最近有个词在AI编程圈里被反复提起——superpowers。如果你经常刷GitHub或关注AI工具动态应该已经看到不少项目README里出现了这个单词。我第一次看到的时候也愣了一下以为是某种游戏模组或者漫画梗点进去才意识到这其实是一套让AI助手瞬间“开挂”的技能增强方案。简单说它解决了我在实际用AI写代码、做研究时最头疼的一个问题AI会聊天但不会主动干实事。我用了大概三周时间从零开始啃文档、装环境、试技能又踩了几个不大不小的坑。这篇就当是给同样想入坑的朋友一份实操笔记聊聊superpowers到底是什么、有哪些skills、怎么引入、怎么装以及我实测下来哪些地方最值、哪些地方容易翻车。1. 项目到底在解决什么问题先聊聊我为什么需要它1.1 一句话说清superpowers是什么假如把普通的AI助手比作一个刚入职、脑子聪明但手脚生疏的新人那superpowers就是一套“培训手册加外挂工具包”。它不是某个单一功能的软件而是一组围绕AI编程助手以Claude Code这类命令行工具为主构建的可插拔技能集合。装上它AI不再只停留在“你问我答”的聊天层面而是能主动调用浏览器、处理文件、拆解复杂任务、自我反思修正甚至在你睡觉的时候帮你把研究报告初稿跑出来。我第一次意识到这东西的价值是在一个数据清洗任务里。以前我让AI帮我处理几百个CSV文件它只会给我一段Python代码让我自己跑。但用了superpowers之后它直接调用文件操作技能把文件读进来、按列合并、去重、输出汇总全程我只说了三句话。这种“从给建议到帮你干完”的转变就是它的核心价值。1.2 为什么光靠提示词技巧不够用很多人可能觉得AI能力不够是提示词写得不好。说实话这个观点在我遇到superpowers之前也是我的默认看法。但实际用久了你会发现提示词能撬动的上限很有限。你能用语言指挥AI写一段代码但很难用语言让AI像人一样反复查看文件、验证结果、根据报错自动改代码再试。这就是关键区别普通的对话式AI是“单轮指令-响应”模式而superpowers把AI改造成了“任务拆解-多步执行-反馈修正”的代理模式。它靠的不是某个神奇的万能提示词而是一整套预定义好的技能文件。每个技能都告诉AI一个具体的操作流程怎么写脚本、怎么调用工具、怎么检查结果、出错了怎么处理。相当于给AI装上了“操作手册”加“工作流模板”。我举个好懂的例子让AI分析一个网页的内容。普通模式下AI只能阅读你复制粘贴的文本有了superpowers里的浏览器技能AI自己会打开浏览器、访问URL、等待页面加载、抓取正文、清理标签结构最后把结果存成Markdown文件。整个链路里的每一步AI都知道该怎么做因为技能文件里已经写得清清楚楚。1.3 这东西适合谁来用先说结论最适合三类人。第一类是重度使用AI编程助手的开发者。你已经习惯了用Claude Code这类工具写代码但觉得AI做事不够主动、退出对话就失忆。装上superpowersAI能记住你在做什么、按步骤推进、跨会话恢复任务状态。这对稍微复杂的开发任务帮助非常大。第二类是经常让AI做信息收集和调研的人。比如产品经理要做竞品分析、研究生要整理文献、自媒体要收集资料。superpowers里有一整套深度研究技能AI会自动拆解研究问题、分轮次搜索、记录每轮发现、最后汇总成带引用的报告比我手动开一堆标签页高效得多。第三类是刚接触AI代理Agent概念但找不到入口的新手。superpowers的文档写得相当清楚安装过程不复杂而且它让你直接看到一个可运行、可验证、可扩展的Agent实践案例。用来学习AI代理的工作机制比自己从零搭框架轻松太多了。如果你只是一个偶尔让AI写个文案、翻译段话的普通用户那说实话目前没必要折腾这个。它的设计目标偏向生产力场景需要命令行基础也需要你愿意在配置上花一点时间。2. 拆解技能体系superpowers里到底有哪些skills2.1 核心技能按用途分成了几大类我翻遍了项目文档和技能目录把所有skills按功能做了个分类整理。