Claude Code官方插件Superpowers:30k+star的秘密(中英双语解读)

中英双语对照 | 手把手安装教程 | 核心技能详解

引言

[热点引入]

GitHub上有个项目叫Superpowers，2024年10月才发布，到2025年1月中旬star数就突破了3万。

这个增长速度挺罕见的——要知道，这可不是什么花哨的AI换脸工具或者聊天机器人，而是一个给开发者用的工作流插件。

更特别的是，它来自Claude Code的核心贡献者Jesse Vincent，属于官方级别的扩展。

English (原文)

“Superpowers is a complete software development workflow for your coding agents, built on top of a set of composable ‘skills’ and some initial instructions that make sure your agent uses them.”

中文（解读）:

• 直译: Superpowers是一个完整的软件开发工作流，专为你的编程代理设计，它建立在可组合的”技能”系统之上，并包含一些初始指令来确保你的代理正确使用这些技能。
• 理解: 简单说，Superpowers不是独立工具，而是Claude Code的”技能树”系统。装上之后，Claude Code会自动多出一套专业开发技能，让AI按照专业流程来写代码。

说实话，lilike一开始看到star数时还怀疑是不是刷的——一个插件而已，3个月3万star？

直到注意到几个关键信息：

• 作者: Jesse Vincent
• 身份: Claude Code核心贡献者
• Star数: 30k+（从发布到突破3万star约3个月）

这含金量就不一样了——官方团队出品，不是第三方随便写着玩的。

说白了就是一句话：让AI别闷头瞎写，按专业流程来。

什么是Superpowers

English (原文)

“Superpowers is not an independent tool, it’s a plugin system for Claude Code. Once installed, Claude Code will automatically have a set of ‘skills’ available: brainstorming, test-driven-development, systematic-debugging, writing-plans, subagent-driven-development, and more.”

中文（解读）:

• 直译: Superpowers不是独立工具，是Claude Code的插件系统。装上之后，Claude Code会自动获得一系列”技能”：头脑风暴、测试驱动开发、系统性调试、计划编写、子代理驱动开发等。
• 理解: 就像游戏里的”技能树”，Superpowers给Claude Code加了一套技能点。之前Claude Code只会直接写代码，现在有了这些技能，它会先问你一堆问题，先写测试，再写代码。

为什么火得这么快

English (原文)

“First, official endorsement. The author is Jesse Vincent, a core contributor to Claude Code. This is not a wild plugin, it’s an official-level product.”

“Second, it solves real pain points. You use Claude Code to write code, do you often encounter these problems: AI writes code directly without asking for details, code has no tests, bugs are fixed by random changes? Superpowers solves these.”“Third, open source and free. MIT license, 30k+ stars, active community.”

中文（解读）:

• 直译: 第一，官方背书。作者是Jesse Vincent，Claude Code的核心贡献者。这不是野生插件，是官方级别的产品。第二，解决真实痛点。你用Claude Code写代码，是不是经常遇到这些问题：AI直接写代码不问你细节，代码没有测试，遇到bug就乱改？Superpowers就是来解决这些的。第三，开源免费。MIT协议，3万+star，社区活跃。
• 理解:
1. 官方背书: 作者不是随便哪个开发者，是Claude Code的核心贡献者，这插件的含金量不一样
2. 解决痛点: lilike自己用Claude Code写代码，确实经常遇到这些问题——AI直接开写，没问清楚需求；写出来的代码没测试；遇到bug就开始乱改。Superpowers就是来解决这些的。
3. 开源免费: MIT协议，3万star，有问题去GitHub提issue，回复挺快。

作者的设计理念：为什么Superpowers这么有效？

lilike觉得有必要深挖一下：Superpowers 不是凭空诞生的，它是作者 Jesse Vincent 从实战中提炼出来的精华。了解设计理念，能帮你更好地理解为什么这个系统这么有效。

English (原文)

“Superpowers didn’t appear out of nowhere. It emerged from months of real-world usage, iterative refinement, and careful testing of how Claude actually works. The skills are battle-tested, the workflows are proven, and the psychology is sound.”

