干AI编程这一年多我越来越觉得工具本身从来不是瓶颈怎么用才是。最近在给Codex CLI和Trae这类支持Skill机制的AI编程助手折腾技能包时我发现了一个叫superpowers的开源技能集合可以说它是目前社区里把“资深工程师工作流”打包得最完整的一份。装完之后AI不再是你问一句它答一句的问答机而是会自动进入“先做方案、再写测试、再实现、最后审查”的完整流程。这套东西很适合已经用过AI编程助手、但总觉得AI像个聪明实习生却不靠谱的人也适合想把自己团队的开发规范固化到AI工作流里的团队。下面我会从设计思路、安装步骤、核心技能拆解、实战案例和踩坑记录五个方面把这套superpowers讲透。1. superpowers到底是什么一套给AI助手“加buff”的技能包1.1 从“能对话”到“能干活”技能Skill是怎么一回事要理解superpowers得先理解AI编程助手的技能机制。现在主流的AI编程工具比如Claude Code、Codex CLI以及WorkBuddy、Trae这类集成环境都在推一种叫Skill的玩法。一个Skill本质上是一个文件夹里面放一个SKILL.md文件再加上一些参考文档、模板或脚本。这个SKILL.md的开头会有一段YAML格式的元信息用来告诉AI“你是什么技能、什么时候该用、怎么用”后面则是详细的提示词和操作流程。你可以把Skill理解为给AI新员工发的一本《岗位操作手册》。没有手册时它接到任务只能凭本能发挥有了手册它知道遇到什么情况该走什么流程、先做什么后做什么、输出什么格式。superpowers就是一本内容特别丰富的手册合集它没有依赖大厂官方而是靠社区把“一位资深工程师接到需求之后会怎么思考、怎么拆解、怎么编码、怎么自查”这整套方法论全部翻译成了AI能照做的指令。我第一次接触这个包的时候第一反应是“这不就是把过去的工程规范写成提示词了吗”但真正用下来才发现难的不是写提示词而是把流程编排得让AI在不同场景下自动切换正确技能。superpowers在这一点上做得相当聪明它不是一条巨大的提示词而是多个子技能互相配合这是它区别于普通“咒语包”的地方。1.2 superpowers的核心设计把成熟工作流固化成可复用技能superpowers的核心设计理念简单说是“流程大于答案”。默认状态下的AI编程助手是个典型的快餐式回答者你说“帮我写个解析CSV的函数”它唰唰给你一个代码块看着挺完整但你没有的项目上下文它不知道你没说的边界情况它不考虑你后续想改需求它也无从下手。superpowers想解决的正是这个问题。它把完整工作流拆成几个子技能模块我实际用到的有这些Brainstorming头脑风暴、Planning方案规划、Test-Driven Development测试驱动开发、Debugging调试、Code Review代码审查。每个子技能都有独立的SKILL.md里面写了触发场景、执行步骤和输出格式。比如你抛出一个模糊需求superpowers不会直接写代码而是先进入Brainstorming向你追问一堆澄清问题产出几个候选方案等你确定了方向它进入Planning拆任务编码阶段则强制按TDD节奏来先写失败测试、再写最小实现、最后重构。这种设计的好处是第一AI的行为可预期了它不再东一榔头西一棒子第二团队复用成本低你可以把superpowers作为基底再往里面塞自己团队的规范第三它不锁定某一家AI模型只要你的工具支持Skill机制基本都能装上用。后面我会详细演示安装和实战。2. 为什么需要它AI编程工具的痛点与解决思路2.1 默认状态的AI很容易“答非所问”先泼一盆冷水默认状态下的AI编程助手用在小任务上够爽用在大一点的改动上绝大多数人会崩溃。我记得有个朋友跟我吐槽说让AI改一个支付模块的状态机它直接按自己想象的状态列表重写了一遍完全没看项目里已有的状态定义结果上线前发现兼容性炸了。这种问题不是模型笨而是它根本不知道该走什么流程。默认AI的行为模式是“你说一句它回一段”它缺少需求澄清、上下文调查、影响面评估这些前置动作。你让它写一个函数它默认你什么上下文都给齐了你让它修一个bug它默认你日志里的报错就是全部真相。superpowers的思路就是通过K技能把人的工作习惯强加给AI逼它先问清楚、先查上下文、先列方案再动手。说白了它不是让AI变聪明而是让AI变规范。我在实际项目中体会特别深。