最近后台好几个朋友都在问同一个问题网上一堆人在说的 superpowers 到底是什么它有哪些 skills又该怎么引入到自己的 AI 助手里面“想要安装 superpowers”这个搜索词热度一直没降但真正能说清楚的人并不多。我干脆把自己这段时间折腾的经验整理成一篇长文从安装、引入、技能拆解到常见问题排查一次讲透。如果你只是听人说“这个很强”但对它完全没有概念这篇可以直接当操作手册来用。如果你已经在用 Claude Code、Cursor 或者其它支持技能的 AI 编程工具想给助手装上“高质量的工作习惯”这篇文章同样值得花几分钟读完。我会尽量绕开官方文档里不写、但实际折腾过才知道的坑所有步骤都是我自己复现过的你一步一步跟着做就行。先记住一句话superpowers 本质是一套给 AI 助手用的“职业技能包”。你把它下载到本地告诉助手这些技能放在哪个目录助手遇到对应场景时就会自动调用对应的方法论而不是每次从零瞎猜。它解决的痛点非常具体AI 对话时前后行为不一致、思考深度不够、写代码没有章法、需求一变就推倒重来。装上这套技能之后助手会像一位受过专业训练的员工而不是只会即时发挥的实习生。1. superpowers 到底是什么解决什么问题1.1 从“一次性对话”到“可沉淀的技能库”用过 AI 编程工具的人应该都有这种感觉这次对话里它表现得像个高手换个项目、隔一天再聊又变回一个只会复述常见套路的新手。原因很简单大模型的输出高度依赖上下文你不在对话里反复强调规范它就很难保持高水平发挥。superpowers 的思路就是把这些“规范”固化成一个个技能文件。每个技能都是一份 Markdown 文档里面写清楚了某个任务怎么做才靠谱包括思考框架、执行步骤、输出格式、验收标准。AI 助手读到这些技能文件之后遇到对应场景就会按里面的流程走相当于你给助手装上了一套“肌肉记忆”。这个思路真正聪明的地方在于技能不是硬编码在模型里的而是以文本形式存在你可以随时修改、增删。今天我嫌某个技能的步骤太啰嗦直接改文件就行不需要等模型升级也不需要重新训练。对于团队来说如果大家共用一套技能库那所有 AI 助手的行为基准天然就是统一的不需要每次开工前花半小时写系统提示词。1.2 为什么选 superpowers 而不是自己写一套提示词有人可能会问我自己写一套很详细的 system prompt不是也能达到类似效果吗能但维护成本完全不同。我自己以前就干过这事写了一个两千字的“AI 行为守则”刚开始效果还不错但用了两三个星期就发现问题了——提示词越长模型越容易在后面丢失前面的指令而且一旦要调整某个环节的细节整个文件都要动改一处牵一发而动全身。superpowers 的拆法是把大而全的规范拆成一个小而专的技能文件每个技能只解决一类问题。助手也不会在每轮对话里都加载全部技能而是在进入对应场景时再按需读取。这种方式有三个明显好处第一指令的密度高模型更容易执行不会因为一次塞太多信息导致行为漂移。第二新增或修改技能完全不影响其它技能你可以像搭积木一样自由组合。第三社区里已经有人帮你写好了大量经过验证的技能拿来就能用不用从零总结方法论。1.3 技能库的组织方式CLAUDE.md 加技能目录要理解 superpowers 的工作原理得先看它的文件结构。整个技能库大致分成两层最外面一层是 CLAUDE.md它是入口相当于一份全局使用手册告诉 AI 助手“你是一个拥有众多技能的专业助手遇到任务时先判断该调用哪个技能”里面一层是 skills 目录里面放了几十个独立的技能文件。这里我多说一句 CLAUDE.md 是干嘛的。用过 Claude Code 的朋友应该知道它会在工作目录里自动读取 CLAUDE.md 作为项目级指令相当于项目的“员工手册”。superpowers 就是借用了这个机制把技能的文件路径和调用规则写进 CLAUDE.md让助手在启动时就清楚自己有哪些可用技能。技能文件之间不是孤立的它们会互相引用。比如“质量管理”技能会引用“测试驱动开发”技能你触发前者的时候助手会自动把后者也纳入执行流程。这种互相引用的设计让原本零散的方法论变成了一个完整的工程流水线。2. 安装和引入两条路线十分钟上车2.1 快速安装脚本与手动安装我推荐哪一种先说结论如果只是想体验用快速安装脚本如果想深度定制或者离线环境使用手动克隆仓库更稳妥。我不会一开始就塞给你一堆命令行参数而是把两种方式的适用场景说清楚你按自己情况挑。快速安装只需要一条命令curl -fsSL https://raw.githubusercontent.com/anthropics/superpowers/main/install.sh | bash这条命令会帮你把仓库克隆到本地然后自动在~/.claude/CLAUDE.md里追加一段配置告诉 Claude Code 到哪里去找技能文件。