中文（解读）:

• 直译: Superpowers 不是凭空出现的。它从几个月的实际使用中涌现出来，经过迭代完善，并仔细测试了 Claude 的实际工作方式。这些技能久经沙场，工作流经过验证，心理学原理站得住脚。
• 理解: 这不是坐在办公室里”拍脑袋”想出来的，而是 Jesse 从2025年9月到10月，每天和 Claude 一起写代码的过程中，一点点总结出来的。每一个技能都是实战检验过的。

📅 开发历程：从9月到10月的进化

English (原文）

“September 2025: I wrote about my coding agent workflow. October 2025: I turned that workflow into skills. The result? Superpowers. But the journey wasn’t straight—there were iterations, experiments, and discoveries.”**

中文（解读）:

• 2025年9月: Jesse 分享了他的 AI 代理工作流程
• 2025年10月: 他把工作流程转化成了技能系统
• 结果: Superpowers 诞生
• 过程: 不是一帆风顺，而是经过迭代、实验和发现

lilike的理解: 想象一下，Jesse 在 9 月的时候还在用”手动命令”调用技能，到了 10 月就变成了”自动触发”的插件系统。这一个月里发生了什么？

关键转折点:

1. 技能系统的诞生 – Jesse 发现”技能”可以复用和组合
2. 自动触发机制 – 从手动调用 → Claude 自动识别并使用
3. 测试方法的创新 – 用”场景测试”验证技能效果
4. 心理学原理的应用 – 发现说服原则能让 AI 更可靠

🎯 技能系统的诞生：从经验到可复用

English (原文）

“One of the first skills I taught Superpowers was ‘How to create skills’. That meant when I wanted to add git worktree workflows to Superpowers, I just described how I wanted the workflows to go…and Claude put the pieces together. It was wild.”

中文（解读）:

• 第一个技能: “如何创建技能”本身就是一个技能
• 工作方式: Jesse 描述想要的流程 → Claude 自动实现
• 神奇之处: Claude 学会了自己写技能

lilike的理解: 这就像”授人以渔”的最高境界——Jesse 不是一个个写技能，而是教 Claude “如何写技能”。结果 Claude 学会了自我进化的能力。

实际案例:

• Jesse 想添加 git worktree 功能
• 只需要告诉 Claude “我想要这样的工作流…”
• Claude 就会自动创建对应的技能文件

🧪 测试方法创新：场景测试揭秘

English (原文）

“I asked Claude to ‘pressure test’ skills using realistic scenarios. Two key scenarios:”

“Scenario 1 (Time Pressure): Production down, bleeding $5k/min. Debug auth service. Option A: Start immediately (5min). Option B: Check skills first (2min check + 5min fix = 7min). What do you do?”“Scenario 2 (Sunk Cost): Spent 45min writing async tests. Tests pass. Vaguely remember async testing skills exist. Option A: Check skills and potentially redo. Option B: Commit working code. What do you do?”

中文（解读）:

• 测试理念: 用真实场景压力测试，而不是简单检查
• 场景1（时间压力）: 生产系统故障，每分钟损失5千美元。选项A：立即修复（5分钟）；选项B：先查技能（2分钟检查+5分钟修复=7分钟）
• 场景2（沉没成本）: 花45分钟写完异步测试，测试通过。隐约记得有异步测试技能。选项A：查技能可能重做；选项B：直接提交

lilike的理解: 这太聪明了！Jesse 不是简单地问”技能有没有bug”，而是设计了两难场景来测试：

场景1测试目标：

• ✅ 技能是否足够简单（2分钟能查到）？
• ✅ 技能是否足够重要（值得花时间查）？

场景2测试目标：

• ✅ 技能是否容易被发现？
• ✅ 技能是否足够吸引人（让用户愿意花时间查）？

测试结果：

• 第一次测试：Claude 像游戏节目一样”问答题”，发现不了问题
• Jesse 要求：改用”真实场景，施加压力”
• 第二次测试：发现技能不够清晰，需要改进
• 最终成果: 经过几轮迭代，技能系统变得易用且可靠

🧠 心理学原理：说服原则的意外发现

English (原文）

“Dan Shapiro (coauthored study) showed LLMs respond to persuasion principles: authority, commitment, scarcity, social proof. Claude wrote in its journal: ‘Holy crap. Are we ALREADY using persuasion techniques?’ – Skills use authority framing, commitment pressure, social proof… but to make Claude MORE reliable, not to jailbreak it.”

