夜雨聆风给你的 AI 编程助手
装上工程纪律
obra/superpowers · 7阶段开发方法论 · 自动触发技能系统
让 Claude/Cursor/Copilot 从「随意写代码」变成「遵循规范的资深工程师」
你有没有这样的体验——让 Claude Code 帮你写一个电商结算模块，它哗啦啦给你吐出 500 行代码，看起来像那么回事，仔细一看：没做库存校验、没考虑并发、异常处理就是一行 catch(e) {}。
这就是 2025-2026 年 AI 编程的核心矛盾：AI 很聪明，但没有工程纪律。
— Jesse Vincent，obra/superpowers 作者
Jesse Vincent 的应对方式不是换模型、不是堆 Prompt，而是写了一组 Markdown 文件，定义了一套完整的工程纪律系统，让 AI 每次都按规矩来。这套系统叫 Superpowers，7 个月从零涨到 189k Stars。
Superpowers 的 README 第一行就写明了立场：
它不是 Prompt 模板集合，不是 .cursorrules 文件，而是一个包含 14 个核心技能、7 阶段完整工作流的可组合框架。最关键的一点：技能会自动触发，不需要你记命令。
1
7 阶段全生命周期工作流从头脑风暴到 PR 合并，每个环节都有对应的技能规范，AI 被迫按规矩走完整个流程，而不是直接跳到"写代码"。 2
子代理驱动开发（SDD）—— 核心创新每个任务派发全新子代理执行，上下文干净不污染。主代理执行两阶段审查（规范符合性 → 代码质量），AI 可以自主工作数小时不跑偏。 3
强制 TDD，无法绕过先写红测试，再写最少代码让测试变绿，不允许跳过。如果 AI 试图直接写实现代码，技能会强制它删掉重来。测试既是规范，也是终点。 4
Git Worktree 隔离开发每个任务自动在独立分支的 Git Worktree 中开发，主分支永远干净，AI 跑偏也无所谓，丢弃就好。 5
说服力心理学驱动的技能设计运用 Cialdini 的权威、承诺、稀缺性原则设计技能触发逻辑，即使在"生产系统宕机每分钟$5000"的高压场景下，AI 也会先查技能再行动。宾夕法尼亚大学沃顿商学院已用科学方法验证这套机制对 LLM 有效。 6
全平台适配，方法论无绑定支持 Claude Code、Cursor、OpenAI Codex、GitHub Copilot CLI、Gemini CLI、OpenCode。在 Claude 上建立的工作习惯，切换到 Cursor 完全可用。
当你启动 Superpowers 并描述一个需求，AI 不会直接写代码，而是按照以下流程有序推进：
苏格拉底式提问澄清需求，输出设计文档（存 docs/superpowers/specs/）。从 v5.0 起，如果项目过大会主动建议拆分。设计文档需逐段确认后才进入下一步。
自动在新分支创建 Git Worktree，运行项目初始化，确认现有测试全绿。即使 AI 跑偏，主分支永远干净。
把实现拆成每个 2-5 分钟可完成的小任务，每个任务包含精确文件路径、完整代码片段、验证步骤。不是 TODO 列表，而是可执行工程计划。
每个任务派发全新子代理执行，完成后主代理进行两阶段审查：先查规范符合性，再查代码质量。子代理用四状态协议汇报（DONE / DONE_WITH_CONCERNS / BLOCKED / NEEDS_CONTEXT）。
贯穿整个实现过程：RED（写失败测试）→ GREEN（写最少代码通过）→ REFACTOR（优化）→ COMMIT。跳过即删代码重来，没有商量余地。
专职 code-reviewer 代理自动审查，问题按 Critical / Major / Minor 分级。Critical 级直接阻塞流程，不修复不能继续。就像有一个永不疲惫的资深工程师持续 Review。
验证所有测试通过，提供四个选择：Merge（合并）/ Create PR（发 PR）/ Keep（保留）/ Discard（丢弃），清理 Worktree。一个完整的开发闭环。
Superpowers 最有工程感的设计之一是子代理的四状态汇报协议，主代理根据状态决定下一步动作：
任务完成，信心十足。主代理直接进入规范审查阶段。
完成但有顾虑（如文件过大）。主代理先处理顾虑再审查。