之前没有用技能包的时候每逢重构我都要在对话里反复强调“先看现有代码不要重复造轮子”每个会话都要说一遍。但superpowers把“先调研再动手”写进了SKILL.mdAI每次接到任务都会自动先扫描相关文件然后在计划里引用具体文件路径和行号这个体验差别非常明显。2.2 superpowers如何把模糊需求变成可执行计划AI编程最大的坑其实是模糊需求。大多数情况下用户自己也没想清楚要做成什么样只给一句“把这个页面改好看点”“把慢查询优化一下”。这种需求直接丢给AI结果全靠运气。superpowers里的Brainstorming和Planning两个子技能就是专门治这个的。Brainstorming技能的工作方式类似一个产品经理式的追问它会请你说明背景、目标用户、成功标准、约束条件然后生成三五个方案每个方案附上优缺点、工作量估算和风险点。听起来不复杂但它的价值在于强制你和AI在动手前对齐认知。很多时候我自己都没意识到需求里有个隐含假设被它一问才暴露出来。等方案确定Planning技能会把大目标拆成具体的实施步骤每步标注涉及的文件、需要写的测试、验收标准还会按顺序排好优先级。这一步对长任务的帮助尤其大因为AI一旦分心很容易漏掉步骤有一份计划文档挂在上下文里它能时刻回来对照进度。2.3 适用场景与适合人群superpowers不是什么银弹它更适合场景清晰、任务可以拆解的代码工作。我把适合和不适合的情况列在下面方便你判断要不要装。适合场景不适合场景新功能开发尤其是需求边界不清晰时临时查一个API用法、写一次性脚本老项目重构需要先做影响面分析纯闲聊、问理论问题Bug排查需要系统化定位根因需要极度快速的单行答案团队统一代码规范与工作流对AI输出速度要求极高、不愿多轮交互的场景人群方面我最推荐两类人装一类是被AI“自信胡说”坑过的开发者另一类是团队技术负责人。前者需要AI按流程走后者可以把superpowers当模板改造出自己的团队技能包。如果你完全没接触过AI编程工具我建议先熟悉基本对话再上技能包否则你可能连“技能有没有生效”都分辨不出来。3. 安装与配置从零开始把superpowers跑起来3.1 安装前的环境检查在动手安装之前先花两分钟确认环境避免装了半天发现根本不生效。第一你要有一个支持Skill机制的AI编程工具我自己试过Codex CLI、Claude Code和TraeWorkBuddy也支持版本建议更新到最新老版本对SKILL.md的YAML frontmatter解析可能不完整。第二需要能访问存放技能包的GitHub仓库用git clone或者直接下载zip都行。第三确认你的终端可以运行git命令Windows上建议用PowerShell或WSL。关于技能目录的位置不同工具不太一样。Codex CLI一般读用户目录下的.codex/skillsClaude Code读.claude/skillsTrae和WorkBuddy通常可以在应用设置里配置或者放到项目根目录的.trae/skills、.workbuddy/skills下。我习惯的做法是先在用户目录统一放一份因为这个技能包是跨项目通用的如果你只想在某个项目里生效那就放到项目目录下优先级更高。提示如果你之前已经装过其他技能包先看一眼目录结构别把superpowers的文件夹直接塞错地方后面排查起来很费时间。3.2 在Codex CLI下安装superpowers我先演示Codex CLI下的安装因为它的目录约定最清晰其他工具基本是同一套逻辑。第一步进入技能目录第二步clone仓库第三步给技能包改名或者保持原名。cd ~/.codex/skills git clone https://github.com/你的仓库地址/superpowers.gitclone完成后检查一下目录结构至少要看到根目录下有SKILL.md以及一个存放子技能的目录比如skills/。如果clone下来的是一个压缩包先解压再放进来别直接放zip运行时工具不会帮你解压。然后把终端重启一下让工具重新扫描技能目录。3.3 在WorkBuddy / Trae下安装SkillWorkBuddy和Trae这类图形化工具安装方式会稍微不一样。它们通常提供了“技能管理”或“插件市场”的入口你可以直接在界面里点“导入技能”然后把superpowers文件夹选中即可。如果界面里找不到导入按钮大概率是因为你安装的不是最新版本去官方渠道更新一下再回来。