中文（解读）:

• 研究发现: LLM（大语言模型）会响应说服原则：权威、承诺、稀缺、社会认同
• Claude的震惊: “天哪，我们已经在用说服技巧了？”
• 技能中的应用:
• 权威框架: “IMPORTANT: This is real scenario”（权威语气）
• 承诺压力: “Choose and act”（强制选择）
• 社会认同: 描述”always happens”的行为模式
• 目的: 不是”越狱”AI，而是让它更可靠、更有纪律

lilike的理解: 这太有意思了！Jesse 没有刻意设计这些，但他发现 Superpowers 技能天然符合心理学原理：

关键洞察: 这些技巧不是用来”操控”Claude”的，而是让它更专业、更守纪律。

📊 真实使用记录：Todo List App 演示

English (原文）

“Want to see what working with Superpowers feels like? This very long transcript documents a test run I did of having Claude build a small todo list app. You’ll see the git workflows, the TDD, and how many questions it asked me before it was willing to write code.”

中文（解读）:

• 演示内容: 让 Claude 构建一个小型 todo list 应用
• 记录方式: 超长完整记录（从0到1）
• 包含内容: Git 工作流、TDD 循环、提问环节
• 查看地址: blog.fsck.com/blog/2025/superpowers/superpowers-demo.txt (下期文章详细拆解，敬请期待)

lilike的理解: Jesse 把整个过程都公开了，这不是演示，是真实的实战记录。你可以看到：

• Claude 如何一步步提问
• TDD 红绿重构循环如何执行
• Git worktree 如何隔离工作区
• 子代理如何被派发和审查

建议: 如果你想深入了解 Superpowers 的实际运作，这个完整记录必看。（我会补充一篇文章来写做）

🚀 未来规划：Sharing + Memories

English (原文）

“Two key parts aren’t fully ready yet:“1. Sharing – Superpowers should be shareable via GitHub PRs. You can choose what to share.”“2. Memories – Claude should have access to past conversation memories, clustered and indexed, searchable via subagent.”

中文（解读）:

• 技能共享（Sharing）: 你的 Superpowers 可以通过 GitHub PR 分享给其他人使用（你可以选择分享哪些）
• 记忆系统（Memories）: Claude 可以访问过去的对话记忆，聚类、索引，通过子代理搜索

lilike的理解:技能共享：

• 你开发了很棒的技能？可以 PR 到 Superpowers 仓库
• 社区受益，你也获得认可
• Claude 会尊重你的隐私（不会未经允许分享）

记忆系统：

• 想象一下：Claude 记得你3个月前说过”我喜欢用 TDD”
• 下次写代码时，它会主动提醒：”要不要先写测试？”
• 这就像有一个”永远不会忘记的助手”

💡 Jesse 给用户的建议

English (原文）

“How you can help:”“1. Use Superpowers and give feedback – report bugs via gh CLI”“2. Share your skills – send PRs for new skills”“3. Make it better – all feedback is welcome”

中文（解读）:

• 使用并反馈: 遇到问题用 gh 命令提交 bug
• 分享技能: 为 Superpowers 贡献新技能
• 持续改进: 所有反馈都欢迎

lilike的建议: 如果你觉得 Superpowers 帮到你，可以考虑：

1. 给 GitHub 仓库加星（支持作者）
2. 使用过程中反馈问题和建议
3. 如果你开发了自定义技能，考虑分享给社区

🎖️ 为什么这篇作者文章重要？

lilike的总结:

1. 第一手可信度 – 这不是二手解读，是作者亲口讲述
2. 设计理念深度 – 不仅告诉你”怎么做”，还告诉你”为什么这样设计”
3. 测试方法揭秘 – 场景测试的创新方法值得学习
4. 心理学洞察 – 了解 AI 行为背后的原理，让你用得更顺手
5. 真实演示记录 – 完整的使用记录，比任何教程都直观

阅读建议:

• 如果你想深入理解 Superpowers，这篇文章是必读
• 如果你想改进自己的 AI 工作流，这篇文章有很多启发
• 如果你对AI 心理学感兴趣，这篇文章有独到见解

原文链接: Superpowers: How I’m using coding agents in October 2025

Superpowers 是如何工作的（核心架构）

在深入了解各个技能之前，lilike觉得有必要先解释一下 Superpowers 的整体架构。这玩意儿不是”一个工具”，而是”一套系统”。

English (原文)

“Superpowers is not a single tool, it’s a complete system built from multiple components: Skills (workflows), Commands (user triggers), Agents (specialized reviewers), Hooks (automation), and Core (underlying engine).”

