给AI编程加了个＂超能力插件＂,GitHub不到两个月狂飙100K星凭什么

AI编程工具越来越强了。但你有没有想过，强≠靠谱？让AI写代码容易，让AI像一个真正的高级工程师一样写代码——难。

引子：一个你绝对经历过的”AI写代码翻车现场”

2026年了，AI写代码已经是日常操作。Claude Code、Cursor、Copilot、Gemini CLI……工具越来越多，模型越来越猛。

但不知道你有没有这种感觉——

AI写代码的速度是快，但写出来的东西，总差点意思。

你让它做一个功能。它哗哗写了一大坨代码，看起来挺像回事。你一跑——报错。你让它改——它改了这里、崩了那里。你再让它改——它把之前好的部分也给”优化”坏了。

更要命的是，它从来不写测试。

你说：”帮我加个单元测试。”它倒是加了，但那测试一跑就过——因为它是先写了代码再写的测试，测试只是在”验证它已经写的东西是对的”，而不是在”验证它该做的事做没做”。用软件工程的话说：这不叫测试，这叫自欺欺人。

还有更隐蔽的坑——

你让AI做完一个功能，它说”搞定了”，你一看确实能跑。但三天后你再加一个功能，突然发现之前那个功能莫名其妙坏了。回头一查，AI当时写代码的时候，悄悄在某个地方埋了个硬编码、绕了个捷径、留了个隐患。它当时”验证”过吗？验证过——但只验证了表面现象，没有验证底层逻辑。

AI编程的核心问题不是”写不出代码”，而是”写出的代码不可信”。

这就像请了一个才华横溢但极度不靠谱的天才程序员——代码写得飞快、灵感源源不断，但是不写测试、不做规划、不做代码审查、不管代码质量，写完拍拍屁股就走。你还得在后面帮他擦屁股。

整个行业都在琢磨：怎么让AI编程从”能用”升级到”可靠”？

有人做了各种框架来管理AI的工作流，有人设计了复杂的提示词模板……但这些方案多少都有一个共同问题：太重了，学习成本高，还得你手动调度。

直到一个叫Jesse Vincent的人换了个思路——

别给AI发一堆规则让它遵守，直接把专业软件工程的”本能”注入到它的骨子里。让它自己就知道该怎么做。

这就是Superpowers。

一个开源项目。MIT许可证。发布不到两个月，GitHub星标突破100,000。

你没看错——10万颗星。这个增长速度，在整个GitHub历史上都是炸裂级别的。要知道，React用了多年才到23万星，Vue用了近十年才到21万星。而Superpowers在短短数周内就冲到了六位数。

它到底凭什么？

一、Superpowers是什么？一句话说清楚

Superpowers是一套”技能系统”，装上之后，你的AI编程工具就自动拥有了高级软件工程师的专业习惯。

注意关键词——自动。

你不需要记任何命令。你不需要学任何新流程。你不需要手动调度任何东西。

装上Superpowers之后，你照常使用你的AI编程工具——Claude Code也好、Cursor也好、Gemini CLI也好。但AI的行为会”自动升级”：

你让它做一个功能？它不会立刻开写，而是先跟你聊清楚需求，确认设计方案。
设计确认后？它不会一股脑写完，而是先把任务拆成2-5分钟的小块，每个小块都有精确的文件路径、完整的代码、验证步骤。
开始写代码？它先写测试、再写代码——严格的红绿灯TDD，不是假TDD。
写完一个小任务？它自动做代码审查——检查是否符合设计规格，检查代码质量。发现严重问题直接阻断，不让你带着Bug往前走。
全部完成？它帮你整理分支、跑通测试、准备好合并。

整个过程，你只需要做两件事：做决策、说”Go”。

用一个比喻来说——

如果说裸用AI编程工具，就像让一个天才实习生独自负责一个项目。那装上Superpowers之后，就像这个实习生身边突然出现了一个严厉的技术总监、一个资深的代码审查员、一个细心的测试工程师、和一个经验丰富的项目经理——他们在关键节点自动介入，确保每一步都是对的。

天才还是那个天才，但现在有人管了。

二、它的核心技术：一套”可组合的技能系统”