Trae Work CN比较特殊它既有IDE插件模式也有命令行模式。IDE模式下我建议把技能放到项目的.trae/skills目录这样项目组成员clone代码后就能共享技能命令行模式下放用户目录即可。放好后在对话框里输入/superpowers看看能否弹出技能列表如果没有任何反应重启IDE或重新打开终端再试一次。3.4 验证安装是否成功装完不是终点必须验证。最直接的办法是随便丢给AI一个需求比如“帮我重构这段代码”然后观察它的第一反应。如果它没有直接给重构结果而是开始问“这个函数的调用方有哪些性能目标是什么”说明superpowers已经接管了流程。你也可以查看工具的调试日志确认启动时是否加载了superpowers/SKILL.md。另一个笨但有效的验证方法打开技能目录确认每个子技能文件夹里都有SKILL.md并且YAML头里的name字段和文件夹名一致。我就遇到过子技能文件名缺了一个字符导致整个技能包不加载的情况所以这步检查别省。4. 核心功能拆解与实操要点4.1 头脑风暴技能把想法变成方案superpowers的Brainstorming子技能是我用得最多的一个。它的触发方式很自然当你提出一个需求但描述得不够具体时AI会自动进入这个技能。它会按照SKILL.md里的步骤先问你一系列问题然后产出一个结构化的方案对比。我实际使用中最喜欢的一点是它要求AI给出“最少两个方案”而不是只给一个“最优解”。比如我让它设计一个用户状态存储方案它给了A、B、C三种A是数据库加字段B是独立状态表C是全量事件溯源然后列出每种方案的实现成本、扩展性和迁移风险。这种输出形式对技术选型特别有用你可以直接拿它去跟同事讨论而不是自己从零归纳。实操注意事项Brainstorming阶段不要让AI立刻写代码哪怕它主动说“我先写个Demo”也要打断它让它先把方案补齐。一旦AI进入写代码模式再让它回头做方案就难了它会不断拿已经写的代码当理由反驳你。我自己踩过这个坑后来养成了习惯对话一开始就明说“先给方案不要写代码”。4.2 测试驱动开发技能让AI先写失败测试再写实现TDD子技能是superpowers里“含金量”最高的一个也是社区讨论热度最高的。它把红-绿-重构这个流程写得非常死板但正是这种死板治好了AI乱改代码的问题。技能要求AI先根据你给的验收条件写一个会失败的测试然后跑一遍确认失败再写最小实现让测试通过最后顺手做重构。我实际跑过一次后明显感觉到代码质量上升了一个台阶。以前AI给我的函数覆盖了主路径就完事边界条件靠猜用TDD流程后它会因为写了边界测试而主动处理空值、格式化异常等场景因为测试逼着它想这些。而且留下了一组能跑的测试后续再让AI改逻辑回归成本一下子降下来了。实操中要注意的是你必须让AI先跑测试而不是写完测试假装跑了。有些模型会在上下文里编一个“测试结果”直接说“测试通过”这时候你要坚持要让它把测试输出贴出来。如果工具不支持自动运行测试就自己去终端里跑再把结果贴回去让AI看到真实的失败和成功。4.3 调试技能像老手一样定位问题调试技能的设计思路一句话总结就是“不要信报错要信根因”。默认AI看到报错文本会直接按报错信息去猜原因经常给出“可能是这里的问题”“建议改成这样”的模糊答案。superpowers的Debugging技能要求AI按“复现-二分-修复-回归”四个阶段走。先把Bug复现出来然后用二分法缩小范围可能是注释掉一半代码可能是检查最近的改动总之不靠直觉直接改定位到具体行之后再动手修最后补一个回归测试防止再次出现。这套流程对资深工程师来说是本能但AI不是天生有这种本能必须靠技能包植入。我印象最深的一次是处理一个偶发性内存泄漏。直接让AI看代码它给了好几个“可能原因”全是错的。后来我手动触发Debugging技能它开始要求我提供复现步骤我给了压力测试命令后它让我在几处疑似点加了日志一步步锁定了是缓存key没有失效的问题。整个过程虽然慢但每一步都有依据最后修复很稳。4.4 代码审查技能用AI把代码审一遍Code Review技能相当于给项目配了一个24小时待命的代码审查员。它的审查维度不是随便写几条“代码很清晰”的客套话而是从正确性、性能、安全性、可读性、测试覆盖五个方面逐项检查每个问题都会标注文件路径和行号。我用它审查过自己的合并请求确实能发现一些肉眼漏掉的问题。比如有一次我写了个循环里重复查询数据库的代码Review技能直接指出来并建议提到循环外面还有一次它发现我在错误处理里吞掉了异常提示我至少应该打日志。