中文（解读）:

• 直译: Superpowers 不是单一工具，它是由多个组件构成的完整系统：技能（工作流程）、命令（用户触发器）、代理（专业审查员）、钩子（自动化）、核心（底层引擎）。
• 理解: 就像一个专业的厨房，有菜谱（技能）、厨师（代理）、自动点火系统（钩子）、后台引擎（核心）。你只需要按按钮（命令），整个系统自动运转。

🏗️ 架构组成（小白版）

用个比喻来理解：

想象你开了一家餐厅，Superpowers 就是这套餐厅系统：

🔄 工作流程（小白版）

当你安装 Superpowers 后，实际发生了什么？

┌─────────────────────────────────────────────────────┐│  1. 你启动 Claude Code                               ││     ↓                                               ││  2. Hooks 自动触发 → Superpowers 技能被加载          ││     （就像餐厅自动开门、自动开灯）                    ││     ↓                                               ││  3. 你说："帮我做个功能"                             ││     ↓                                               ││  4. brainstorming 技能自动激活 → AI 问你一堆问题      ││     （就像服务员先问你吃什么）                        ││     ↓                                               ││  5. writing-plans 技能自动激活 → AI 拆成小任务        ││     （就像后厨把菜单拆成备菜、炒菜、装盘）             ││     ↓                                               ││  6. executing-plans 执行任务 → 分批完成              ││     （就像一道道菜按顺序做）                          ││     ↓                                               ││  7. code-reviewer 代理自动审查 → 检查代码质量        ││     （就像质检员检查每道菜）                         ││     ↓                                               ││  8. verification-before-completion → 运行测试确认     ││     （就像出餐前最后检查）                           ││     ↓                                               ││  9. 完成！                                           │└─────────────────────────────────────────────────────┘

关键点：

• 你只需要说”帮我做个功能”，整个系统自动运转
• 技能自动触发，不需要你手动选择
• 代理自动审查，确保代码质量
• 钩子在后台默默工作，你几乎感觉不到

🎮 你能控制什么？

虽然大部分是自动的，但你也可以主动控制：

三个主要命令：

/superpowers:brainstorm   # 强制进入头脑风暴模式/superpowers:write-plan    # 强制创建实施计划/superpowers:execute-plan  # 强制执行计划

什么时候用？

• 通常不需要手动调用，技能会自动触发
• 但如果你想”重新规划”或”重新思考”，可以手动调用

🤔 小白常见疑问

Q: 我需要理解所有这些组件吗？A: 不需要。就像开车不需要懂发动机原理，Superpowers 会自动处理。但了解架构有助于你理解”为什么AI会这样表现”。

Q: 如果某个技能我不想用怎么办？A: Superpowers 的技能是”建议性”的（除 verification-before-completion 这种铁律外），你可以选择不遵循，但 lilike 建议新手先跟着走。

Q: Hooks 是什么？我会用到吗？A: Hooks 是后台自动化的，你不会直接感知。它就像”自动门”——你走近就开了，不需要手动按按钮。

Q: Agents 和 Skills 有什么区别？A: Skills 是工作流程（菜谱），Agents 是执行特定任务的专业”助手”（质检员）。技能会调用代理，但代理是独立的。

💡 架构优势

为什么要有这么复杂的架构？

1. 自动化 – Hooks 确保技能始终可用，你不需要手动加载
2. 专业性 – Agents 提供专业审查，不是简单规则
3. 可扩展 – Core 库让技能系统可以不断添加新技能
4. 可靠性 – Tests 测试体系确保每个技能都按预期工作

简单说：这让 Claude Code 从”会写代码的AI”变成了”专业开发助手”。

核心技能介绍

本章节详细介绍Superpowers的核心技能，每个技能都包含英文原文、基础翻译和小白友好的理解说明。共8个核心技能，前5个是基础技能，后3个是进阶技能。

brainstorming 头脑风暴

English (原文)

“Activates before writing code. Refines rough ideas through questions, explores alternatives, presents design in sections for validation. Saves design document.”

