superpowers
让 AI 编程工具具备工程规范意识的 Agent Skills 框架
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
让 AI 编程工具具备工程规范意识的 Agent Skills 框架
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Superpowers 插件应用图标
你可能有过这样的体验：打开 Claude Code、Cursor 或 Codex CLI，让 AI 帮你写一个功能，结果它三下五除二就给你甩出一堆代码——逻辑也许没错，变量名也还算规范，但测试呢？边界情况呢？代码结构经得起推敲吗？
大多数时候，AI 会埋头苦写，埋头苦改，但不太会主动停下来问一句："我们真的需要这个功能吗？"
Superpowers 解决的就是这个问题。它不是一个新的 AI 编程工具，而是一套给 AI 编程工具使用的"工作方法论"，让 AI 从"快枪手"变成"靠谱的工程师搭档"。
2024 到 2025 年，Claude Code、OpenAI Codex CLI、Google Gemini CLI、OpenCode 等工具相继登场，AI 编程的门槛从"能用"进化到了"好用"。但随之而来的问题是：AI 输出质量参差不齐，缺少统一的工程规范约束。
作者 Jesse（GitHub @obra）本身就是一名开发者，他发现自己的 AI 助手虽然写得快，但离"写得好"还有很大距离——尤其是在测试覆盖率、代码审查、任务规划这些关键环节上，AI 往往一笔带过。
于是他把自己多年积累的软件工程最佳实践，做成了一套可组合的 Skills（技能模块），让 AI 在关键节点上"停下来思考"，而不是一头扎进去写代码。
如果说普通的 AI 编程工具是一辆加速很快但没有安全带的跑车，Superpowers 就是那套安全带 + 安全气囊 + 行车规范手册的组合。它不替代你踩油门，而是确保你在转弯、急刹、变道时都有章可循。
这套"护栏"具体包括 14 个可组合的 Skill 模块，覆盖了软件开发的全生命周期：
| Skill 模块 | 作用 |
|---|---|
| brainstorming | 需求澄清，让 AI 在动手前先问清楚"你到底想做什么" |
| writing-plans | 任务拆解与计划，把需求变成可执行的工程步骤 |
| subagent-driven-development | 多 Agent 并行开发，每个任务由独立 Agent 执行 |
| test-driven-development | TDD 先写测试，强制 AI 红-绿-重构循环 |
| systematic-debugging | 系统化调试，规范 AI 排查 Bug 的思路 |
| receiving-code-review | 接收代码审查，AI 学会接受并处理评审反馈 |
| requesting-code-review | 主动发起代码审查 |
| finishing-a-development-branch | 分支收尾规范 |
| verification-before-completion | 完成前验证 |
| using-git-worktrees | Git Worktree 工作流 |
| writing-skills | 如何编写新的 Skill |
| using-superpowers | 如何正确使用这套框架 |
| dispatching-parallel-agents | 多 Agent 任务分发 |
| executing-plans | 按计划执行 |
传统的 AI 编程流程是"你说需求，AI 直接写代码"。Superpowers 的第一步是强制 AI 停下来，通过 brainstorming skill 引导 AI 向用户追问：功能的具体边界是什么？有哪些已知的约束条件？有哪些特殊情况需要处理？
这个环节的产出是一份结构化的 SPEC（规格说明），AI 会以小块（chunk）的形式展示给用户，确保用户真的读懂了、认可了，再进入下一阶段。
一旦 SPEC 确定，AI 会生成一份实施计划，这份计划的设计目标是"一个没有项目上下文、对代码风格没有判断力、讨厌写测试的热情新人也能照着执行"。
这意味着计划必须足够详细，每个步骤的输入、输出、验证方式都要写清楚。计划强调三条核心原则：
这是 Superpowers 最具创新性的设计。传统的 AI 编程工具是单 Agent 模式，AI 自己规划、自己写、自己审查。Superpowers 引入了 subagent-driven-development 模式：
