AI 编程助手有个通病：太快了。

快到它根本不问你要解决什么问题，就开始写代码。快到测试、文档、边界情况统统跳过。快到你两分钟就拿到一个"能跑"的功能，然后花两天修它留下的坑。

Superpowers 的思路很简单：既然 AI 不会自己慢下来，那就强制它慢下来。

GitHub 4.7 万星，三个月内从 0 到现在。不是因为它让 AI 写代码更快，而是因为它让 AI 写对代码。

---

它是什么

Superpowers 是一个为 AI 编程助手设计的"技能框架"。它最初由 Jesse Vincent 在 2025 年 10 月发布，三个月内在 GitHub 上获得了 4.7 万颗星。

但它不是一个代码生成工具，也不是 AI 模型本身。它更像是一套"工作流程规范"——强制 AI 助手在写代码之前，先问清楚需求、设计方案、制定计划，然后才动手实现。

核心机制：Skills

Superpowers 的核心是"Skills"——一组用 Markdown 写成的规则文件，每个文件描述了在特定场景下 AI 应该遵循的工作流程。

比如：

• brainstorming：在写代码之前，先通过提问细化需求，最后生成一份设计文档
• test-driven-development：强制使用 TDD，先写测试，再实现功能
• systematic-debugging：四阶段调试流程，包括根因追踪和防御性编程
• verification-before-completion：在声称完成之前，必须验证功能真的可用

这些 Skills 不是"建议"，而是强制执行的流程。只要 AI 助手检测到相关的场景，就会自动激活对应的 Skill。

---

它解决什么问题

如果你用过 Claude Code、Cursor、Aider 这类 AI 编程工具，应该遇到过这些情况：

场景一：跳过设计，直接写代码

你说：“帮我实现用户登录功能”，它立刻开始写代码。等你看到成品，才发现它没考虑密码加密、没做输入验证、也没有错误处理。

场景二：测试？不存在的

AI 生成的代码能跑，但没有测试。你想补测试，它说"好的"，然后给你生成了一堆只测试 happy path 的敷衍测试。

场景三：改了一个 Bug，引入三个新 Bug

你让它修一个问题，它改了五个文件，跑起来好像没问题。两天后你发现，边界情况全崩了。

根本原因：AI 助手太"急"了。它的训练目标是"快速响应"，不是"高质量交付"。

Superpowers 的思路很简单：既然 AI 不会自己慢下来，那就强制它慢下来。

---

它怎么工作

1. 强制设计阶段

启用 Superpowers 后，当你说"帮我实现 XX 功能"，AI 不会立刻写代码。它会先激活 brainstorming skill，开始问你问题：

• 这个功能是给谁用的？
• 有哪些边界情况需要考虑？
• 性能要求是什么？
• 数据怎么存储？

问完之后，它会生成一份设计文档，分段展示给你确认。只有你批准设计后，它才进入下一步。

2. 自动制定计划

设计通过后，AI 激活 writing-plans skill，把工作拆分成一个个小任务（每个 2-5 分钟）：

Task 1: 创建用户表结构 (2 分钟)
Task 2: 实现密码哈希函数 (3 分钟)
Task 3: 编写登录 API (5 分钟)
Task 4: 添加 JWT token 生成 (4 分钟)
...

3. TDD + 子代理并行执行

接下来，AI 会为每个任务启动一个"子代理"，使用 TDD 流程实现：

1. 先写测试（红灯）
2. 实现功能（绿灯）
3. 重构优化

多个任务可以并行执行。每个子代理完成后，会有一个 code-review 代理检查代码质量。

4. 验证完整性

所有任务完成后，verification-before-completion skill 启动，确保：

• 所有测试通过
• 文档已更新
• 没有遗留的 TODO
• 边界情况已覆盖

---

我的使用体验

拿一个实际项目说话：重构一个数据同步模块。

之前（纯 Claude Code）：

• 时间：2 小时
• 生成代码：500 行
• 测试覆盖率：0%
• 发现的 Bug：上线后发现 3 个

启用 Superpowers 后：

• 时间：3.5 小时
• 生成代码：450 行（更简洁）
• 测试覆盖率：85%
• 发现的 Bug：在测试阶段就发现了 5 个

时间增加了 75%，但代码质量有了质的提升。更重要的是，我不用再花两天时间修 Bug 了。

最大的改变：从"写代码"到"想清楚"