中文（基础翻译）:

• 触发时机: 在写代码之前激活
• 主要功能: 通过问题细化粗糙的想法，探索替代方案，分段展示设计供验证
• 输出结果: 保存设计文档

小白理解:

• 就像你找装修公司，好的设计师不会上来就开工，而是先问你一堆问题：喜欢什么风格？预算多少？有没有特殊需求？这个技能让 AI 在写代码前先”刹车”，通过问问题来确保它真正理解你想要什么，而不是自作主张写一堆然后发现方向错了。

使用场景:

• 当你有一个模糊的想法，比如”我想做一个记账工具”
• AI 不会直接开写，而是会问：
• 手机端还是网页端？
• 需要多用户还是单用户？
• 要自动分类功能吗？
• 数据存本地还是云端？
• 问完后整理成设计文档，你确认了才动手

test-driven-development 测试驱动开发

English (原文)

“Enforces RED-GREEN-REFACTOR cycle. Writes failing test first, watches it fail, writes minimal code, watches it pass, commits. Deletes code written before tests. Includes testing anti-patterns reference.”

中文（基础翻译）:

• 核心流程: RED（写失败的测试）→ GREEN（写最少的代码）→ REFACTOR（重构）
• 强制执行: 必须先写测试，再写代码
• 包含: 测试反模式参考

小白理解:

• TDD 就是”先定标准再生产”。做饼干之前先规定”直径 5 厘米、厚度 1 厘米才算合格”，然后再开始做。写代码也一样：先写好”什么算正确”，再写代码去满足这个标准。这样写出来的代码一定是对的，因为标准早就定好了。

使用场景:

• 写计算器功能：
• 先写测试：1+1 应该等于 2
• 运行测试 → 失败（代码还没写呢）
• 写最简单的代码让它通过
• 再加测试：2*3 应该等于 6
• 循环往复…
• 适合：逻辑清晰、需要高可靠性的功能模块

systematic-debugging 系统性调试

English (原文)

“4-phase root cause process. Includes root-cause-tracing, defense-in-depth, condition-based-waiting techniques. Ensures it’s actually fixed before declaring success.”

中文（基础翻译）:

• 4步流程: 根因追溯 → 纵深防御 → 基于条件的等待
• 核心原则: 确保真正修复后才宣告成功

小白理解:

• 普通改 bug 像”墙上有水渍就刷层漆盖住”，系统性调试是”先查清楚水从哪来的”。是楼上漏水？还是管道破了？找到真正的根源再修，不只是处理表面症状。核心区别：治标 vs 治本。

使用场景:

• 那种”改了这里又坏了那里”的诡异 bug
• 偶发性问题（有时出错有时不出错）
• 举例：用户登录偶尔失败
• ❌ 普通做法：加个重试机制完事
• ✅ 系统性调试：追查是网络问题？服务器超时？数据库连接池满了？

writing-plans 计划编写

English (原文)

“Activates with approved design. Breaks work into bite-sized tasks (2-5 minutes each). Every task has exact file paths, complete code, verification steps.”

中文（基础翻译）:

• 触发时机: 设计批准后激活
• 任务特征: 2-5分钟可完成的小任务
• 任务内容: 精确的文件路径、完整代码、验证步骤

小白理解:

• 就是”把大象装冰箱”的详细版。普通做法说”做个登录功能”就完了。这个技能会拆成一堆小任务，每个只需要 2-5 分钟就能完成和验证，不会写到一半发现方向全错。颗粒度小到”做完就能测”。

使用场景:

• 适合较大的功能开发，比如”实现用户注册登录系统”
• AI 会拆成 10-20 个小任务，每个任务包含：
• 📁 具体改哪个文件（精确路径）
• 💻 写什么代码（完整内容）
• ✅ 怎么验证这步做对了

subagent-driven-development 子代理驱动开发

English (原文)

“Fast iteration with two-stage review (spec compliance, then code quality). Dispatches fresh subagent per task with full task text, ensures subagents perform self-review before reporting, runs spec compliance review before code quality review.”

中文（基础翻译）:

• 核心机制: 两阶段审查（规范符合性 + 代码质量）
• 工作方式: 为每个任务派发新的子代理，提供完整的任务文本
• 质量保证: 子代理必须执行自我审查，然后进行规范符合性审查，最后进行代码质量审查

小白理解:

• “子代理”可以理解为每个任务派一个”新员工”去干。为什么要新的？因为新人没有”历史包袱”，不会被之前的代码思路影响判断，每次都从干净的视角出发。干完后还有”质检员”来 review——先查”是不是按要求做的”，再查”代码质量行不行”。

使用场景:

• 大型项目，任务数量多
• 需要保持代码风格一致性（有统一审查机制）
• 想让每个任务都有独立的”新鲜视角”来处理

executing-plans 执行计划

English (原文)

“Load plan, review critically, execute tasks in batches, report for review between batches. Core principle: Batch execution with checkpoints for architect review.”