整个过程大概十几秒适合第一次安装、想快速尝鲜的朋友。手动安装其实就是把上面那一步拆开来自己做git clone https://github.com/anthropics/superpowers.git ~/.superpowers克隆完成之后需要手动在~/.claude/CLAUDE.md里加入技能目录的引用或者通过 Claude Code 的/plugin命令来加载。手动安装的优点是你可以把技能库放到任意目录比如团队共享的网盘、项目内部的 vendor 目录也方便后续用 git 管理自己的技能改动。我个人的建议是第一次安装先用脚本跑一遍确认环境没问题之后再改成手动方式这样你能更清楚地理解“配置到底写在了哪里”后面排查问题时心里更有底。2.2 全局引入还是项目级引入不同场景的取舍安装完成之后还有一个很容易被忽略的问题这个技能库是全局生效还是只在某个项目里生效~/.claude/CLAUDE.md属于全局配置你在任意目录里启动 Claude Code 都会读到它所以技能对所有项目都生效。这种方式适合你已经形成了一套自己的通用工作流希望 AI 助手在项目里始终保持同样的高水准。但缺点是如果某些技能对特定项目不适用助手可能会在没必要时引入复杂流程。项目级引入则是在项目的CLAUDE.md里追加一行配置指向你的技能目录。比如Read the skill files from /Users/me/.superpowers/skills/ when the task requires structured thinking or complex workflows.这种方式的粒度更细。比如写文档类项目和写代码项目的技能需求完全不同你可以在文档项目的 CLAUDE.md 里只指向写作相关的技能在代码项目里指向完整的编码技能链。还有一种折中方案也是我目前在用的全局目录保留通用技能比如 brainstorming、thinking、decision-making项目目录里再加项目专属技能比如 test-driven-development、debugging。这样既保证了基础能力统一又能灵活适配不同项目的特殊要求。2.3 安装后的目录结构长什么样安装完之后很多人不知道该怎么检查是否成功了。这里我把典型的目录结构列出来你对照着看就能心里有数。~/.superpowers/ ├── CLAUDE.md ├── install.sh ├── skills/ │ ├── brainstorming/ │ ├── creating-notes/ │ ├── debugging/ │ ├── decision-making/ │ ├── documenting/ │ ├── git-workflow/ │ ├── implementation/ │ ├── quality-review/ │ ├── research/ │ ├── scaffolding/ │ ├── test-driven-development/ │ └── ... └── ...注意每个技能都是一个独立文件夹文件夹里通常包含一个SKILL.md主文件和若干辅助文件。SKILL.md 的开头一般会有名称、描述、适用场景这部分内容会被 Claude Code 读取用于判断什么时候该调用这个技能。提示如果你在目录里看到没有 SKILL.md 的文件夹多半是残留的空目录或者旧版本遗留直接删掉不影响使用。这个细节我后面会在排查章节再展开。3. 核心技能拆解到底有哪些 skills 可用3.1 思维与规划类技能让 AI 先想清楚再动手打开技能的完整列表第一类让我眼前一亮的是思维与规划类。这些技能存在的意义很明确逼着 AI 在动手之前先做足分析和规划而不是拿到需求就直接输出结果。典型代表有brainstorming当你需要创意方案、备选思路时它会引导 AI 先发散再收敛产出的结果会附带多角度的分析和取舍过程。thinking适合复杂问题的深度分析它会要求 AI 逐步展开推理而不是直接给结论。decision-making给出决策选项和评判标准让 AI 在做出选择时说明理由这对避免“看起来像那么回事但经不起推敲”的输出很有帮助。creating-tasks把目标拆解成可执行的步骤适合把大需求变成任务清单。我自己最常用的是 brainstorming 和 thinking。以前让 AI 帮忙设计方案它经常会直接给一个默认方案虽然能用但总感觉缺少对比和思考过程。触发 brainstorming 之后它会把多个候选方案摆出来逐个分析优缺点再做推荐。这个过程不仅输出质量高还能反过来逼我自己把需求想得更清楚。3.2 编码与工程类技能从开发到测试的一条龙规范如果你拿 superpowers 来辅助写代码那编码和工程类技能就是重头戏。