Superpowers最精妙的设计，是它的技能（Skills）架构。

不同于那些”要么全开要么全关”的重型框架，Superpowers的技能是模块化的、可组合的、按需自动触发的。

技能库全景

类别	技能	做什么
测试	test-driven-development	强制红绿灯TDD循环
调试	systematic-debugging	四阶段根因分析法
调试	verification-before-completion	确保Bug真的修好了
协作	brainstorming	苏格拉底式需求打磨
协作	writing-plans	生成精确实施计划
协作	executing-plans	分批执行+人工检查点
协作	subagent-driven-development	子智能体快速迭代+双重审查
协作	dispatching-parallel-agents	并行子智能体协同
协作	requesting-code-review	代码审查（发起方）
协作	receiving-code-review	代码审查（接收方）
协作	using-git-worktrees	隔离式并行开发分支
协作	finishing-a-development-branch	分支收尾决策流程
元技能	writing-skills	创建新技能的标准方法
元技能	using-superpowers	技能系统入门指南

14个技能，覆盖了软件开发的完整生命周期。

但这不是最厉害的部分。最厉害的是——AI会自动判断当前需要哪些技能，然后自动激活。

你说”帮我规划一下这个功能”——brainstorming技能自动启动，用苏格拉底式的提问帮你打磨需求。

你说”开始写吧”——using-git-worktrees技能自动创建隔离分支，writing-plans技能自动拆解任务，subagent-driven-development技能自动启动子智能体执行。

写代码的时候——test-driven-development技能全程监控，确保”先写测试、再写代码”的铁律不被打破。

出了Bug——systematic-debugging技能自动启用四阶段根因分析，不是瞎猜乱改，而是系统性地追踪根因。

你什么都不用管。该触发的时候，它自己就触发了。

这就像汽车的各种安全系统——你不需要手动开启ABS、ESP、车道保持、自动刹车。你只管开车，该介入的时候它们自动介入。

三、最让人佩服的设计：强制TDD

我要单独拿出来说的，是Superpowers对**测试驱动开发（TDD）**的执行力度。

TDD是软件工程界公认的最佳实践之一——先写测试，再写代码。好处是显而易见的：代码从一开始就是可验证的，每一个功能都有明确的”对错标准”。

但现实是：几乎所有AI编程工具都在跳过测试。

为什么？因为”先写代码再补测试”更符合AI的生成习惯——它擅长从需求直接生成实现，不擅长从需求先生成验证标准。而用户呢？谁不喜欢看到代码哗哗往外冒的爽快感？”测试？回头再说吧”——然后就没有然后了。

Superpowers的test-driven-development技能有多严格？

它会删掉在测试之前写的代码。

没错。如果AI不小心先写了实现代码再写测试，这个技能会强制要求删掉实现代码，回到”红灯”状态（测试失败），然后再重新写最少量的代码让测试通过（”绿灯”），最后重构。

完整的循环是：

RED（写测试，看到失败）  → GREEN（写最少代码，让测试通过）    → REFACTOR（重构，保持测试通过）      → COMMIT（提交）

每一个循环都对应一个原子级的Git提交。

这意味着什么？

你的代码库里每一个功能都有测试覆盖。
每一次提交都是可验证、可回滚的。
三个月后回来看代码，测试就是最好的文档——它告诉你”这段代码应该做什么”。

在AI生成代码的时代，没有测试的代码就是”薛定谔的代码”——不跑不知道是死是活。Superpowers消灭了这种不确定性。

四、子智能体驱动开发：让AI管理AI

Superpowers的另一个核心创新是子智能体驱动开发（Subagent-Driven Development）。

这个概念和GSD（GET SHIT DONE）等框架有异曲同工之妙，但Superpowers的实现更加精巧。

它的工作方式是：

主智能体

接收你的设计方案，生成详细的实施计划（每个任务2-5分钟粒度）。
对于每个任务，主智能体派出一个全新的子智能体来执行——这个子智能体拥有完整的、干净的上下文窗口。
子智能体完成任务后，主智能体进行两阶段审查： 第一阶段：规格合规审查——做的东西和计划说的一样吗？ 第二阶段：代码质量审查——代码质量过关吗？有没有坏味道？
两阶段都通过，才进入下一个任务。任何一阶段不通过，打回重做。