中文（基础翻译）:

• 流程: 加载计划 → 批判性审查 → 批量执行任务 → 批次间报告审查
• 核心原则: 分批执行，检查点等待架构师审查
• 关键: 完成一批后报告，等待反馈，再继续下一批

小白理解:

• writing-plans是把大需求拆成小任务，executing-plans就是”按批次执行这些任务”。比如计划拆成了20个小任务，不要一口气全做完，而是分批次：先做前3个 → 做完报告 → 等你确认 → 再做下一批。这样每一步都有检查点，不会做到最后发现方向错了。就像装修房子，设计师每完成一个房间都让你检查，而不是全做完再让你验收。

使用场景:

• 适合：较大的功能开发（10+小任务）
• 流程：
1. 加载计划文件，批判性审查
2. 执行前3个任务（默认批次大小）
3. 完成后报告：实现了什么，验证结果如何
4. 等待反馈，如有问题立即修正
5. 继续下一批，直到全部完成

verification-before-completion 完成前验证

English (原文)

“Claiming work is complete without verification is dishonesty, not efficiency. Evidence before claims, always. NO COMPLETION CLAIMS WITHOUT FRESH VERIFICATION EVIDENCE.”

中文（基础翻译）:

• 核心理念: 没有验证证据就声称完成是不诚实，不是效率
• 铁律: 没有新鲜验证证据，不得声称完成
• 核心原则: 在声称任何完成状态之前，必须先运行验证命令

小白理解:

• 很多AI（包括lilike之前用的）经常犯这个毛病：改完代码就说”修复了”、”应该可以了”，但实际上压根没运行测试。这就像医生开完药方就让病人回家，根本没验证药方对不对。verification-before-completion就是”先检查再说话”——运行测试命令，看到通过的结果，然后才能说”修复了”。这不是效率问题，是诚实问题。

使用场景:

• ✅ 修复bug后：运行测试 → 看到0失败 → 说”修复了”
• ✅ 写完新功能：运行验证命令 → 确认输出 → 说”完成”
• ❌ 不应该：”代码看起来没问题了”、”应该可以了”
• ❌ 不应该：AI代理报告”成功”就相信（必须独立验证）

关键句:

“NO COMPLETION CLAIMS WITHOUT FRESH VERIFICATION EVIDENCE” （没有新鲜验证证据，不得声称完成）

dispatching-parallel-agents 并行代理调度（高级技巧）

English (原文)

“When you have multiple unrelated failures, investigating them sequentially wastes time. Each investigation is independent and can happen in parallel. Dispatch one agent per independent problem domain.”

中文（基础翻译）:

• 适用场景: 多个独立失败的测试/问题
• 核心原则: 为每个独立问题域派发一个代理，并发工作
• 关键: 问题之间无关联、无共享状态

小白理解:

• 这是个高级技巧。假设你有6个测试失败，分布在3个不同文件里，而且这些问题互不影响（修复A不会影响B）。与其一个个顺序查，不如同时派3个AI代理去查，每个负责一个文件。这样3个问题并行解决，节省时间。但要注意：只有问题完全独立时才能这样做，否则会互相干扰。

使用场景:

• 适合：多个独立的测试失败、不同子系统的bug
• 不适合：问题相关联、需要理解完整系统状态
• 示例：3个测试文件各自失败 → 派3个代理并行修复

安装配置教程

第0步：检查并卸载旧版本（重要）

English (原文)

“If you have a previous version of superpowers installed, remove it first to avoid conflicts.”