大家最关心的“有那些skills”我按实际用途分成了六个大类任务规划与拆分类比如brainstorming、planning这类技能。它们让AI在动手之前先梳理目标、拆解步骤、列出验收标准。我最大的感受是用了planning技能之后AI给的方案不再是空泛的“第一、第二、第三”而是带允许/禁止事项、完成定义、边界条件的可执行方案。文件与脚本操作类这是最实用的一个类别。skill会教AI怎么读写文件、批量重命名、递归遍历目录、按正则规则批量替换内容以及在什么情况下用Python脚本而不是直接改文件。以前让AI改一堆文件名它只会给你一段os.rename的示例代码现在它直接建脚本跑一遍跑完还告诉你结果。研究检索与信息收集类包括web-search、deep-research等技能。它们的核心不是“搜索”而是“怎么组织一次完整的研究”。比如先做初步调研形成关键词矩阵再分角度深入检索每轮检索都记录来源和摘要最后把不同来源的信息交叉验证、汇总成文。我做竞品分析的时候实测过整理出来的报告结构比我自己写的还清晰。浏览器自动化类这个技能让AI能操作真实浏览器环境。它能够打开网页、点击元素、填写表单、滚动页面、提取渲染后的内容。特别适合处理那些需要登录或动态加载的页面。我拿它爬过某个需要多次点击“查看更多”才展开全部内容的榜单页面效果很稳。自我反思与质量检查类这类技能看着虚实际价值很大。比如review技能AI完成任务后会按检查清单逐条核对代码有没有未处理的异常文档里有没有过时的描述结果有没有验证过我用了之后最明显的变化是AI交上来的东西不再“像没检查过的作业”至少能自查一遍再交付。上下文管理与协作类包括会话恢复、项目状态跟踪这些技能。它们解决了一个我特别痛的问题AI一开新窗口就什么都不记得。superpowers支持将当前任务进度、项目状态、关键决策写入文件下次开对话可以加载回来继续干。2.2 技能文件内部是怎么工作的光知道你有一堆skills没用你最好也理解它们的工作机制这样出问题时才修得了。superpowers里的每个技能本质上就是一个带前置约定的文件夹。每个技能文件夹里通常包含一个SKILL.md文件里面用清晰的层级结构写着这个技能用来干什么、在什么场景下触发、要遵循什么步骤、输出什么格式、有哪些注意点。另外可能附带示例文件、模板文件、配套脚本。AI通过读取这些Markdown文件在合适的时机激活对应的技能。激活方式也很有意思。superpowers采用的不是“必须记住几千个命令”的强制方式而是通过规则文件比如.claude/rules/下的规则告诉AI当用户的任务涉及某个领域时自动去查对应技能的SKILL.md然后按里面的指导执行。我拿planning技能举个例子。它不只是在用户说“帮我规划一下”时才被触发。当你的请求里包含目标、约束条件、需要多步骤完成的任务时AI会主动调用planning技能的SKILL.md按里面的模板生成一份计划并明确区分“必须做的事”和“禁止做的事”。这种“规则匹配主动查文档”的机制比单纯靠模型记忆要可靠得多因为每个技能的具体操作细节全部展开写在文档里不需要AI凭空发挥。2.3 我实测下来真正高频使用的几个技能技能目录里虽然内容丰富但说实话不是每个都能天天用上。我把自己压测过、并且现在每天都在用的几个列一下给想装的朋友做个优先级参考技能我的使用场景实际感受planning接到稍复杂的开发任务、写博客大纲输出结构质量提升非常明显不再遗漏边界情况file-ops批量处理文件、改配置、整理目录最稳的技能之一出错率极低deep-research竞品分析、技术选型调研产出完整度远超预期但耗时长browser automation抓取动态页面、处理需要交互的站点一次调通需要耐心但成功之后效率极高review代码合并前自查、文档检查明显减少低级错误尤其适合我这种粗心的人一个额外的心得不要一口气把所有技能都启用。刚开始我只启用了planning和file-ops两个用顺手了才逐步增加。