Claude可以在这种模式下连续自主工作几个小时，而不偏离你制定的计划。

这是Superpowers的README里原话。不是几分钟，不是半小时——几个小时。

想想这意味着什么。你设计好方案，说一句”Go”，然后去喝咖啡、去开会、去遛狗。回来的时候，代码写好了、测试跑通了、Git历史干干净净。每一个功能都经过了双重审查。

这不是”氛围编码”，这是工业级的自动化软件生产线。

五、Git Worktrees：给每个任务一个隔离的”平行宇宙”

Superpowers用了一个很多开发者都不熟悉但极其强大的Git特性——Worktrees（工作树）。

简单解释：Git Worktree允许你在同一个仓库里同时检出多个分支，每个分支有自己独立的工作目录。就像给同一个项目开了多个”平行宇宙”——每个宇宙互不干扰。

Superpowers的using-git-worktrees技能是这样运作的：

设计方案通过后，自动在新分支上创建一个隔离的工作空间。
自动运行项目构建，验证测试基线是干净的（确保起点就是对的）。
所有开发工作在这个隔离空间中进行——你的主分支始终是安全的。
全部完成后，finishing-a-development-branch技能接手，给你四个选项：直接合并到主分支创建Pull Request 保留分支（回头再处理）丢弃（如果实验失败了）

这就像在平行宇宙里做实验——成功了就把结果带回来，失败了直接关掉那个宇宙，不影响现实。

对于AI编程来说，这一点尤其重要。因为AI生成的代码天生就有不确定性——你不确定它会不会搞砸。有了Worktrees隔离，搞砸了就扔掉，零成本。

六、苏格拉底式头脑风暴：AI不再”瞎猜”你的需求

很多AI编程的翻车，不是AI写不好代码，而是它根本就没理解你要什么。

你说”做一个用户管理模块”。AI立刻开始写代码。但它不知道：

你说的”用户”是B端还是C端？
需要权限管理吗？分几级？
用户数据需要软删除还是硬删除？
密码策略是什么？需要两步验证吗？
用户列表要不要分页？要不要支持搜索？搜索哪些字段？

这些”灰色地带”如果不在动工之前搞清楚，AI就只能”猜”——而且它猜的时候不会告诉你它在猜。等你发现猜错了，代码已经写了一大堆了。

Superpowers的brainstorming技能做的事情很简单但很有效：在写任何代码之前，强制进入一个”苏格拉底式对话”环节。

它不会直接开始设计方案，而是不断追问：

“你说的XX具体指什么？”
“这里有两种实现方式，你倾向哪种？”
“边界情况A怎么处理？边界情况B呢？”
“你有没有考虑过这个替代方案？”

问完之后，它把设计方案分成短小的段落一段段给你看——而不是丢一个超长文档让你自己去读。

每一段你都要确认，确认完才继续。

这看似”慢”了一步，但实际上是把返工成本降到了最低。软件工程界的老规矩：需求阶段的一个Bug，修复成本是编码阶段的十倍、测试阶段的一百倍。Superpowers把这个”老智慧”自动化了。

七、四阶段系统调试：不瞎猜、不乱改

AI调Bug的名场面，你一定见过——

你说”这里有个Bug”。AI看了一眼，说”我知道了”，然后开始改。改完你一跑，原来的Bug没修好，又多了两个新Bug。你让它再改，它把之前改的又改回去了……循环往复，越改越乱。