这类技能基本覆盖了软件开发全流程implementation负责把需求落到具体代码但它要求先理解现有代码结构再决定从哪里改、怎么改而不是盲目堆新代码。scaffolding初始化项目结构、生成目录和基础文件时特别有用保证项目一开始就有清晰的分层。test-driven-development强调先写测试再写实现配合红绿循环来驱动开发对长期维护的项目帮助很大。debugging遇到 bug 时不会让你瞎试而是先建立假设、再验证、再定位效率高很多。git-workflow规范提交信息的写法比如处理提交前缀、提交信息格式、分支管理策略减少团队协作时的混乱。quality-review相当于代码评审助手它会按照定义好的标准逐项检查代码质量和设计合理性。有一个很典型的场景我以前修 bug 时会直接把报错信息丢给 AI 让它猜原因它有时候会猜对但经常改了一个地方又冒出新问题。用上 debugging 技能之后它会先让我描述期望行为和实际行为再分析可能的原因逐个排除最后才给出修复方案。整个过程更像一个严谨的工程师而不是一个“瞎猜式”代码补全工具。3.3 文档与输出类技能让人少操心的交付物生成器写代码之外的产出同样重要尤其是写文档和技术说明这种事AI 经常写得天花乱坠但抓不住重点。这一块 superpowers 也有专门技能来治documenting负责生成项目文档、更新 README它会先收集上下文再按结构输出不会凭空编造细节。creating-notes适合把会议记录、对话总结整理成结构化笔记丢掉口语化表达提炼关键结论。spellchecking用于文本校对不只是查错别字还会检查措辞一致性和表述清晰度。thesis-writing针对长文写作会帮你规划章节结构、梳理论证逻辑对写技术方案和报告特别合适。我的体会是文档类技能和思维类技能搭配使用效果最好。先让 brainstorming 帮你梳理要表达的核心观点再让 documenting 或 thesis-writing 生成正式文本最后用 spellchecking 过一遍出来的内容基本可以直接交付。3.4 元技能技能本身也可以被“造出来”superpowers 里面还有一个特别有意思的分类——元技能也就是用来创建新技能的技能。你可能会觉得这个有点绕但实际用起来价值非常大。比如skill-creation这个技能它会指导 AI 按照特定模板帮你生成一个新的技能文件包括技能描述、触发场景、执行步骤、输入输出规范。你只需要告诉它“我想做一个专门处理代码审查的技能”它就会自动生成一份结构完整的 SKILL.md。这意味着什么意味着 superpowers 不是一个封闭的“工具箱”而是一个可以不断扩张的技能体系。团队里积累了新的工作方法论随时可以把它固化成技能文件加入技能库。用久了之后这个库会越来越贴合你自己的业务特点而不是永远停留在官方默认的那几十个技能上。4. 具体使用流程从安装到验证完整跑一遍4.1 安装后的第一步检查技能是否真的被加载很多朋友安装之后直接就开始对话发现 AI 助手好像没什么变化就以为安装失败了。其实不是失败了只是技能没有被正确触发或者你的对话内容还没进入对应技能的调用场景。我建议安装完之后先做一个快速验证。启动 Claude Code直接问它“你现在可以使用哪些 superpowers 技能列出来给我看看。”如果配置正确它会按照 CLAUDE.md 里的指引读取技能目录并给你一个技能清单。如果它回答不出来或者回答得很模糊那基本可以判断配置没生效。这时第一步检查~/.claude/CLAUDE.md里有没有正确的技能路径。常见的问题是安装脚本写入的是绝对路径但你手动移动过目录导致路径失效。这种情况重新写入一次正确的路径就行。提示改完 CLAUDE.md 之后需要重启 Claude Code 会话才能生效很多“没反应”其实只是忘了重启。4.2 一个真实的调用场景拆解为了让你更直观地理解技能是怎么被调用的我拿自己最近做的一个小需求作为例子。我让 AI 助手帮我把一个 Python 脚本重构为更清晰的结构。如果没装 superpowers它大概率会直接把代码改一遍然后输出新的文件不会解释改动逻辑也不会主动检查测试。装了之后我输入需求时它全程会自动进入一套更严谨的流程大致过程是先描述这个重构的期望结果然后它会判断需要调用哪些技能。进入 implementation 流程要求我先说明现状约束和边界条件。在动手改代码前它会建议先看一下现有测试覆盖情况并提醒我是否要用 test-driven-development 技能。完成修改后它会主动进入 quality-review按编码规范检查新代码。最终提交时它会按照 git-workflow 的建议生成规范的提交信息。整个过程不需要我逐条下指令它自己就知道该走到哪一步。这才是 superpowers 真正厉害的地方不是单个技能多牛而是技能之间会自动衔接形成一个完整的工作链路。