夜雨聆风
开源 17 万 Star:这个插件让你的 AI 变成你的员工
AI 工具深度解析
🧠
你雇了个天才程序员但他每天上班第一件事是把昨天的记忆全删了
Superpowers 深度解析 · 17万 Star 的 AI 编程方法论读完你会彻底改变用 AI 写代码的方式
想象一个场景。
你公司来了个新程序员，天才级别的那种。
第一天，你跟他聊了整整一天：项目背景、代码规范、历史遗留坑、你们团队踩过的所有雷……他全部理解，给你一个完美的方案。
你高兴地回家睡觉。
第二天早上，你走进办公室。
他站在门口，笑容满面地伸出手——
天才程序员
您好，我是新来的，请问咱们公司做的是什么业务？
你以为这是段子。
但如果你每天在用 Claude、GPT 或者任何 AI 编程助手写代码，这就是你的真实处境。
每。次。对话。它都在从零认识你。
先说说这有多荒谬
我认识一个后端工程师，他每次打开 Claude Code 的第一件事，是粘贴一段 800 字的”项目背景说明”。
他做了个小本本，专门记这段文字。
他叫这个过程”喂饭”。
他说：“感觉不是 AI 在帮我，是我在伺候 AI。”
这不是他个人问题，这是 AI 大模型的先天架构缺陷。
❗ 技术真相：大语言模型（LLM）本质上是一个无状态函数。你给它输入，它给你输出。会话结束，记忆清零。它不知道你是谁，不记得昨天，不知道项目背景，不知道你踩过哪些坑。每次对话，都是它出生后第一次睁眼。
上下文窗口（Context Window）就是它的”短期记忆”——有多大，能记多少东西。Claude 最大 200K tokens，GPT-4 128K，听起来不少？
但窗口一关，全没了。
这就是为什么你总感觉：跟 AI 聊越久越好用，但第二天又回到原点。
不是 AI 变蠢了。是它又失忆了。
然后呢？大家都是怎么”凑合”的？
面对这个问题，普通用户有三种应对方式：
第一种：忍着。每次重新解释，当成日常，苦中作乐。
第二种：堆上下文。把项目文档、README、代码全丢进去，让 AI 自己看。问题是——token 贵，速度慢，还容易”信息过载”（没错，AI 也会被一堆垃圾信息带跑偏）。
第三种：写个 CLAUDE.md。在项目根目录放一个说明文件，告诉 AI 这个项目的基本规则。稍微好一点，但还是很原始，完全靠人工维护。
然后，有人决定把这个问题彻底解决。
他叫 Jesse Vincent。
一个程序员被逼出来的”超能力系统”
Jesse 是个老程序员，做过键盘（对，就是那种机械键盘）、做过开源项目，是个对工具极其挑剔的人。
2024 年底，他开始认真用 Claude Code 写东西。然后他发现了同样的问题：AI 很强，但用起来像在训练一只每天都会失忆的猫。
他没有选择忍。
他花了几个月时间，写出了 Superpowers。
然后把它开源了。
然后……它在 GitHub 上涨到了 17 万 Star。
这是什么概念？很多知名开源项目一辈子都没到这个数。
🚀 截至写稿，Superpowers 在 GitHub 上有 172,000+ Star，支持 Claude Code、OpenAI Codex、Cursor、GitHub Copilot CLI、Gemini CLI 等几乎所有主流 AI 编程工具。
但它到底是什么？
说出来可能让你有点意外——
它不是一个插件，不是一个 App，不是一行神奇的代码。
它是一套方法论。
更准确地说：它是一套”让 AI 像资深工程师一样工作”的完整工作流。
先说 AI 写代码，到底烂在哪里
你有没有遇到过这种情况——
你告诉 AI：”帮我写一个用户登录功能。”
它唰唰唰，给你写了 200 行代码。
你复制粘贴，运行，报错。
你把报错发给它，它修，又报错，它又修……
半小时后，你的代码成了一锅粥，比你自己写还乱。
为什么会这样？
因为 AI 在模拟一个没有任何工程素养的”冲动程序员”。问它什么，它就答什么。让它写代码，它就直接写代码。没有设计，没有验证，没有测试，没有”你确定要这样做吗”的灵魂追问。
⚠️ 真正的软件开发，80% 的时间在思考，20% 的时间在打字。而 AI 默认用 100% 的时间在打字，然后让你用 200% 的时间来救火。
这就是 Superpowers 要解决的核心问题。