根源在于：AI在”猜”Bug的原因，而不是”找”Bug的原因。

Superpowers的systematic-debugging技能引入了一套严格的四阶段调试流程：

复现（Reproduce）

：先稳定地复现问题。如果不能100%复现，就不要开始修。
追踪根因（Root Cause Tracing）

：从症状出发，逐层追踪，直到找到真正的根因——不是”看起来像是这里的问题”，而是”确认就是这里的问题”。
修复（Fix）

：针对根因写最小化修复，不做任何”顺手改一下”的额外变更。
验证（Verify）

：不只是”Bug不出现了”就算修好——要验证修复没有引入新问题，要添加回归测试防止复发。

配合verification-before-completion技能——AI在声称”修好了”之前，必须提供证据。

不是”我觉得修好了”，而是”这是我的测试结果，证明它修好了”。

证据驱动，不是感觉驱动。这才是工程师调Bug的方式。

八、100K星的背后：为什么全世界的开发者在疯抢？

Superpowers在GitHub上的增长曲线几乎是垂直的。短短数周破10万星，这在开源史上是极其罕见的。

它凭什么？

1. 零学习成本，即时生效

这是Superpowers最大的杀手锏——装上就完事了，没有学习曲线。

不像其他AI编程增强方案，需要你学习新命令、记住新流程、改变你的工作习惯。Superpowers的技能是自动触发的。你该怎么用AI写代码就怎么用，它在后面默默帮你把流程规范化。

# Claude Code用户：一行命令搞定/plugin install superpowers@claude-plugins-official# Cursor用户：搜索安装/add-plugin superpowers# Gemini CLI用户gemini extensions install https://github.com/obra/superpowers

装完了。没了。你的AI编程工具现在有”超能力”了。

2. 解决了一个真实且普遍的痛点

2026年，全球数百万开发者每天都在用AI写代码。但”AI写的代码不可信”这个问题，始终像一根刺一样扎在那里。

Vercel的CEO说过：”AI生成的代码需要AI级别的质量保障。”
独立开发者社区的吐槽每天不断：”又花了两小时帮AI改Bug。”
企业CTO的焦虑：”怎么确保AI写的代码在生产环境不出事？”

Superpowers直击这个痛点：不改变你的AI工具，只改变AI的工作方式。 让AI自动遵循TDD、自动做代码审查、自动隔离开发分支、自动验证才能交付。

3. 理念正确：系统化胜过临时应对

Superpowers的四条核心哲学，条条都是软件工程界几十年血泪教训的总结：

哲学	含义
测试驱动开发	先写测试，永远先写测试
系统化胜过临时应对	流程胜过猜测
降低复杂度	简洁是第一目标
证据胜过声明	验证后才能宣称完成

这不是什么新发明——这是过去五十年软件工程最佳实践的浓缩。 Superpowers做的事情，是把这些被AI时代”遗忘”的铁律，重新强制执行。

4. 多平台通吃

不管你用的是：

平台	安装方式
Claude Code	官方插件市场 / 第三方市场
Cursor	插件市场搜索安装
Codex（OpenAI）	手动配置
OpenCode	手动配置
Gemini CLI（Google）	扩展安装

一套技能，全平台通用。 这意味着你不会被锁定在某一个AI工具上——换工具不换方法论。

九、它跟其他AI编程增强方案比，有什么不同？

市面上的AI编程增强方案越来越多。Superpowers的独特定位是什么？

方案	核心思路	Superpowers的差异
GET SHIT DONE	上下文工程 + 任务编排	Superpowers侧重工程纪律（TDD、代码审查、系统调试），GSD侧重上下文管理
BMAD	模拟完整敏捷团队	Superpowers更轻量——不需要你扮演产品经理、Scrum Master等角色
Taskmaster	任务拆解和跟踪	Superpowers有自动触发——你不需要手动调度技能
Cursor Rules	自定义AI行为规则	Superpowers提供完整的技能体系，不只是规则片段

一句话总结Superpowers的定位：

GSD是”AI的项目经理”，Superpowers是”AI的技术总监”。一个管流程，一个管质量。

它们不是竞争关系，甚至可以互补。用GSD管理大的工作流和上下文，用Superpowers确保每一行代码的工程质量——这可能是2026年最强的AI编程组合。

十、创作者Jesse Vincent：开源老兵的新战场

Superpowers的创作者Jesse Vincent不是什么”突然冒出来的新人”。

他是Prime Radiant的创始人，在开源社区深耕多年。他之前的作品包括RT（Request Tracker，一个被全球大量企业使用的工单系统）等知名开源项目。

Jesse的设计哲学很明确：

“技能是自动触发的。这不是建议，而是强制工作流。”

