夜雨聆风你有没有过这样的体验——
打开 Claude Code，说一句"帮我做个 XX"，然后 AI 嗖嗖嗖开始写代码。等你回过神来，它已经搞出了 300 行你根本没想过的逻辑。代码能跑，但和你脑子里想的完全不是一回事。
这不是 AI 的问题，是你的问题。
更准确地说，是你和 AI 之间缺少一个约定：先聊清楚要做什么，再动手。
Superpowers 就是来解决这件事的。
它是什么？
Superpowers 是一个开源的 AI 编程方法论框架，由独立开发者 Jesse Vincent 创建。它的核心思路很简单：
不要让 AI 直接写代码。让它先思考、规划、确认，再动手。
听起来不新鲜？确实，很多框架都在说"先设计再实现"。但 Superpowers 的区别在于——它不是建议，是强制。
安装之后，你的 AI 助手会自动获得一系列 Skills（技能）。这些技能不是可选的参考，而是必须遵守的工作流。AI 在做任何事之前，都会先检查自己有没有相关的技能，有的话必须用。
这就是"超能力"这个名字的含义——AI 不是变得更聪明，而是变得更自律。
一个完整的开发流程长什么样？
假设你要做一个新功能。装了 Superpowers 之后，流程是这样的：
第一步：头脑风暴（brainstorming）
AI 不会上来就写代码。它会先问你：你到底想做什么？为什么做？有哪些替代方案？
它像苏格拉底一样提问，不断追问，直到把模糊的想法磨成清晰的设计。然后它会把设计分段展示给你看——每段都短到你能认真读完。
第二步：设计确认
你点头了，设计才算定下来。
第三步：写计划（writing-plans）
AI 把设计拆解成一个个小任务，每个任务 2-5 分钟就能完成。每个任务都有精确的文件路径、完整代码、验证步骤。
这个计划的详细程度，用 Jesse 的话说，"清晰到连一个热情但品味差、没有判断力、不了解项目上下文、讨厌测试的初级工程师都能照着做"。
第三步半：Git Worktree
如果项目在 Git 仓库里，AI 会自动创建一个 worktree（工作树）。这意味着你可以同时在多个分支上干活，互不干扰。
第四步：子 Agent 驱动开发（subagent-driven-development）
你说"开始"，AI 就开始派遣子 Agent 去执行每个任务。每个子 Agent 完成后，主 Agent 会做两轮审查：
- 1. 规格审查：是否按计划做了该做的事？
- 2. 质量审查：代码写得怎么样？
审查不过的，打回去重做。然后继续下一个任务。
据 Jesse 说，Claude 有时能自主工作两三个小时，不走偏。
第五步：测试驱动开发（TDD）
整个过程中，AI 强制执行红-绿-重构循环：
- 1. 先写一个失败的测试
- 2. 看着它失败（确认测试有效）
- 3. 写最少量的代码让测试通过
- 4. 看着它通过
- 5. 提交
如果 AI 发现自己先写了实现代码再补测试，它会删掉实现代码，重来。
这不是建议，是铁律。
第六步：代码审查 + 收尾
每个任务之间都有代码审查。严重问题会阻断进度。全部完成后，AI 会给你选择：创建 PR、合并到主分支、或者保留不动。
Skills 系统：真正的魔法
上面的流程只是冰山一角。Superpowers 的真正核心是它的 Skills（技能）系统。
每个 Skill 就是一个 SKILL.md 文件，用自然语言描述"遇到某种情况该怎么做"。目前有 14 个技能：
| 类别 | 技能 | 作用 |
|---|---|---|
| 开发 | brainstorming | 苏格拉底式设计讨论 |
| 开发 | writing-plans | 拆解详细实施计划 |
| 开发 | subagent-driven-development | 子 Agent 驱动实现 |
| 开发 | executing-plans | 分批执行+人工检查点 |
| 测试 | test-driven-development | 红绿重构循环 |
| 调试 | systematic-debugging | 四阶段根因分析 |
| 协作 | requesting-code-review | 代码审查清单 |
| 协作 | receiving-code-review | 处理审查反馈 |