它不是让 AI 更聪明，而是让 AI 学会先想清楚再动手。
Superpowers 的核心：给 AI 装上”职业素养”
Superpowers 的核心机制叫 Skills（技能）。
你可以把它理解成：给 AI 装上了一系列”专业工作手册”。当 AI 要做某件事的时候，它会先查手册，按照手册里规定的流程来，而不是凭直觉乱干。
听起来简单？来看它具体规定了什么——
🧠 先聊清楚，再动手（brainstorming）
你让 AI 帮你做功能，它不会直接写代码。它会先问你：你真正想要的是什么？有没有考虑过 A 方案 B 方案？边界条件是什么？就像一个有经验的架构师，会先跟你对齐需求，再动手。
📋 给你看得懂的计划（writing-plans）
需求确认后，它会列出实现计划。每个任务 2-5 分钟粒度，有明确的文件路径、代码细节、验证步骤——细到”一个不了解项目背景的初级工程师也能执行”的程度。
🔴 先写测试，再写代码（test-driven-development）
这是整个系统的灵魂。强制要求：先写失败的测试，确认它是红的，再写最少的代码让它变绿，再重构。如果发现有代码是在测试之前写的——删掉重写。
🤖 并行子 Agent 干活（subagent-driven-development）
计划列好了，它会派出多个子 Agent，每人负责一个任务，并行推进。完成后还有两轮审查：一轮查”是否符合规格”，一轮查”代码质量”——像个真正的工程团队。
🔍 每步都要 Code Review（requesting-code-review）
每个任务完成后，触发代码审查。问题按严重级别分类，Critical 问题直接阻断——不通过审查，不往下走。
最恐怖的是什么？
这些都是自动触发的。
你不需要记住什么时候该用什么技能，AI 自己会判断：现在该用哪本手册了。
“测试驱动”这件事，为什么这么重要？
很多人听到”先写测试”会皱眉：这不是多此一举吗？我又不是在写航天软件，搞那么严格干什么？
让我说个反直觉的事。
AI 写代码，和人写代码，有一个本质区别：
人写错了，会有点不舒服，会停下来思考。
AI 写错了，它不难受。它会继续写，信心满满地把错误堆成山。
🧪 真实案例
AI 是怎么把 Bug 越修越多的？
有个开发者分享过：他让 AI 帮他修一个 API 接口的返回格式问题。AI 修了，他没测试，继续让 AI 做下一个功能。AI 在新功能里依赖了那个”已修复”的接口……然后两个小时后，他发现接口根本没修好，而新功能已经完全基于错误的假设写完了。推倒重来的时间，是直接修好它的 6 倍。
测试驱动开发（TDD）解决的就是这个问题。
红灯（测试失败）→ 绿灯（测试通过）→ 重构（优化代码）。
每一步都有明确的验证。AI 自己骗不了自己，因为测试结果是客观的。
Superpowers 强制执行这个流程。不是建议，是强制。如果 AI 在没有测试的情况下先写了代码？手册里写得很清楚：删掉。重写。
最让人上头的设计：用 Git Worktree 做并行开发
这里有个细节，很多人没注意到，但我觉得是整个系统里最精彩的部分。
普通 AI 编程：在你的工作目录里直接改文件。改坏了？你的代码也坏了。
Superpowers 的做法：每次开始新任务，先创建一个独立的 Git 分支和工作区。AI 在那个隔离的环境里做实验，不影响你的主代码。
而且在开始干活之前，它还会做一件事：
跑一遍所有现有测试，确认基线是干净的。
就像外科手术前要确认手术台是无菌的。
💡 这个设计背后的逻辑：任何工程改动都有副作用。把改动隔离在独立环境里，出了问题随时可以丢弃，不污染主线。多个 Agent 并行工作也不会互相干扰。
它支持的平台，多到有点夸张
你以为 Superpowers 只支持 Claude Code？来看看它的兼容列表：
|
🤖 Claude Code 官方插件市场直接安装 |
🟢 OpenAI Codex CLI 版和 App 版都支持 |
|
⬛ Cursor Plugin Marketplace 安装 |
🐙 GitHub Copilot CLI 命令行直接安装 |
|
♊ Gemini CLI Google 的 AI 命令行 |
⚡ OpenCode 新兴 AI 编程工具 |
不管你用哪个，装上去，它都能工作。
