提交新的 Skill 或改进现有 Skill。

五、方法论背后的哲学

Superpowers 之所以有效，是因为它坚持了几个核心原则：

TDD 优先
测试先行不是教条，而是减少返工的最有效手段。没有测试的代码，AI 写出来的质量完全靠概率。强制测试通过之后才进入下一步，质量稳定性大大提高。

YAGNI（You Aren’t Gonna Need It）
不做过度设计。AI 倾向于” 功能全上”，写出来的代码经常 over-engineered。YAGNI 原则让 AI 只做当前需求的东西，不做未来可能需要的预留。

DRY（Don’t Repeat Yourself）
重复是维护的噩梦。Superpowers 在执行过程中会检查重复代码，让 Agent 保持代码库的简洁。

Evidence over claims
不要在没有验证的情况下宣布成功。测试全绿才能合并，验证通过才能进入下一阶段。所有的” 完成” 都要有可衡量的标准。

六、怎么安装

支持六大平台：

Claude Code（官方市场）

1
/plugin install superpowers@claude-plugins-official

Cursor

1
/add-plugin superpowers

Codex

1
Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.md

Gemini CLI

1
gemini extensions install https://github.com/obra/superpowers

装完之后开启新会话，问它” 帮我计划这个功能”，Superpowers 会自动调用相关 Skills。

七、为什么这个项目值得关注

210k stars 不是刷出来的。Superpowers 解决的是一个真实问题：AI 编程工具很强，但缺少可靠的工作流程约束，导致输出质量不稳定。

它不是给 AI 赋能更多能力，而是给 AI 一个可靠的做事框架。有了框架，AI 的能力才能稳定发挥。

对于用 AI 编程工具的同学，这套方法论值得花时间学一下。学的是怎么跟 AI 协作，而不是怎么让 AI 帮你写代码。

GitHub：https://github.com/obra/superpowers
作者：Jesse Vincent (@obra)
Discord：https://discord.gg/35wsABTejz

相关博客：Hermes Agent 实战
去除 AI 腔调：stop-slop