看到不少群里在聊 Superpowers说它是“给 Claude 装上超能力”我当时第一反应是又一个包装出来的提示词合集后来自己装上用了一段时间才发现这东西的思路跟普通“提示词工程”完全不是一个量级。它解决的问题非常明确AI 编程写得“快”但经常离“靠谱”差一口气。代码生成速度早就不是瓶颈真正的瓶颈是 AI 做出来的东西能不能在你的项目里稳定落地、能不能一次跑通、能不能通过测试。Superpowers 就是冲着这一点去的——它不给 Claude 喂魔法咒语而是给它一套完整的工作方法论让它在动手写代码之前先想清楚写完代码之后自己验证全程有策略、有步骤、有兜底。这篇文章把我这段时间的实测经验、安装过程、核心技能拆解、工作流笔记以及踩过的坑全部整理出来。不管你是刚听说 Superpowers 的新手还是已经在用但想更深入了解的进阶玩家这篇应该都能给你一些有价值的东西。1. 先搞清楚 Superpowers 到底是什么很多人的第一印象是“一个提示词文件”或者“一个插件”。都不准确。Superpowers 本质上是一个Claude Skills 集合利用的是 Anthropic 在 Claude 中推出的 Agent Skills 机制。通俗讲就像给 Claude 配了一整套“岗位说明书 操作手册 质检标准”让它不再只是一个只会接话的聊天机器人而是像一个有经验、有流程的工程师在给你干活。1.1 它不是一个 IDE也不是一个插件先厘清边界。Superpowers 不是一个独立的编程软件也不依赖某个特定的 IDE。它的运行载体是Claude特别是 Claude Code、Claude Desktop 这类支持 Agent Skills 的终端/桌面环境。你可以把它理解为一个“技能包目录”。这个目录里有数十个预设的 skill 文件每个 skill 都对应一种能力比如如何把模糊想法整理成清晰需求如何制定工作计划如何写测试驱动开发TDD流程如何系统性地调试如何在交付前做完整验证这些 skill 不是静态的提示词而是带有明确步骤、检查清单、行为准则的“程序化指令”。当 Claude 遇到对应场景时它会自动加载并使用这些技能。整个过程有点像给一个聪明但毛手毛脚的新人配了一套 SOP他干活的时候有了章法质量自然就上来了。1.2 “从快到可靠”的底层逻辑标题里那句“让 AI 编程从快走向可靠”我用了这么久觉得这句话抓得非常准。普通的 AI 编程方式是这样你把需求丢给 Claude它噼里啪啦给你生成一堆代码看起来差不多一运行报错你再把错误丢回去它再改你再跑如此反复。这个过程写代码的速度确实快但可靠性很差。问题出在哪儿AI 根本没有花时间去理解你的项目结构和真正的需求它只是在“猜”和“补”。猜对了就快猜错了就是灾难循环。Superpowers 的解法是强制 Claude 在动手之前把“策略”想清楚。它有一套完整的技能链——先头脑风暴理清需求再制定计划再写测试再实现代码最后验证。每一步都有对应的 skill 文件约束它。你说这会不会拖慢速度确实会第一次用你会觉得它啰嗦但等你发现它交付的代码基本不需要返工的时候你就会明白可靠的慢才是真正的快。1.3 最适合哪些人用根据我自己的使用体验Superpowers 适合这几类人在真实项目中用 AI 编程的开发者不满足于“生成一段能跑的代码”而是希望 AI 能理解整个项目、不破坏现有功能、写出符合规范的代码。对 AI 编程有“失控感”的团队总觉得 AI 写代码不守规矩改一行坏三行想给 AI 立一套规矩的人。想系统化学习 AI 编程工作流的人Superpowers 本身就是一套优秀的方法论即便你不用它光是读它的 skill 文件就能学到很多关于如何正确使用 AI 协作的姿势。如果你只是偶尔用 AI 写个脚本、做个一次性任务那 Superpowers 对你来说可能有点“重”了。但如果你把它当作陪伴你整个开发周期的“协作者”它的价值会越用越明显。2. 从零到一安装 Superpowers实操步骤安装过程不复杂但有几个细节没处理好会卡半天。我把自己成功的路径完整写出来你照着走就行。2.1 环境准备和前置条件在安装 Superpowers 之前你需要确保本地环境满足这几个条件安装了 Claude建议是支持 Agent Skills 的版本Claude Code 或 Claude Desktop 均可系统里有 Git因为 Superpowers 是托管在 GitHub 上的仓库需要 clone 下来有一个能运行的 Shell 环境macOS / Linux 自带终端Windows 用户建议用 Git Bash 或 WSL我第一次安装时用的是 VS Code 里的 Claude Code 插件后面也试了单独的终端方案两者都能正常工作。核心原理是一样的把 skills 文件放到 Claude 默认读取的 skill 目录里。那这个目录在哪根据 Agent Skills 的规则Claude 会扫描一个专门存放 skills 的文件夹Superpowers 的安装脚本会帮你搞定这一切但你需要知道它放在哪方便以后管理。