夜雨聆风点击上方卡片关注我
最近用得最顺手的一个 AI 编程插件，叫 Superpowers。
一句话讲清它是干嘛的：把我问一句 AI 答一句这种粗放的写代码方式，升级成 AI 自己拆解需求、写规格文档、再拆成具体计划、逐步执行、最后还会自我验收的工作流.
本质上是给 Claude Code（也支持 Codex、Gemini CLI、Cursor 等）装上一套规范化的多步任务执行框架。
作者是 obra（Jesse Vincent，前 Anthropic 工程师），开源在 GitHub 上。
为什么这个插件值得装
我用 AI 写代码这么久，最大的痛点从来不是它写得慢，而是它写得糙。需求理解一半就动手、改这个忘那个、跑完跟你说已修复结果一测还是报错。
归根到底是因为任务没拆够细，每一步之间也没什么真正的约束。
Superpowers 解决的正是这件事。
任务拆解的颗粒度够细。
我丢一个稍微复杂点的需求过去，它不会立刻动手写代码。先 brainstorm 几轮，把意图、约束、成功标准都问明白，落到一份 spec 文档里。
再把 spec 拆成 implementation plan，每一步具体要改哪些文件、加什么测试、怎么验证全部列清楚。这两份文档都是 markdown，commit 进 git，我能逐字审一遍才放它开干。
环节之间是真有约束的。
它不是把任务列出来就完事，每一步执行前都要声明意图、执行后都要验证产物。
最关键的是有一条 verification-before-completion 的硬规则：AI 声称完成之前必须跑过测试、type check、构建，看到真实输出才算数。
这条直接把我以前最烦的假性修复给堵死了。
复杂任务用 subagent 并行处理。
一些可以独立推进的子任务会被分发到子 agent 各自跑，主对话只负责协调和决策。结果就是主线 context 不容易爆，每一路工作也都有自己专属的上下文，不会互相污染。
全程文档化，可中断可续上。
spec、计划、进度追踪全是 markdown 文件落在项目里。中途想停下来看看方向对不对，直接打开文档看；改主意了就回去改 spec 再重跑。
整个过程是可追溯、可审计的，不像聊天记录翻起来一团乱。
两个平台怎么装
Codex 客户端： 直接在插件商店里搜 superpowers，一键安装。
Claude Code： 在终端里跟 CC 说一句「帮我装 obra 的 superpowers-marketplace 插件」，把 github.com/obra/superpowers-marketplace 这个地址给它，它会自己完成。
装完重启一下 Claude Code 就生效了。如果你嫌 obra 的 marketplace 更新太快想稳一点，也可以走 Anthropic 官方插件市场，在 Claude Code 里输 /plugins，搜 superpowers 装官方那个版本。
什么场景下值得用
只要任务复杂到你担心 AI 理解会跑偏、或者改动可能伤到其他地方，就值得让 Superpowers 接手。
典型场景：
新功能开发，涉及多个文件、多层逻辑 跨模块的重构 写一整套 skill 或者插件 做技术调研、对比方案、出选型报告 排查那种需要多轮假设验证的疑难 bug
反过来，改一两行小 bug、调个文案、跑个一次性脚本，这种就别用了，拆解成本不划算，直接让 AI 干就行。
一点感受
Superpowers 给我带来的真正改变，是我对每一步在发生什么变得心里有数。
之前我盯着 AI 干活，是因为不盯它就出乱子。现在我能放手，不是因为 AI 突然变聪明了，而是因为它的每一步都在文档里，每一步之间都有验收闸口。
工具最好的样子，大概就是把混沌的过程结构化，让人能腾出注意力去想真正重要的事。
仓库地址：github.com/obra/superpowers
写在最后
image2 就是 OpenAI 的 GPT Image 2，中文字符渲染准确率能到 99%。
打开 hiapi.ai，选 image2 模型，挑一个最接近你需求的模板，先改方括号试一张。新人 50 张免费.
欢迎关注，这个账号还会持续分享更多AI编程、出海工具、实战经验、踩坑记录。
想让 Claude Code 彻底完成一个任务，试试 /goal
Codex 这次跑进了 Chrome，AI 编码 Agent 的战场变了
飞书开源CLI，我用Claude Code一句话读了12篇文档、建了66条选题表！