一次性引入太多AI反而会在技能选择上犹豫甚至出现两个技能都想用、结果互相打架的情况。这和给人装软件一个道理装太多全家桶系统早晚卡顿。3. 安装与引入从零开始把superpowers跑起来3.1 安装前要准备什么想顺利装好superpowers我建议先确认下面几样东西齐全了再动手省得到时候卡在某个环节又回去补课。第一你需要一个能跑AI编程助手的终端环境。superpowers目前主要面向Claude Code这类命令行工具所以你得先装好Claude Code并完成登录。我用的是macOS自带的终端Linux和Windows的终端理论上也行但Windows的建议用Windows Terminal加WSL纯PowerShell环境某些脚本可能会遇到兼容问题。第二你需要有稳定可用的网络环境。因为安装superpowers要从GitHub拉取项目仓库AI运行过程中调用技能时也可能需要联网例如做在线搜索和打开网页。第三最好对Git的基本操作有个概念。至少知道git clone、git pull是干什么的。因为superpowers的安装和更新本质上就是把一个Git仓库拉到本地指定目录偶尔更新一下保持和上游同步。顺便提醒一下如果你的环境中已经存在其他AI Agent插件或自定义规则建议先备份。我就遇到过新装的rules文件和之前的自定义规则互相覆盖的情况当时没备份花了半小时重新补配置。备份时直接把.claude目录复制一份就行不需要什么额外工具。3.2 标准安装步骤亲测可用的流程我把自己实际操作成功的流程整理成了一份步骤清单。这套流程我在一台全新的macOS机器上复现过一遍干净环境下能一次通过。第一步打开终端进入你的项目工作目录。假如你还没建项目先建一个专门放AI相关实验的目录。这个步骤没有特别之处但决定了后续所有配置文件落在哪里。mkdir -p ~/projects/ai-lab cd ~/projects/ai-lab第二步克隆superpowers仓库到本地。官方推荐的做法是直接clone到当前项目下。命令如下如果你的网络比较慢可以加--depth1只拉取最新版本能省不少时间。git clone --depth1 https://github.com/obra/superpowers.git第三步把项目里的.claude配置目录链接或复制到你需要生效的项目根目录。这一步很关键因为Claude Code运行时读取的是项目根目录下的.claude而不是仓库里的那份。如果直接复制后续想升级得手动覆盖如果用符号链接git pull之后本地配置能自动同步。ln -s ~/projects/ai-lab/superpowers/.claude ~/projects/ai-lab/.claude第四步检查skill目录是否已经就位。执行下面的命令如果能看到一串技能的文件夹名称说明配置的目录结构没问题。ls ~/projects/ai-lab/.claude/skills第五步启动你的AI编程助手在当前项目目录开始对话。我这边的经验是新配置通常在启动时就会被加载。如果旧会话是在安装之前就打开的建议退出重进一次让新配置生效。整条流程跑下来五分钟不到我第二次装的时候甚至没看文档就完成了因为它本质上就是一个Git操作加一个软链接。别被“给AI装技能”这种说法吓住实际操作比装一个浏览器插件复杂不了多少。3.3 怎么验证安装有没有真正生效装完不代表配好了我还是习惯花一分钟做个小验证。这里分享一个我在实际中摸索出来的验证方法比单纯看文件列表靠谱。不要直接问AI“你有没有superpowers技能”这种问法很容易得到模棱两可的回答。更好的做法是给AI一个非常具体的测试任务比如让它“在项目目录里建一个名为demo.md的文件写入当前日期并告诉我执行结果”。如果superpowers的file-ops技能已经生效AI会先查看当前目录结构然后调用文件写入技能再检查文件是否创建成功。