无法完成任务。评估后提供上下文、升级模型或拆分任务。
缺少必要信息。主代理补充上下文后重新派发子代理。
给一个电商系统添加「优惠券核销」功能。Superpowers 会先澄清优惠券类型、叠加规则、并发处理策略，产出设计文档；然后拆分为 8 个小任务（数据模型、核销逻辑、幂等处理、测试用例...），每个任务由新鲜子代理执行，两阶段审查，主代理自主运行 2 小时完成整个功能，代码覆盖率 > 85%。
将一个 3000 行的 God Class 重构为模块化架构。Brainstorming 阶段澄清拆分边界，Writing Plans 制定 15 步渐进式重构计划，Git Worktree 保证每一步都可回退，TDD 保证重构前后行为一致，最终通过 PR 合并。
生产系统认证服务故障，你想直接开始调试，但 Superpowers 的 systematic-debugging 技能会先让 AI 搜索技能库，4 步根因分析（复现→采集数据→分析原因→验证修复）。经过验证的结构化调试比"直觉调试"平均节省 40% 时间。
前提：Claude Code 版本 ≥ 2.0.13
# 第一步：注册 Superpowers 市场/plugin marketplace add obra/superpowers-marketplace
# 第二步：安装插件/plugin install superpowers@superpowers-marketplace
退出并重启 Claude Code，输入 /help 看到以下命令说明安装成功：
/superpowers:brainstorm# 启动头脑风暴/superpowers:write-plan# 生成计划/superpowers:execute-plan# 执行计划其他平台安装方式：
# Cursor/add-plugin superpowers
# Gemini CLIgemini extensions install https://github.com/obra/superpowers# OpenCode（告诉你的代理）Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.opencode/INSTALL.md自然语言描述你的需求，让 AI 充分提问讨论，确认设计文档各段落再继续。
生成计划后务必手动审查，和 AI 来回修改细节。计划的质量决定执行的质量，这一步节省大量返工时间。
说"go"，让子代理按计划执行，Claude 通常可以自主工作 1-2 小时不偏离方向。
npm install。始终先写测试。没有测试的代码不是代码，是猜测。
流程优于直觉。结构化工作方式胜过随机应变。
简单性是首要目标。YAGNI，不写不需要的东西。
验证后再声称成功。子代理审查 vs 自审查，用数据说话。
这四条原则指向同一个核心判断：AI 编程的主要问题不是 AI 不够聪明，而是 AI 没有工程纪律。 Superpowers 不是在提升模型智能，而是在改进模型工作的方式。
| 仓库 | 说明 |
|---|---|
| obra/superpowers | |
版本演进：v1.0（2025-10）→ v2.0（技能独立仓库）→ v3.3（Codex 支持）→ v4.0（双代理审查）→ v5.1.0（零依赖 Brainstorm Server，当前版本）。7 个月发布了 4 个大版本，迭代极快。
📌 今日总结
obra/superpowers 代表了 AI 编程的一个重要视角转变：与其让 AI 写更多代码，不如让 AI 用正确的方式写代码。
189k Stars 不是因为它是什么神奇黑科技——它本质上就是一组 Markdown 文件。它的价值在于把数十年积累的软件工程最佳实践（TDD、系统化调试、结构化规划、代码审查），编码成 AI 可以理解和强制执行的指令，在 Claude/Cursor/Copilot 上实现了工程纪律的系统性注入。
如果你的 AI 助手也开始随意输出代码了，或许它不是需要更大的模型——它只是需要一点 Superpowers。
💬 今日互动
你在日常 AI 编程中最大的痛点是什么？
👋 欢迎评论区分享你的 Superpowers 使用体验
每日开源 · 2026-05-14
🔗 GitHub · 📝 作者博客 · 💬 Discord 社区