启用 Superpowers 后，AI 会逼着你回答那些问题：边界情况是什么？性能要求多少？数据如何持久化？

以前我总想"先写出来再说"，现在我会先把这些问题想清楚。想清楚之后，AI 帮我执行；执行的速度很快，但前期的思考时间省不了。

---

它适合谁

推荐使用 Superpowers 的场景：

1. 复杂功能开发（2+ 小时的工作量）
2. 生产环境代码（需要高质量和测试覆盖）
3. 团队协作项目（需要统一代码质量标准）
4. 需要长时间自主工作的 AI（多小时的自主开发）

不推荐的场景：

1. 快速修 Bug（一两个文件的小改动）
2. 原型验证（需要快速试错，结构性流程反而限制创造力）
3. 单文件脚本（工作流开销大于收益）
4. 探索性编程（"试试这个想法"的阶段，结构会束缚思路）

核心判断标准：如果这段代码未来一周还要维护，用 Superpowers；如果只是临时用一次，不用。

---

它的局限性

说实话，Superpowers 不是银弹。

1. 认知负担增加

使用 Superpowers 后，你需要管理：

• 设计文档
• 实现计划
• 多个子代理的进度
• 代码审查反馈

有用户在 Hacker News 上说：“使用高级代理系统让开发在认知上变得’更累’——即使代码质量提高了，管理结构化工作流的心理负担是真实存在的。”

2. 缺乏严格的基准测试

目前 Superpowers 的效果主要依靠作者和用户的主观体验。有批评者指出：“看起来不错，但没有基准测试或评估方法，实际价值难以衡量。”

3. 安装复杂度差异大

• Claude Code：2 条命令，1 分钟搞定
• Codex / OpenCode：需要克隆仓库、创建符号链接、平台特定配置

4. 对简单任务过度工程

如果你只是想改一个变量名，Superpowers 会问你"为什么改？影响范围？有测试吗？"——这时候你会觉得，算了，我自己手动改吧。

---

金句时刻

如果 AI 的价值是"快"，那 Superpowers 让它变"慢"了。
但它让"慢"变得有意义——慢在设计，快在执行。

Superpowers 的作者 Jesse Vincent 在博客里说，他现在能让 Claude 自主工作数小时，而他自己只需要在关键节点做决策。

这让我想起《反脆弱》里的一个观点：真正的效率不是"做得快"，而是"做对的事"。

AI 能让我们写代码很快，但 Superpowers 提醒我们：快不是目的，对才是。

---

如何开始

如果你想试试 Superpowers，这是最简单的方法：

Claude Code 用户（推荐）

# 1. 添加插件市场
/plugin marketplace add obra/superpowers-marketplace

# 2. 安装 Superpowers
/plugin install superpowers@superpowers-marketplace

# 3. 重启 Claude Code

# 4. 验证安装
/help  # 应该看到 /superpowers:brainstorm 等命令

其他平台

• Codex：访问 安装文档
• OpenCode：访问 安装文档

---

最后的思考

Superpowers 让 AI 变慢了吗？

从"开始写代码"的时间点看，是的。但从"交付可靠功能"的时间点看，它反而更快了——因为它省掉了后期改 Bug、补测试、重构烂代码的时间。

这个工具解决的不是"AI 写代码不够快"的问题，而是"AI 写代码太快、快到跳过了该有的流程"的问题。

它强制在 AI 的每个动作之间，留一点时间——设计、规划、测试、验证。这些时间，是 AI 找到"正确位置"的时间。

如果你现在用 AI 写的代码经常要返工，Superpowers 值得一试。
如果你现在用 AI 原型验证很爽，那就先别装这个——它会让你觉得束手束脚。

选择权在你手里。

---

Superpowers 项目地址：https://github.com/obra/superpowers
当前 Star 数：47.2k（截至 2026 年 2 月）

如果你觉得这篇文章有帮助，欢迎分享给也在使用 AI 编程工具的朋友。
如果你有使用 Superpowers 的经验或问题，欢迎在评论区讨论。

---

—— 欢迎关注公众号：夜猫子弦月 ——
白天写代码，晚上写文章，偶尔弹古琴