别再让 AI 瞎写代码了!这两个 “外挂” 彻底终结你的翻车史

gstack 的感觉，像你准备动手做项目时，旁边突然坐下几位资深顾问。他们不抢键盘，也不急着写代码，而是先把问题问透。

普通 AI 很容易只站在“程序员”角度想：需求来了，那就拆接口、写页面、接数据。gstack 想解决的，是这个视角太窄的问题。它会提醒 AI：别只看能不能写出来，还要看这件事值不值得做、用户会不会用、未来能不能扩展、哪里最容易出错。

产品视角会问：这个需求真的解决痛点吗？用户现在怎么处理这件事？工程视角会问：数据从哪里来，系统扛不扛得住，后面要加功能会不会很难？设计视角会问：用户第一眼能不能看懂，操作路径会不会绕？测试视角会问：异常情况考虑了吗，真实用户会在哪里卡住？

所以 gstack 的关键不是“让 AI 表演角色”，而是让它在做重要决定前，多拿几盏灯照一照同一个问题。

Superpowers 更像给 AI 配了一个严格的项目经理。这个项目经理最在意的不是“你会不会写”，而是“你有没有按步骤来”。

很多 AI 编程翻车，不是因为某一行代码特别差，而是因为过程太随意。拿到需求就开写，写到一半自己改方向，改完只看表面能跑，就宣布完成。小任务也许没事，稍微复杂一点，就很容易把别的功能带坏。

Superpowers 会把 AI 拉回工程节奏里：先澄清，到底要解决什么问题，边界在哪里；再计划，任务分几步做，每一步怎么验收；再实现，按计划一步步推进；最后交付，确认测试通过、变更说清楚、风险有交代，才算收工。

它的特点是全程伴随。gstack 像关键时刻请顾问来开会，Superpowers 则像从开工到收尾一直站在旁边，提醒 AI 不要跳步。

你对 AI 说：“帮我做一个每日会议简报功能。”

情况 1：裸用 AI。

AI：好的！我会用 Python 读取日历 API，提取今天的会议信息，然后生成一份 Markdown 简报，再加上自动发送逻辑……

它很勤快，但方向可能从一开始就错了。简报到底给谁看？是开会前看，还是下班后看？只要会议日程，还是还要待办和会议纪要？它不会主动停下来问这些。

情况 2：用了 gstack。

AI：在开始之前，我想从几个角度确认一下。产品视角：这个简报是给你自己，还是给团队？工程视角：数据从日历、待办、会议纪要来，哪个是主数据源？测试视角：如果某个数据源挂了，用户还能看到什么？

这时 AI 的变化很明显：它不是先给答案，而是先帮你暴露盲区。问题问得越具体，后面做出来的东西越不容易跑偏。

情况 3：用了 Superpowers。

AI：我不会直接写代码。先确认目标：每日简报包含哪些内容、给谁看、什么时候触发。然后我会把任务拆成日历读取、纪要摘要、格式生成、异常处理、发送逻辑五步，每步单独验证。确认后我再开始第一步。

它更像在带你走一个小项目。每一步都有交代，每一步都能检查，出问题也更容易定位。

选起来其实不复杂。如果你最怕的是“方向不确定，怕想漏了”，优先用 gstack。比如做新功能、改产品流程、设计一个工具，先让多角色把问题问一遍，很值。

如果你最怕的是“过程不可控，AI 改着改着就乱来”，优先用 Superpowers。比如重构、修复杂 bug、改核心模块，它能强迫 AI 先计划、再验证，别一口气把桌子掀了。

两个问题都有，就搭配使用。最顺的方式是：Superpowers 做全程轨道，gstack 做关键关卡。

需求阶段，用 gstack 多角色审需求；方案阶段，用 gstack 多角色审方案；实现阶段，让 Superpowers 按计划推进；交付阶段，再用 gstack 多角色验收。Superpowers 像铁轨，保证整个过程有节奏、有验证；gstack 像沿途检查站，在几个关键岔路口确认方向没走歪。

参考资料：gstack GitHub：https://github.com/garrytan/gstackSuperpowers GitHub：https://github.com/obra/superpowers