你还会在回复中看到它提到“根据file-ops技能的操作规范”或类似的话。另一个更直接的验证方式是让AI展示它能加载哪些技能。你可以这样问“请查看当前项目可用的技能清单并列出前五个。”如果配置正确它会读取skills目录给出真实的技能列表而不是编造一份。这里有个小陷阱有些AI在没有真实数据时会根据常识瞎编所以看到它列出目录里不存在的技能时别急着高兴先检查一下目录内容是否一致。我推荐一个更保险的方法在.claude/skills目录下随便新建一个测试技能文件夹里面放一个SKILL.md写一句任何能明确识别的测试说明。然后让AI按这个测试技能完成一个动作。如果成功执行说明技能的加载链路完全正常。测完顺手把测试文件夹删掉就行不留在正式环境里。3.4 多项目与团队场景下怎么引入single项目下配置好之后你很快会发现另一个问题难道每个项目都要手动clone一遍我一开始也是这样被“折磨”过的后来找到了几种更优雅的引入方式。一种做法是全局配置。把superpowers的.claude目录配置到~/.claude下这样所有项目默认都能使用这套技能。这种方式的优点是省事缺点是所有项目都背着一套大而全的技能包部分项目根本不需要deep-research这类重型技能启动时多少会拖慢节奏。另一种做法是按项目引入。就像我上面写的在项目根目录建立软链接。团队协作场景下你还可以把软链接或者配置说明写进项目的README里新同事clone项目后执行一条命令就能把环境搭起来。我比较推荐一个折中方案把superpowers仓库clone到一个统一目录比如~/tools/superpowers然后在每个需要它的项目里创建符号链接指向那个统一目录。更新时只需要在统一目录里git pull一次所有项目的配置就同步更新了一举两得。cd ~/tools/superpowers git pull这条命令跑完不需要手动复制文件也不需要重装任何依赖我在多个项目里用这套方案稳定跑了两周。团队协作时只要每个人都指向同一个仓库目录版本不一致的问题也几乎不会出现了。4. 实战演示一个真实任务看我如何“指挥”superpowers干活4.1 任务设定让AI替我整理一份技术选型调研报告理论知识说了一堆还是拿个实际任务走一遍最直观。这次我让AI帮忙完成一个技术选型调研比较三个主流本地数据库的优缺点选一个适合我当前项目的方案。这里我故意没有给AI具体搜索指令只说“帮比较一下sqlite、duckdb和lancedb的适用场景并结合我的项目情况给个选型建议”。我的项目背景是单机Python应用需要处理几百万行结构化数据偶尔做一次向量检索没有多用户并发需求部署环境受限不能走云服务。放在以前这种请求AI只会给我一篇泛泛而谈的对比文章念一遍官网介绍就完事。但这次superpowers的deep-research技能开始介入了。4.2 技能调用链路从规划到执行到产出的全过程我在对话里开启了debug模式的思考过程把AI每一步的动作看得清清楚楚。它先是调用了planning技能把“技术选型”这个模糊目标拆成了四个子任务场景需求整理、候选方案资料收集、各方案优劣势对比、结合项目给出结论。接下来它没有直接从记忆里翻资料而是打开了deep-research技能的操作手册按照手册里的“调研循环”执行。手册要求先做一轮初步搜索建立基本信息然后针对每个候选方案进行深入检索每轮检索后记录来源URL和关键摘要还尤其强调要寻找不同来源之间对同一问题的不同观点。这样做能尽量避免因为只看官网文档而产生认知偏差。然后它开始调用web-search技能进行实际的信息检索。我看到它搜索了“duckdb vs sqlite large data performance”这类关键词并对索引描述进行了操作。尤其让我意外的是它没有一次搜索就收手而是针对“lancedb vector search production”这个方向继续深入搜索了更针对性的内容。最后一步是整理输出。