AI工作流·Superpowers(1/6):为什么 AI 编程需要工作流

你让 AI 写一个登录页面，它 30 秒给你代码。你跑起来一看，密码明文存储，没有任何验证——一个 SQL 注入漏洞等着你。这种事发生第二次，你就该知道问题不在 AI。

AI 编程的五个断点

我见过太多项目死在这些地方：

断点	表现	结果
需求传递断裂	你说「做个待办列表」，AI 理解为输入框 + 列表	你想要编辑、删除、分类、搜索、云端同步，AI 只能给一个空壳
上下文消化不良	你给了 2000 行代码作为上下文	AI 记住的是第 1800 行的无关变量，整个方案跑偏
局部最优陷阱	你让加删除功能，AI 加了；再让加过滤，AI 加了	两个功能冲突，删除后过滤异常
验证闭环缺失	代码跑起来了，你不知道对不对	边界情况没测，异常没处理，线上崩了
回滚能力为零	AI 改了核心逻辑，你没看懂就合并了	改动混在一起，分不清人写的和 AI 写的

这五个断点不是 AI 的错，是人类和 AI 协作时缺少一层「协议」。工作流就是这层协议。

Superpowers 是什么

一句话定义： 约束 AI 行为的「工作流协议」—— 不是另一个 AI 工具，而是一套规则。

阶段	技能	做什么
接到任务	brainstorming	问清楚需求，确认设计
开始写	test-driven-development	先写测试，再写实现
写完	requesting-code-review	审查代码质量
遇到问题	systematic-debugging	系统化调试
完成后	verification-before-completion	验证修复有效
收尾	finishing-a-development-branch	分支管理与合并

14 个技能各管一段：

brainstorming（需求分析）
writing-plans（任务规划）
test-driven-development（测试驱动）
systematic-debugging（调试）
requesting-code-review（代码审查）
receiving-code-review（接收审查反馈）
finishing-a-development-branch（分支收尾）
using-git-worktrees（Git 工作树）
dispatching-parallel-agents（并行任务分发）
executing-plans（执行计划）
subagent-driven-development（子 agent 驱动开发）
verification-before-completion（完成后验证）
writing-skills（技能编写）
using-superpowers（技能使用说明）

它们不是你想用哪个就用哪个，而是自动检测你的意图然后触发。

核心哲学就三条：TDD（测试先行）、系统化（不碰运气）、证据导向（不靠猜）。

成本对比

方式	单次成本	返工概率	总成本
直接让 AI 写	低	高	高（反复改）
用工作流	高（流程成本）	低	低（一次做对）

为什么工作流反而快？因为省去了返工。没有工作流，一个需求改五六遍，一个 bug 修三五次，时间全耗在无用功上。

底层逻辑：为什么不能直接写代码

反直觉事实：让 AI 直接写代码，反而是最慢的方式。

1. AI 的 token 经济学

直接写 = 500 行生成 + 300 行重写 = 800 行成本工作流 = 100 行确认需求 + 200 行写对 = 300 行成本

AI 生成代码的成本不在于代码本身，而在于上下文。每次让 AI「直接写」，它都要重新理解上下文，而这个过程消耗的 token 比实际生成代码还多。

2. 测试后行的真实成本

// 先写代码再补测试？测试就变成了「代码覆盖」而不是「需求验证」test('用户登录', () => {expect(login('admin', '123456')).toBe(true);  // 这是在测代码，不是在测需求});

需求本身不确定，测试怎么写？100 个测试，80 个是摆设。

3. 调试成本对比

方法	耗时	过程
碰运气（改一行试试）	25 分钟	8 次不同改法，每次等构建 2 分钟
系统化调试	7 分钟	复现 → 定位 → 分析根因 → 验证

一个间歇性的 UI 渲染问题，用系统化方法 7 分钟解决，碰运气花了 25 分钟。如果是大项目的核心逻辑 bug，成本是指数级增长。

安装指南

OpenCode 安装（手动配置）【更简单的方式，直接在OpenCode中，让OpenCode给你安装SuperPowers，把SuperPowers的github网址丢给OpenCode会更准确】

https://github.com/obra/superpowers

┌──────────────────────────────────────────────────────┐│  步骤 1：获取安装指令                                  │├──────────────────────────────────────────────────────┤│  $ curl -fsSL https://raw.githubusercontent.com/    ││    obra/superpowers/refs/heads/main/.opencode/       ││    INSTALL.md                                        ││                                                      ││  → 返回安装脚本，按指示操作                           │└──────────────────────────────────────────────────────┘

# 步骤 2：创建配置目录mkdir -p ~/.config/opencode/superpowers# 步骤 3：复制配置文件到该目录# （安装脚本会告诉你具体复制哪个文件）# 步骤 4：验证安装# 启动新会话，说「帮我实现一个功能」或「这里有个 bug」# AI 应该自动触发 brainstorming 或 systematic-debugging# → 开始问问题，而不是直接写代码

Claude Code 安装

# 官方插件市场/plugin install superpowers@claude-plugins-official# 或社区版本/plugin marketplace add obra/superpowers-marketplace/plugin install superpowers@superpowers-marketplace

Cursor 安装

/add-plugin superpowers# 或在插件市场搜索「superpowers」安装

本系列的学习路径

课次	主题	解决什么问题
第 01 课	理念与安装	为什么需要工作流
第 02 课	需求分析与设计	如何让 AI 准确理解需求
第 03 课	规划与执行	如何让 AI 自动完成开发任务
第 04 课	测试驱动与代码质量	如何写出真正可靠的代码
第 05 课	系统化调试与验证	遇到问题怎么办
第 06 课	最佳实践与进阶	真实项目经验总结

配套代码：src/superpowers/todo-app/ —— 一个用 React + TypeScript + Vite 写的待办事项应用。

文章阶段	代码阶段	交付物
第 2 篇结束	设计阶段	空项目结构 + 设计文档
第 3 篇结束	规划阶段	任务列表 + 初始代码框架
第 4 篇结束	实现阶段	完整功能 + 测试用例
第 5 篇结束	调试阶段	bug 修复记录 + 验证
第 6 篇结束	总结阶段	完整项目 + 最佳实践

总结

没有工作流约束，AI 写得越快，项目越容易返工。

AI 编程的瓶颈不在 AI 本身，而在人机协作的协议。工作流不是限制 AI，而是让 AI 的能力真正释放。

下一课预告： 第 02 课——如何用 brainstorming 技能让 AI 准确理解你想做什么，而不是凭猜测乱猜。