更实用的是它的输出格式先给总结论再列问题清单每个问题标注严重级别可以直接贴到MR备注里。不过要泼一点冷水AI审查的深度取决于上下文窗口如果你的项目特别大它可能只看了部分文件就下了结论。我建议配合人工抽查把AI审查当成第一道过滤网而不是唯一依据。5. 关键参数与配置说明按需调整技能行为5.1 技能文件的目录结构想用好superpowers光会安装不行最好能读懂它的目录结构。我以自己改过后的一个版本为例~/.codex/skills/superpowers/ ├── SKILL.md ├── skills/ │ ├── brainstorming/ │ │ └── SKILL.md │ ├── planning/ │ │ └── SKILL.md │ ├── test-driven-development/ │ │ └── SKILL.md │ ├── debugging/ │ │ └── SKILL.md │ └── code-review/ │ └── SKILL.md └── reference/ ├── workflow.md └── templates/根目录的SKILL.md是整个技能包的入口它定义了superpowers的全局启动方式以及子技能之间的调用关系。skills/目录下每个子技能都独立成文件夹这样AI可以只加载需要的部分不会每次对话都读完全部文档。reference/目录放的是共享参考文件比如团队开发规范、模板文件子技能里可以引用它们。5.2 自定义技能条目加一个属于你的技能superpowers最吸引我的一点是它可以自由扩展。假如你们团队有日志规范想让AI每次写日志都按规范来完全可以自己创建一个子技能。做法是新建一个文件夹比如logging-standard/里面放一个SKILL.mdYAML头写成这样--- name: logging-standard description: 在生成代码时必须遵循团队日志规范 when_to_use: 当需要编写或修改日志相关代码时 version: 1.0.0 ---YAML头下面写具体规则和示例。写完之后重启工具这个新技能就会自动被扫描到。我自己整理了一套“错误码规范”技能把错误码前缀、日志级别、告警格式都写了进去AI生成新代码的时候会主动遵守省了我大量Review时改格式的时间。5.3 与现有项目工作流的配合superpowers不是孤岛它一定要跟你的项目工作流配合起来才有价值。我建议做三件事第一把仓库已有的代码风格规范文档放到reference目录让AI在写代码前先读第二在Planning技能里加入你们团队的验收流程比如“提测前必须跑lint和单测”第三根据项目类型调整子技能的启用顺序不要一成不变。有一个原则要记住技能包不是越全越好。你一次性启用几十个子技能AI加载的上下文太多反而容易抓不住重点。我建议一开始只启用Brainstorming、Planning和TDD三个核心技能跑顺两周之后再逐步加其他技能。尤其是Code Review这种重上下文消耗的技能可以在项目很大时选择性关闭。6. 实战记录用superpowers完成一次完整的小任务6.1 任务设定空谈理论没用我把最近一次完整的实战过程记录下来。任务是给一个Python项目写一个CSV解析函数要求支持自定义分隔符、自动识别表头、对空值做合理处理。说白了是个小函数但正好能看出superpowers有没有起作用。我没有在对话里给任何约束只丢了一句“项目需要解析CSV文件帮我实现一下”。如果没装superpowersAI大概率直接甩一个csv.DictReader的封装但这一次它进入了Brainstorming流程。6.2 让AI先生成方案AI先向我确认了三个问题CSV文件是外部供应商提供的还是内部生成的有没有包含换行符的字段列名是否需要做去空格和小写标准化。这三个问题我其实没想过但对函数设计影响很大。确认完之后它给了两个方案一个是基于标准库csv.DictReader的轻量实现适合数据质量较高的场景另一个是引入pandas的方案处理复杂CSV更稳健但会带来额外依赖。我选择了标准库方案。AI随后进入Planning输出了一个三步计划第一步写解析函数骨架并定义入参出参第二步用TDD方式补充“自定义分隔符”“空值处理”“BOM头处理”三个测试第三步跑测试并做代码审查。看到这个计划我心里基本就有谱了。