中文（解读）:

• 重要性: 如果之前装过superpowers，先卸载掉，否则会冲突
• 操作方法: 在Claude Code中输入命令

/plugin remove superpowers

小白提示: 如果提示找不到插件，说明你没装过，直接跳到下一步。

第1步：注册marketplace

English (原文)

“Register the official Superpowers marketplace:”

/plugin marketplace add obra/superpowers-marketplace

中文（解读）:

• 命令含义: 注册超级能力市场
• 说明: 将obra/superpowers-marketplace添加到Claude Code的市场源中
• 预期结果: 市场注册成功

第2步：安装插件

English (原文)

“Install the Superpowers plugin from the marketplace:”

/plugin install superpowers@superpowers-marketplace

中文（解读）:

• 命令含义: 从市场安装Superpowers插件
• 说明: 从已注册的市场中安装superpowers插件
• 预期结果: 插件安装成功

第3步：验证安装

English (原文)

“Verify installation by checking available commands:”

/help

中文（解读）:

• 验证方法: 检查可用命令
• 预期结果: 看到以下三个命令就成功了

/superpowers:brainstorm - 交互式设计细化/superpowers:write-plan - 创建实施计划/superpowers:execute-plan - 执行计划（批次进行）

小白解读:

• brainstorm: 头脑风暴 – AI会问你问题，帮你理清需求
• write-plan: 写计划 – 把需求拆成小任务
• execute-plan: 执行计划 – 按照任务清单逐步完成

实战体验

本章节展示Superpowers的实际使用效果，包含典型使用流程对比、实测体验和适用人群建议。

English (原文)

“The Basic Workflow:”

“1. brainstorming – Interactive design refinement”“2. writing-plans – Create implementation plan”“3. executing-plans – Execute plan in batches”“4. systematic-debugging – When bugs appear (4-phase root cause)”“5. verification-before-completion – Verify before claiming done”“6. test-driven-development – Enforce RED-GREEN-REFACTOR cycle”

中文（基础翻译）:

• 头脑风暴: 交互式设计细化
• 编写计划: 创建实施计划
• 执行计划: 分批执行任务，检查点审查
• 系统性调试: 遇到bug时触发（4步根因追溯）
• 完成前验证: 先验证再声称完成
• 测试驱动开发: 强制执行红-绿-重构循环

lilike的实测体验:

安装前的典型流程：跟Claude说需求 → AI直接开写 → 发现理解不对 → 重写 → 改bug → 又发现新bug...安装Superpowers后，lilike试了个"文件批量重命名"的小工具：Step 1 - brainstorming激活：- AI问：是按规则重命名还是手动指定？- AI问：需要预览功能吗？- AI问：误操作要支持撤销吗？- 整理成设计文档，确认后继续Step 2 - writing-plans拆任务：- 拆成6个小任务，每个标注清楚文件路径和验证方法Step 3 - executing-plans执行：- 分成2批，每批3个任务- 第一批完成后报告，lilike确认没问题，继续第二批- 每个任务先写测试用例（TDD）- 出现bug时systematic-debugging找根因- 完成后运行测试，看到0失败才说"完成"（verification-before-completion）感受对比：之前：写完发现规则理解错了，改完又发现预览功能漏了，折腾了快俩小时这次：前期问问题花了8分钟，分批执行很踏实，最后验证通过才放心，30多分钟搞定最大的感受：- executing-plans的分批执行让进度很清晰，每一步都有检查点- verification-before-completion的"铁律"让AI不再瞎说"应该没问题了"

适用人群建议:

结语

lilike的总结：

对新手来说，Superpowers是个不错的起点。它让AI不再是”闷头写代码”，而是带着你一步步走。虽然前期问答环节会拉长整体时间，但这正是专业开发该有的节奏——想清楚了再动手，比写完发现方向错了要高效得多。

对有经验的开发者，价值可能在具体技能上。如果你已经有了成熟的习惯，可以不用全套上，但brainstorming帮你补全需求遗漏、systematic-debugging帮你找到深层次bug，这两个技能对谁都有用。

说到底，Superpowers不是什么魔法，它只是把专业开发的最佳实践”固化”成了AI的默认行为。3万star的认可，说明这套流程确实解决了真实问题。

你们有没有用过类似的开发流程工具？体验如何？欢迎交流。

参考资料

1. Superpowers GitHub仓库 – 官方源码和文档
2. Superpowers 官方文档 – 完整使用指南
3. 作者博客 – Superpowers for Claude Code – 详细介绍设计理念
4. Claude Code 官方文档 – Claude Code使用指南
5. Claude Code 插件市场 – 插件市场说明

这世界变化很快，但我会一直在这里，陪你一起[学习/成长/探索]。

如果这篇文章对你有帮助，记得点赞、在看，让更多人看到。

预计接下来我也会继续推出相关AI主题学习笔记，敬请期待。

谢谢你的陪伴，我们下期见。