它把收集到的信息按三个维度对齐性能边界、生态成熟度、部署复杂度。输出结果不是简单的“A好B坏”而是一份结构完整的Markdown文档包含对比表格、关键引用链接以及每个候选方案的“适合场景”和“不适合场景”。整个执行过程持续了大概四分钟期间我完全没有干预。4.3 引入前后对比效率和质量到底差了多少任务结束后我把这次的结果和之前用普通对话模式做同类调研的结果做了个对比差距比我想象中大得多。主动程度普通模式用了两次提示词催促superpowers模式全程零提示一次完成。结构化程度普通模式给出的是正文段落superpowers模式输出的是带标题层级、对比表格、验证清单的规范文档。信息时效与来源普通模式主要靠模型记忆里有限的训练资料superpowers模式实际搜索并记录了来源URL信息更新更及时。可追溯性普通模式的结论只能凭感觉判断是否可靠superpowers模式的每一步推断都能列出佐证来源。耗时普通模式大约需要两分钟准备提示词和两次追问superpowers模式一次性执行四分钟但整体体验是完全不需要盯着看的状态。有一点我觉得需要说明superpowers并不会让模型变聪明也不是什么神奇的“万能解码器”。它的价值在于把那些耗时间的动作——搜索、整理、验证、改文件、写总结——从“让人类一步步指挥”变成了“AI按手册内化工作流自动执行”。从体验上看它像是给对话式的AI装上了“行动力”和“流程感”。我在实际使用中还发现一个细节就是任务描述得越接近“目标导向”效果越好。如果你跟它说“帮我查一下duckdb”它大概率只做基础搜索但如果你说“帮我判断duckdb适不适合我的场景并给出理由”激活的技能组合完全不同。用户表达目标的方式直接决定技能链路的走向。5. 常见问题与排查技巧实录5.1 安装阶段最容易踩的坑我装了两遍也帮两位朋友远程排查过安装问题几乎每次都栽在同一个地方符号链接没有生效。原因大多不是命令写错而是目标目录不存在导致ln -s把链接创建到了错误位置生成的是“文件夹套文件夹”的嵌套结构。排查方法很简单直接在项目根目录执行ls -la看看.claude是否指向了superpowers仓库里的.claude目录。如果看到.claude显示为一条带箭头的符号链接说明链路是通的。还有一个高发问题是装好了但AI不读取。遇到这种情况先确认你启动AI时所在的工作目录是不是项目根目录。Claude Code读取的是“当前工作目录”下的.claude配置如果你人在/home/user下启动自然读不到/home/user/project下的技能配置。这个和代码里的相对路径问题很像路径不对一切白搭。5.2 技能装了不少但AI就是不主动调用这是我在使用中遇到最多的问题类型。明明技能都装好了AI却好像完全不知道它们的存在只顾着用普通方式回答我。我后来总结出一个核心逻辑技能触发的前提是AI在上下文里知道这些技能存在。如果连看都没看过技能目录那它自然没法自动激活。因此遇到不调用的情况时直接把技能路径告诉它问题就解决了一大半。比如明确说“请查看.claude/skills/planning下的SKILL.md按里面的步骤处理当前任务。”另外一个原因更加隐蔽一次对话里塞的需求太杂AI在多个相互矛盾的技能之间难以抉择。有一次我让它“写一段处理每个文件同时整理成报告”的请求结果file-ops和planning两个技能都在试图主导AI反而像宕机一样用了最平庸的对话方式回复。后来我把任务拆成两步先规划后执行情况立刻改善。所以当你感觉技能变“钝”的时候先看看自己的需求是不是交代得太模糊、太一锅炖了。5.3 安全和权限边界哪些地方要格外小心superpowers赋予AI的操作能力变强随之而来的是安全边界问题。它在给你带来便利的同时也意味着AI有了更多“手”来操作你的电脑。我用了一段时间之后总结了三条必须守住的底线。第一不要用root或管理员权限全程跑AI代理。如果AI误执行了危险脚本以普通用户权限运行至少能挡住一部分破坏。