你的AI助手为什么总是写出垃圾代码？它缺的不是智商，是方法论

你有没有过这种经历？

让Claude帮你写个功能，它三分钟甩给你200行代码。你跑了一下，能运行。心里还在想：AI真香。

一周后，你发现那段代码有bug。回去看代码，逻辑混乱，注释零散，测试？不存在的。

更糟的是，你根本不知道它当初为什么这么写。

问题不在于AI不够聪明。问题在于，它缺少一套严谨的工作方法论。

上个月，我在GitHub上发现了一个叫Superpowers的项目。它的核心理念很简单：给AI编码助手装上一套”软件工程最佳实践”的技能包。

用了之后，我发现一个惊人的事实：同样的AI，有没有方法论，输出的代码质量差距能有10倍。

今天，我想聊聊这件事。

一、大多数人在误用AI写代码

先说一个数据。

根据GitHub的统计，2025年有超过40%的新代码是由AI生成的。但与此同时，技术债务的增长速度也在加快。

为什么？

因为大多数人和AI的协作模式是这样的：

你说：帮我写个用户登录功能。

AI说：好的，这是代码。

你说：能跑，谢谢。

这种模式有个致命问题：跳过了设计环节。

你想想，如果你让一个初级工程师写登录功能，你会直接让他动手吗？不会。你会先问他：需要支持哪些登录方式？密码规则是什么？要不要二次验证？错误处理怎么做？

但到了AI这里，我们反而跳过了这些步骤。

结果就是：AI给出的代码，表面上看是对的，但细节全是坑。

二、Superpowers的核心方法论

Superpowers是一个开源项目，由Jesse Vincent（Perl语言的核心贡献者之一）创建。它的核心思路是：

不给AI写更好的prompt，而是给AI一套标准化的工作流程。

这套流程分为四个阶段：

阶段一：头脑风暴（Brainstorming）

AI不会一上来就写代码。它会先问你：

• 这个功能要解决什么问题？
• 有什么约束条件？
• 成功的标准是什么？

它会一步步引导你把模糊的想法变成清晰的需求文档。每一步，它都会展示设计草案，等你确认后才进入下一步。

硬性规则：没有设计文档，不写一行代码。

阶段二：编写计划（Writing Plans）

需求确认后，AI会生成一份详细的实施计划。

这份计划有多细？每个任务的粒度是2-5分钟。

比如，一个”用户登录”功能，会被拆解成：

1. 写测试用例（验证邮箱格式）
2. 跑测试，确认失败
3. 写最小代码实现邮箱验证
4. 跑测试，确认通过
5. 提交代码

每个步骤都有：

• 精确的文件路径
• 完整的代码
• 验证命令
• 预期输出

这份计划是给AI自己看的，但你可以随时审阅和修改。

阶段三：测试驱动开发（TDD）

这是Superpowers最硬核的部分。

铁律：先写测试，看它失败，再写代码。

为什么？

因为如果你没看到测试失败，你永远不知道这个测试到底在测什么。

常见的借口：

• “这功能太简单了，不用测”
• “我先写完代码再补测试”
• “手动测过了，没问题”

Superpowers的回答是：删掉代码，从头来。

它的TDD流程是：

1. RED：写一个失败的测试
2. 验证RED：跑测试，确认它失败（而且失败原因正确）
3. GREEN：写最少代码让测试通过
4. 验证GREEN：跑测试，确认通过
5. REFACTOR：重构代码（测试仍然通过）
6. 重复

这套流程不是建议，是强制执行。

阶段四：子代理驱动开发（Subagent-Driven Development）

这是Superpowers最创新的部分。

当计划确定后，主AI会把每个任务派发给一个全新的子AI代理。

为什么用新代理？

因为如果用同一个AI从头做到尾，它会”累”——上下文会越来越乱，判断力会下降。

而每个子代理：

• 只拿到当前任务的完整信息
• 没有之前任务的”记忆污染”
• 完成任务后立即退出

每个子代理都是”满血状态”上岗。

任务完成后，还有两层审查：

1. 规格审查：代码是否实现了设计文档的要求？
2. 质量审查：代码风格、可读性、最佳实践

审查不通过，打回去重做。

三、一个真实的案例

Superpowers的作者分享了一个真实案例：

他要实现一个复杂的配置系统，涉及多个模块、多种格式、大量边界情况。

传统模式（直接让AI写）：

• 耗时：3小时
• 结果：能跑，但测试覆盖率只有30%，发现5个边界bug

Superpowers模式：

• 耗时：2.5小时（含设计讨论）
• 结果：测试覆盖率95%，0 bug

时间没变长，质量反而提升了。

为什么？

因为Superpowers把”写代码”这件事拆成了：

• 30分钟讨论需求
• 20分钟写计划
• 60分钟TDD开发（每个功能都有测试）
• 40分钟审查和调整

而传统模式省下的”设计时间”，最后都花在了”调试时间”上。

四、对程序员的三个启示

启示一：方法论比工具更重要

很多人在追求”用什么AI”、”用什么prompt”。

但Superpowers告诉我们：方法论才是决定性的。

TDD不是新概念，但真正严格执行的人很少。原因很简单：人性是懒惰的。

但AI不会偷懒。如果你给它一套严格的方法论，它会比任何人类都执行得彻底。

启示二：把AI当初级工程师用

很多团队把AI当成”代码生成器”，这是低估了它的潜力。

正确的做法是：把AI当成一个能力强但需要引导的初级工程师。

你要给它：

• 清晰的需求
• 详细的设计
• 严格的审查

Superpowers就是这套”管理流程”的代码化版本。

启示三：未来的竞争是流程竞争

未来，大家用的AI模型会越来越接近（GPT-4、Claude、Gemini的能力差距在缩小）。

真正的差距在于：你有没有一套标准化的AI协作流程。

Superpowers给了我们一个范例。

你不需要照搬它，但你应该思考：

• 你的团队有没有AI协作规范？
• 你的AI产出的代码质量可控吗？
• 你能复现AI的决策过程吗？

总结

AI不会取代程序员。

但会用AI的程序员，会取代不会用AI的程序员。

而”会用”的标准，不是看你能让AI生成多快的代码，而是看你能不能让AI稳定地输出高质量代码。

Superpowers给我们的启示是：

方法论，才是AI时代的核心竞争力。

安装方式

Superpowers目前支持：

• Claude Code，安装 claude plugin install superpowers@claude-plugins-official
• Cursor（插件市场搜索 “superpowers”）
• Codex（需要手动配置）
• Gemini CLI（扩展安装）

GitHub地址：https://github.com/obra/superpowers