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：

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。

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

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

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

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

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。