血的教训我有一次让它批量清理项目里的临时文件正则写错差点把源码目录一并删了。好在普通用户没有系统级写入权限否则后果比现在严重得多。第二陌生技能要审阅后再启用。GitHub上有很多人分享自定义技能包但你不能保证每个都无害。技能本质上是可执行指令集合恶意技能完全可以让你的AI把文件打包上传。我现在的习惯是凡是陌生人提供的技能先打开SKILL.md从头到尾读一遍确认里面没有可疑命令再决定是否启用。第三给AI设置明确的行为禁区。在配置里把“禁止删除文件”“禁止执行curl命令”“禁止修改配置文件”这类规则写清楚比事后假装没看见AI干的坏事要省心得多。你可以通过修改.claude/rules/目录下的规则文件来预设这些边界。AI会在每次决策时受到这些规则的约束相当于提前给超能力装了一个安全锁。我把这三条总结成一句话AI的能力越强越要给它划定明确的国界。人们往往等到出问题了才意识到安全边界的重要性提前补好能省很多事。5.4 进阶玩法如何自定义自己的skillssuperpowers最有魅力的地方不是开箱即用的那一堆技能而是它提供了一套清晰的机制让你能把自己的重复性工作流程固化成新技能。我在这块尝试得比较多因为我的工作流里有不少“老重复”的任务。写一个自定义skill步骤并不复杂。在.claude/skills下新建一个文件夹命名最好是简短的小写英文。然后在这个文件夹里创建一个SKILL.md开头用一段话说明技能的触发条件和适用范围。正文部分按具体步骤展开要写得足够细致因为AI是严格按照文档执行的你需要把执行顺序、输入输出格式、遇到异常怎么处理都交代清楚。我举一个自己实际写的例子。我经常需要把网页上的招聘信息整理成统一的Excel表格这个任务步骤固定打开页面、提取职位名和公司名、整理去重、写入表格。以前每次都要现场描述一遍描述得都快烦了。后来我花15分钟把这个流程写成一个job-extractor技能之后每次只需要说一句“帮忙整理这个页面的招聘信息”AI就会自己按流程执行。值得留意的是写SKILL.md时要多写“异常分支”比如页面加载失败怎么办、某个字段为空怎么处理。不写清楚AI第一次遇到这些情况时会尬住。5.5 性能与资源占用重度使用时要注意什么最后提一个容易被忽视的点性能。别以为superpowers是纯文本规则资源占用就应该很低。当AI执行浏览器自动化或深度研究时你需要先打开真实的浏览器环境再加上每轮搜索的网络请求和页面渲染CPU和内存占用会明显上升。我自己的实测数据是跑deep-research类任务时系统内存占用峰值能到3GB以上风扇转速比平时办公时高一大截。如果你电脑配置比较低建议不要把“研究任务”和“开发任务”同时跑至少我试过两次并行两次都出现明显卡顿。执行长时段任务时建议把终端放在后台运行或者挂一个会话保持工具避免因断网、休眠导致任务中断。我有一次跑了五分钟的调研眼看就要出报告了电脑自动休眠进程直接被挂起。重新唤醒后任务状态虽然能恢复但丢了一部分中间记录。后来我学乖了在跑长任务前先把系统休眠关掉或者至少把电源计划改成“永不休眠”。结尾一点真实的个人体会把superpowers从头到尾折腾完我最大的感受是AI工具的进化速度已经超过了很多人的使用习惯更新速度。以前我总觉得AI只是个“聪明点的搜索引擎”但superpowers这类项目正在把AI从回答问题推向直接交付结果。这个改变用“量变到质变”来形容毫不夸张。说实话我也踩过不少坑比如装完不生效、技能互相干扰、甚至有一次差点让AI把项目配置文件覆盖了。但把这些坑填平之后它确实变成了我AI工作流里不可缺少的一块拼图。合理的路径是先进门装上两三个最常用的技能用顺手了再慢慢扩展。先解决眼前最痛的重复劳动再考虑要不要“全副武装”。最后分享一个小技巧如果你不确定从哪个技能开始用先把planning装上。它不依赖任何外部服务安装零风险而且能让AI一上来就展现出完全不同的做事态度。等看到一份结构清晰、边界明确的任务方案时你会意识到superpowers这条路走对了。