6.3 用TDD方式写代码接着AI按照计划开始写测试先创建了test_csv_parser.py里面写了一个预期失败的测试用例用来覆盖“自定义分隔符为分号”的场景。我把测试放到终端跑了一遍确实报错了原因是函数还没有实现。然后AI才写主体函数核心逻辑就是读取文件、用csv.reader解析、把表头做标准化。实现完成后AI跑了一遍全量测试这次三个用例都通过了。它还把一开始没考虑到的细节补上了比如用utf-8-sig编码处理BOM头因为它在设计阶段就问过“数据源是否可能来自Windows生成的Excel导出文件”。整个过程中AI没有乱加功能完全跟着测试走这点让我很满意。6.4 收尾检查与Review代码写完后AI主动触发了Code Review技能。它审查后提出了一个问题当前实现把整个文件一次性读入内存如果后续要解析超大CSV会有内存风险。它建议把函数改成迭代器风格但因为我的使用场景文件最大也就几MB这个风险可以接受所以先保留了原实现。我又让AI跑了一遍lint和类型检查确认没有新问题后才收工。整个过程大概二十分钟中间真正需要我动手的不超过三分钟其余时间就是看AI按流程执行。相比直接让AI写代码TDD和Brainstorming确实降低了后期返工的概率。7. 常见问题与排查技巧实录7.1 技能没有自动加载最常遇到的问题就是技能不生效。我排查时会按这个顺序来先确认技能目录位置是否正确不同工具读的目录不一样再确认根目录下有没有SKILL.md文件名大小写都不能错然后检查YAML头如果frontmatter里少了参数工具可能静默跳过最后重启终端或IDE强制重新扫描技能。如果还是不行还有一个容易被忽略的点工具可能默认关闭了第三方技能的自动加载。去设置里找一下“Skills”或“插件”相关选项打开“允许加载本地技能”开关。另外如果你同时装了多个技能包检查一下是否存在同名技能冲突优先级高的那个会覆盖低优先级导致superpowers的部分子技能被屏蔽。7.2 AI不按技能流程走有时候技能明明加载了AI回答问题时却毫不理会。这种情况往往是技能与当前任务的匹配度不够就是AI没识别出当前场景该用哪个子技能。解决方法是显式调用直接在对话里打出/debugging或“请按照TDD流程来”强制它进入对应技能。我试过显式调用后AI会重新读取SKILL.md并遵循其中的流程。还有一个技巧检查SKILL.md里when_to_use字段写得好不好。如果描述太宽泛或太狭窄AI都会难以触发。你可以手动改一下把典型场景写得更具体比如把“当用户请求调试时”改成“当用户粘贴报错日志、测试失败输出或描述非预期行为时”这样触发准确率会高很多。7.3 安装后版本冲突superpowers更新频繁如果你之前装过老版本又被别的工具链自动更新覆盖很容易出现版本冲突典型表现是子技能数量对不上、部分技能调用报错。我一般的做法是把技能目录整个删掉重新clone一份并锁定一个自己验证过的稳定提交。代码包管理也是一样如果你通过npm或Homebrew之类的包管理器装过相关依赖更新前最好先看release notes不要盲目升到最新。尤其在团队里共用一套AI工作流时成员之间的技能版本不一致会导致AI行为互相不兼容我建议在项目文档里固定superpowers的版本号或commit号。7.4 到哪里获取帮助superpowers的文档和社区资源整体还算丰富。最直接的是看GitHub仓库里的README和docs目录里面写了每个子技能的完整说明和设计动机。遇到问题时先搜issues看看有没有人遇到过同样的情况再决定是提issue还是自己改。如果看不懂英文文档国内一些技术社区也有不少博主写过使用体验和改造教程可以辅助理解但我建议最终以官方仓库为准避免被二手信息带偏。使用这套技能包的这段时间我最深的体会是AI编程进步最快的方式不是催着模型变强而是把人类工程师已有的做事方法清清楚楚地教给它。superpowers给了我们一份很不错的参考模板把头脑风暴、方案规划、TDD、调试、代码审查这些日常动作串成了一条完整的流水线让AI从“回答问题的工具”变成了“跟着流程干活的新人”。最后再分享一个小技巧不要迷信原版技能包一定要根据自己团队的实际痛点去改。我自己就是在superpowers的目录结构基础上新增了一个日志规范和错误码规范子技能AI生成的代码明显更符合团队要求。你完全可以照着自己的习惯增删内容这东西本质上是给你打底的真正跑起来顺不顺还得看你怎么调教它。