这句话在Superpowers的README里用粗体写着。它揭示了一个深刻的洞察——

如果”写测试”只是一个”建议”，那AI（和人）都会跳过它。如果”写测试”是一个自动触发、无法绕过的强制流程，那代码质量就有了底线保障。

好的系统不依赖自律，而是把最佳实践变成默认行为。

十一、它的局限性：实话实说

任何工具都有边界，Superpowers也不例外：

1. 流程可能”太严格”。 对于一个简单的”帮我写个工具函数”的需求，完整的头脑风暴→计划→TDD→代码审查流程确实有点重。虽然你可以跳过，但新用户可能不太清楚什么时候该用完整流程、什么时候该轻量化。

2. 依赖AI平台的子智能体能力。 子智能体驱动开发的效果，很大程度取决于底层AI平台的支持程度。Claude Code目前支持得最好，其他平台可能体验有差异。

3. 不解决”上下文窗口”问题。 Superpowers侧重于工程纪律和质量保障，但对于”AI记忆有限”这个根本性问题，它的解法主要是通过子智能体隔离——如果你的项目特别庞大、上下文需求特别复杂，可能还需要搭配GSD等上下文管理工具。

4. 技能触发有时可能”过度热心”。 有用户反馈，偶尔会出现你只想快速问个问题、AI却启动了完整的头脑风暴流程的情况。虽然可以手动跳过，但确实需要适应。

十二、Superpowers vs. 手动编写规则：为什么不自己搞？

你可能会想：我自己写一套CLAUDE.md规则不就行了？何必用别人的框架？

当然可以。但有几点值得考虑：

1. Superpowers背后是上百个小时的调优。 每一个技能、每一条触发条件、每一个工作流的细节，都经过了大量实际项目的验证和迭代。你自己写的规则可能在一个项目里管用，换个项目就不灵了。

2. 技能之间的协作是精心设计的。 比如brainstorming生成的设计文档，格式上刚好是writing-plans期望的输入；writing-plans生成的任务粒度，刚好适配subagent-driven-development的执行模式。这些”接口”不是偶然对上的，而是系统设计的结果。

3. 社区驱动的持续进化。 Superpowers是开源的，有一个活跃的贡献者社区。你用的不是一个人的经验，而是整个社区的集体智慧。而且你也可以贡献自己的技能——writing-skills技能就是专门用来指导创建新技能的。

4. 一行命令更新。 技能更新随插件更新自动生效：

/plugin update superpowers

不用手动维护、不用关心兼容性。

结语：AI编程的”安全带”时代

让我打一个可能不太恰当但很形象的比喻。

1960年代，汽车已经能跑得很快了。但事故率很高。人们发明了安全带。一开始大家嫌麻烦，觉得”我开车技术好，不需要这玩意儿”。后来安全带成了法律强制要求。再后来又加上了ABS、安全气囊、ESP……每一项都在”不影响你开车”的前提下，让你更安全。

2026年的AI编程工具，就像1960年代的汽车——跑得很快，但缺少安全保障。

Superpowers就是AI编程的”安全带+ABS+ESP”。

它不限制你的速度，不改变你的驾驶习惯，但在你需要的时候自动介入，把翻车概率降到最低。

而且它是完全开源、MIT许可证的。免费使用、自由修改、商用无限制。

当整个行业都在追求”AI写代码更快”的时候，Superpowers在追求”AI写代码更可靠”。

快而不稳，不如稳而后快。

你在用AI编程的时候，有没有被”AI写的代码看起来能跑但其实一碰就碎”的问题困扰过？

A. 经常遇到，每次都要花大量时间人工审查
B. 偶尔遇到，靠运气和经验规避
C. 我已经在用某些规范/框架来管理AI的代码质量
D. AI写的代码不都这样吗？我以为这是正常的（现在你知道不必如此了）

欢迎在评论区聊聊你的经历。

如果你在用AI编程，不管是专业开发还是业余爱好，建议收藏这篇文章——AI编程的”质量保障”这个方向才刚刚起步，Superpowers值得你关注。觉得有价值？转发给你身边用AI写代码的朋友，也许他正在为”AI写的代码总是改了这里崩那里”而头疼。

Superpowers 已开源，MIT许可证。支持Claude Code、Cursor、Codex、OpenCode、Gemini CLI五大平台。安装方式因平台而异，详见项目README。GitHub地址：https://github.com/obra/superpowers