它不站队，它给所有人用。这也是它能爆到 17 万 Star 的原因之一。
安装有多简单？
如果你用 Claude Code，两行命令：
# 方法一：官方插件市场（最简单）
/plugin install superpowers@claude-plugins-official
# 方法二：Superpowers 自己的市场
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace
安装完，重启，就完事了。你不需要学习任何新的命令，不需要改变任何习惯。
你该怎么跟 AI 说话还怎么说，Superpowers 在背后自动判断：现在该用哪个技能了。
✅ 真实用户反馈（来自 GitHub Issues 和 Discord）：装了 Superpowers 之后，Claude 第一次能连续自主工作两个小时而不偏离方向。而之前，它平均 15 分钟就开始”漂移”了。
说说最被低估的功能
大部分人关注 Superpowers 的工作流，但我觉得最被低估的，是它的调试技能：systematic-debugging。
普通 AI 调试 Bug 是什么风格？给它一个报错，它给你一个修法，试一下，没好，再给它，它给另一个修法……像在抽盲盒。
Superpowers 规定的调试流程是这样的：
🔎 四阶段根因分析：第一阶段：重现问题。先确认 Bug 是真实存在且可重现的，不要凭印象修。第二阶段：缩小范围。用二分法、日志、断点，一层层定位问题出在哪个模块。第三阶段：根因追踪。不只找表象，要找”为什么会这样”的深层原因。第四阶段：防御性修复。修好了还不够，要想想同类问题在哪里可能还存在，一并处理。
这个流程，不是 AI 发明的。这是软件工程几十年总结出来的最佳实践。Superpowers 把它写成了 AI 的”工作手册”，让 AI 强制执行。
你以为在用 AI 调 Bug，其实 AI 在用高级工程师的思路帮你调 Bug。
它的本质是什么？讲点真话
说到这里，我想说一个可能让你有点意外的结论。
Superpowers 的本质，不是一个技术产品。
它是一种软件工程哲学的落地实现。
TDD（测试驱动开发）——有几十年历史了。YAGNI（你不需要它）——极限编程的核心原则。DRY（不要重复自己）——每个程序员都背过的口诀。
这些东西，人类程序员学了几十年，还是经常犯错。
但 AI 不一样。AI 没有情绪，没有惰性，没有”这次凑合一下”的心态。你告诉它规则，它就严格执行规则。
Jesse 做的事情，是把人类几十年积累的最佳实践，翻译成 AI 能理解和遵守的语言，然后让 AI 帮你执行。这才是真正厉害的地方。
🤔 换个角度想：过去我们一直在让 AI 变得更聪明，但 Superpowers 走了一条完全不同的路——不改变 AI 的能力上限，只改变 AI 的工作方式。结果发现，这条路反而更有效。
最后，一个让你后背发凉的问题
2023 年，AI 编程助手刚出现的时候，大家的问题是：AI 能帮我写代码吗？
2024 年，问题变成了：AI 写的代码靠谱吗？
2025 年，问题变成了：我怎么让 AI 按照工程师的方式工作？
你发现了吗？这个问题的演进，其实是在说：AI 的能力已经不是瓶颈了。
真正的瓶颈，是我们用 AI 的方式。
Superpowers 爆到 17 万 Star，不是因为它做了什么技术奇迹，而是因为它提前回答了一个大多数人还没想清楚的问题：
当 AI 有能力做到 80 分的时候，那最后的 20 分，靠什么？
靠工程素养。靠流程规范。靠验证机制。靠”慢下来想清楚”的习惯。
这些东西，人类程序员练了一辈子。
而现在，你可以把它们装进 AI，两行命令，免费的。
那些用 AI 用得比你好的人不是因为他们的 AI 更聪明是因为他们给 AI 装上了更好的工作方式
📌 一句话说清楚 Superpowers
它不是让 AI 更聪明的工具它是让 AI 像一个真正有经验的工程师一样工作的方法论TDD + 需求对齐 + 计划驱动 + 并行 Agent + 代码审查全部自动触发，你只需要告诉它你想做什么
工具从来都不是差距的来源用工具的方式，才是。
关注：给点知识 公众号，每天学点新知识 🧠
公众号战略合作作者：人工智能研究院-李博士