4.3 不同 AI 客户端的兼容性说明superpowers 最成熟的运行环境是 Claude Code因为它原生支持读取 CLAUDE.md 和技能目录。但如果你用其它支持自定义指令的客户端比如 Cursor、Windsurf 或者一些国内大模型的智能体平台也别急着放弃。这些客户端通常支持加载自定义指令或规则文件。你可以把 superpowers 的规则内容整理成一个系统指令文件放到对应客户端的配置目录里。虽然没法保证 100% 支持技能按需加载但至少可以让 AI 具备“遇到复杂任务先调用方法论”的意识。有些客户端支持类似 CLAUDE.md 的机制比如项目级指令文件那就可以直接沿用同样的思路只要把技能目录路径写入对应的指令文件即可。兼容性这块没有统一标准我的建议是先看客户端文档里有没有类似“项目规则”或“全局指令”的配置项再决定怎么适配。5. 常见问题与排查技巧实录5.1 技能没被加载先查这两处再说这是出现频率最高的问题。我总结了一下百分之八十都是出在以下两个地方第一个是 CLAUDE.md 文件的位置或内容不对。有些朋友把技能路径写在项目级 CLAUDE.md 里但技能目录放在全局路径下虽然也能用但一旦在不同项目里切换就容易找不到。最稳妥的做法是路径写绝对路径并且确保文件本身是 UTF-8 编码不要带着 BOM 头否则解析容易出问题。第二个是技能目录命名和引用不一致。AI 助手是靠技能描述来匹配调用场景的如果你的 SKILL.md 里描述写得特别笼统比如只写了“此技能用于编程”那 AI 很可能不知道该在什么时刻调用。用我自己的话来说技能描述越具体触发越精准。5.2 技能文件冲突、目录残留和版本更新问题superpowers 更新迭代很快社区里经常有新技能加入旧技能被优化。如果你是在旧版本基础上直接用 git pull 更新有可能会遇到两个问题一个是本地对技能文件做过修改pull 时发生冲突。这种情况 git 会提示你手动解决冲突处理方式就是保留你需要的改动再继续拉取。如果你不太想维护本地差异也可以选择不直接 pull而是重新 clone 一份全新目录然后再把自定义技能拷贝进去。另一个就是旧的技能目录残留问题。更新后有些技能可能被重命名或合并但旧目录没有被自动清理如果残留目录里刚好有同名文件可能会干扰助手对技能数量的判断。遇到这种情况手动清一遍目录只保留实际在用和需要的技能文件夹就好了。5.3 常见误区superpowers 不是“装了就能起飞”的魔法最后我想泼一点冷水。很多人把 superpowers 想得太神了以为装上之后 AI 就会瞬间变成顶尖工程师这是最大的误解。它本质是一套流程规范和方法论效果好坏高度依赖于“使用者怎么引导”。如果你自己都不知道需求边界在哪里AI 即使按照 brainstorming 流程问你十个问题你也答不上来那它自然也产不出好方案。superpowers 的价值是放大了你已有的判断力而不是替代你的判断力。另外不要盲目把几十个技能全部塞给 AI。技能越多AI 在匹配调用时的复杂度就越高反而可能降低响应效率。我的做法是只保留当前工作流真正需要的技能把其余的全部移出技能目录等有需要时再加回来保持整个库的精简和可控。5.4 只有一个技能被反复触发时怎么办还有一个很实用的排查问题AI 在执行任务时反复调用同一个技能跳不出循环导致效率低下。通常是因为技能描述写得过于宽泛比如一个叫“thinking”的技能描述里写着“遇到任何问题都用它”那 AI 自然每件事都会先触发它。解决办法是把技能描述改得更具边界感。比如把“在需要深度分析复杂问题时使用”改成“当问题涉及多个变量、存在相互冲突的约束条件时使用”让 AI 能把“复杂思考”和“普通查询”区分开。5.5 自定义技能的一些习惯建议既然 superpowers 支持自定义技能我强烈建议你不只停留在官方提供的几十个技能上而是把自己常用的工作方法沉淀成技能文件。比如你团队有一套专门的代码审查规范或者你写文档有固定的章节模板都可以做成 SKILL.md 放进去。创建自定义技能时我总结了三个关键点描述清楚触发条件、列出可执行的步骤、定义输出格式和验收标准。如果你的技能能让一个不了解背景的新手 LLM 看着文件就知道怎么干活那这个技能就算是合格了。每次用完自定义技能后也可以根据效果持续修订文件让它越来越贴近真实需求。我个人在实际操作中的体会是superpowers 这套东西最珍贵的不是那几十个现成技能而是它提供了一个思路你可以把零散的工作经验系统化、文件化让它能被 AI 持续复用。装完它之后我最大的变化是开始整理自己的“个人技能库”了——每次发现一个好的工作方法我都会按技能模板写下来慢慢积累成了自己的私有技能包。如果你也想让 AI 助手从“能用”变成“好用”这一步值得花点时间认真做。