主 Agent 根据实施计划，将任务分发给多个子 Agent，每个子 Agent 独立完成一个工程任务（实现某个功能、编写某组测试），完成后由主 Agent 进行两阶段审查——
通过后才进入下一个任务。这个模式让 AI 可以在无人值守的情况下自主运行数小时而不偏离计划。
Superpowers 不是为某一款工具量身定制的。它的设计目标是兼容所有主流 AI 编程工具，目前支持：
安装方式统一为插件机制，Claude Code 用户只需一条命令即可启用：
/plugin install superpowers@claude-plugins-official
安装后，当 AI 检测到你在构建某个功能时，Superpowers 会自动触发对应 Skill，AI 会主动宣布"正在使用 XXX Skill"，并按照规范流程执行。
Superpowers 的代码结构非常清晰，核心是 skills/ 目录下的 14 个独立 Skill 模块，每个 Skill 都是一个标准化的 Markdown 文件（SKILL.md），包含触发条件、执行步骤和验证方法。
skills/
brainstorming/
dispatching-parallel-agents/
executing-plans/
finishing-a-development-branch/
receiving-code-review/
requesting-code-review/
subagent-driven-development/
systematic-debugging/
test-driven-development/
using-git-worktrees/
using-superpowers/
verification-before-completion/
writing-plans/
writing-skills/
此外还有针对不同 AI 工具的插件目录（.claude-plugin/、.codex-plugin/、.opencode/、.cursor-plugin/），以及一组 Git hooks 配置文件（hooks/hooks.json），用于在不同 IDE 环境中注入 Superpowers 的工作流。
技术栈：Shell（主语言）、Node.js 插件（.claude-plugin/）、JSON 配置文件。架构极简，不依赖重型运行时，这使得它可以被各种不同的 AI 工具以最小侵入的方式接入。
Superpowers 并非完美，以下几点值得注意：
1. 学习曲线不可忽视
Superpowers 强制 AI 遵循规范，但这也意味着开发流程比"裸奔"模式更慢。对于简单的脚本修改或一次性任务，Superpowers 的规范开销可能大于收益。
2. PR 提交规范极其严格
项目维护者在 CLAUDE.md 中明确写道：94% 的 PR 被拒绝，且大多数被拒绝的 PR 都来自 AI。这个数字本身就说明了这套框架对质量的要求有多高——也意味着贡献门槛非常高，普通开发者想为 Superpowers 本身贡献代码，需要仔细阅读每个规范细节。
3. 不解决 AI 幻觉问题
Superpowers 是工程流程规范，不是 AI 推理能力的增强。AI 在代码中产生的逻辑错误、API 误用等问题，仍然需要人工审查来兜底。
4. 高度依赖插件宿主工具
Superpowers 的能力受限于它所嵌入的 AI 工具。如果宿主工具本身不支持插件机制，则无法使用。
Superpowers 在 GitHub 上获得了超过 20 万颗星，是 2025 年 AI 开发者工具领域增长最快的项目之一。它的核心价值在于：
第一，它证明了"AI + 工程规范"的可行性。 过去业界普遍认为 AI 编程工具要快就要牺牲规范，要规范就要牺牲速度。Superpowers 用可组合的 Skill 模块证明，规范和效率可以兼得——前提是规范被设计成 AI 可以理解和执行的数字化流程。
第二，它开创了"Agent Skills"生态的先河。 Superpowers 的 SKILL.md 格式被多个项目借鉴，形成了一个围绕 AI 编程工具插件的开放生态。Skill 可以被社区贡献、被工具厂商适配，形成了一个正反馈循环。
第三，它让"AI 自主工作"成为可能。 subagent-driven-development 模式意味着人类开发者可以在交代清楚需求后，长时间不介入，AI 会按照规范自主推进。这对于需要长时间运行的复杂重构、大规模功能开发等场景尤为有价值。
如果你经常使用 Claude Code、Codex 或 Gemini CLI，同时对代码质量有要求，Superpowers 值得一试——它不会让你的 AI 写代码更快，但很可能会让你的项目走得更稳。