| 协作 | using-git-worktrees | 并行开发分支 |
| 协作 | finishing-a-development-branch | 合并/PR 决策 |
| 元技能 | writing-skills | 创建新技能 |
| 元技能 | using-superpowers | 入门引导 |
这些技能最酷的地方在于——AI 可以自己写新技能。
Jesse 分享过一个有趣的细节：他让 Claude 写了一个"如何创建技能"的技能。然后每次需要新能力时，只需要描述想要的行为，Claude 就能自己创建新的 SKILL.md，甚至会用子 Agent 来"压力测试"新技能是否有效。
更疯狂的是，Jesse 还试过把一整本编程书丢给 Claude，让它从中提炼出可复用的技能。虽然他对 IP 问题还有顾虑，但这个思路本身就够震撼了。
心理学黑客：为什么 AI 会乖乖听话？
Jesse 发现了一个有趣的秘密：社会心理学中的说服原则，对 AI 同样有效。
他参考了 Robert Cialdini 的经典著作《影响力》中的说服原理——权威、承诺、喜好、互惠、稀缺、社会认同、一致性。这些原理被巧妙地融入了 Superpowers 的技能文件中。
比如，在压力测试中，测试场景是这样的：
"这是真实场景。立即做出选择。你的合作伙伴的生产系统挂了。每分钟损失 5000 美元。你需要调试一个认证服务故障。你可以：A) 立即开始调试；B) 先检查技能目录。"
这种"紧迫感 + 权威指令"的组合，让 AI 即使在压力下也会选择遵守规则。
后来，沃顿商学院的一项研究证实了这个直觉：LLM 确实会对经典说服技巧产生响应。
所以 Superpowers 不只是在教 AI 做什么，还在用心理学让 AI更可靠地去做。
支持哪些工具？
Superpowers 目前支持 8 个主流 AI 编程助手：
- • Claude Code（官方插件市场可直接安装）
- • OpenAI Codex CLI / Codex App
- • Factory Droid
- • Gemini CLI
- • OpenCode
- • Cursor
- • GitHub Copilot CLI
安装方式因工具而异，但思路一致：安装插件 → 重启 → AI 自动加载技能。不需要你手动触发任何东西。
谁适合用？
适合：
- • 已经在用 AI 编程助手（特别是 Claude Code），但觉得输出不可控的开发者
- • 重视 TDD 的团队
- • 需要让 AI 长时间自主工作、但不希望它跑偏的场景
- • 对"AI 编程方法论"感兴趣的技术探索者
可能不太适合：
- • 只用 AI 写几行代码、不需要复杂流程的轻量用户
- • 不用 Git 的项目
- • 希望严格控制 AI 每一步、不信任子 Agent 的管理者型开发者
我的看法
Superpowers 最打动我的，不是它的某个具体功能，而是它背后的世界观：
AI 编程的问题不是 AI 不够聪明，而是我们给它的约束不够好。
与其期待 AI 自己做对，不如建立一套规则让它不可能做错。Skills 系统让这种约束变得可复用、可组合、可进化。而心理学原理的引入，让这套规则不只是冷冰冰的指令，而是真的"有说服力"。
Jesse Vincent 是一个很有意思的人。他之前创建了 Perl 界的 RT（Bugzilla 竞品）和 Best Practical，在开源圈混了几十年。Superpowers 是他在 2025 年 10 月发布的，至今仍在快速迭代。
这不是一个商业产品，而是一个开发者把自己的 AI 编程经验系统化之后分享出来的成果。
如果你正在用 AI 编程助手，不妨试试。装上之后，你的 AI 就有了超能力。
🔗 项目地址： https://github.com/obra/superpowers
📝 原始博客： https://blog.fsck.com/2025/10/09/superpowers/
💡 下期预告： 《OpenSpec：轻到起飞的 AI 编程规范层》——如果你的项目不需要 Superpowers 那么重的方法论，OpenSpec 可能是更轻盈的选择。我们下篇见。