2.2 用 Git 拉取仓库安装 Superpowers 的第一步是去 GitHub 上把它的代码仓库拉下来。这个项目的仓库地址是github.com/obra/superpowers。在你希望存放该工具的位置打开终端执行git clone https://github.com/obra/superpowers.git这一步没什么特别的就是拉代码。拉完后你会看到一个名为superpowers的文件夹。里面除了 skill 文件还有一个install.sh脚本这就是安装的入口。2.3 执行安装脚本一键完成还是手动操作官方给的方式是直接运行安装脚本。在superpowers目录下执行cd superpowers ./install.sh这个脚本会干什么呢它会自动把项目里的 skills 文件复制到 Claude 的 skills 目录通常是~/.claude/skills。在整个过程中脚本还会提示你检查依赖比如 Git 是否安装等。如果你不想用脚本也可以手动把 skills 目录里的内容复制到~/.claude/skills目录下。我自己的习惯是优先用脚本因为人多容易出错脚本标准化程度高不容易漏文件。2.4 验证安装是否成功安装完别急着用先确认一下 skills 是否真的被 Claude 加载了。最直接的方式是打开你的 Claude 环境输入一段类似“你有哪些可用技能”的提示词看它能不能列出 Superpowers 的各个技能名称。如果能列出来基本就说明加载成功了。我在 Claude Code 里验证时能看到它自动识别出brainstorming、planning、TDD、systematic-debugging、verification这些核心技能。这说明 Claude 已经把这些 skill 文件纳入了自己的能力范围。如果列不出来八成是目录放错了或者你的 Claude 版本比较旧不支持 Agent Skills 机制。2.5 在 Windows 以及 VS Code 场景的注意事项Windows 用户安装起来会稍微有点折腾。我见过几个朋友挂在脚本执行权限上。如果你直接双击或者用 PowerShell 跑install.sh大概率会报错。建议用 Git Bash 打开终端切到superpowers目录再执行bash install.sh。这样能绕开很多 Windows 特有的权限坑。VS Code 场景里如果你用的是 Claude Code 插件它读取的 skills 目录和独立终端里的 Claude Code 是同一个所以装一次两边通用。不需要重复安装。3. Superpowers 核心能力逐项拆解Superpowers 最有价值的部分就是它那几十个精心编写的 skill 文件。我用了一段时间后把实际工作中最常用、最能提升交付质量的几个核心技能单独拎出来逐个给你讲清楚它们是干什么的、怎么用、以及在实际项目中能发挥什么作用。3.1 核心技能总览一张表看懂全貌技能名称核心作用使用场景实际体验评价brainstorming需求澄清、方案发散项目启动、需求不明确时能有效避免“方向错了白干一场”planning制定工作方案和步骤所有开发任务开始前让 AI 从“直接写代码”变成“先给方案”TDD测试驱动开发流程编写新功能、修复 Bug有测试兜底重构时敢动手systematic-debugging系统性排查问题代码报错、行为不符合预期不再东改一下西试一下而是按证据链排查verification交付前全面验证任务完成、提交代码前显著减少“我说完成你就信结果一运行就崩”的尴尬3.2 brainstorming让 AI 开口先问问题我见过太多人用 AI 编程翻车的根源不是代码能力不行而是需求理解错了。你给 Claude 一句话“帮我写一个登录功能”它直接开干吭哧吭哧写了一堆结果你要的是带短信验证码的登录它给你做了一套用户名密码。brainstorming这个技能改变的就是这个环节。它的核心逻辑是在动手之前Claude 必须先围绕需求提问把模糊点全部澄清和你对齐目标。实际用法很简单。你在 Claude 里输入一个需求它会自动调用brainstorming技能来向你追问细节。比如它会问这个功能的用户是谁最核心的交互流程是怎样的有没有什么约束条件如何判断它“做完”了这些问题的价值在于它们能倒逼你把脑子里模糊的想法变成一个清晰的需求描述。很多时候我回答完这些问题之后自己反而想得更明白了。哪怕你不让 Claude 写代码只让它对你做一轮头脑风暴都很有价值。3.3 planning让 AI 学会“先计划再执行”很多 AI 编程最让人崩溃的点是它特别爱抢跑。你说要 A它顺手把 B、C、D 都做了一半导致项目里塞满了半成品和多余的代码。planning技能就是用来解决这个问题的。它的机制是当 Claude 面对一个稍复杂的任务时它会先输出一个“执行方案”把步骤写得清清楚楚等你的确认之后再动手。这个方案包括任务拆解成哪几个阶段每个阶段要做什么涉及哪些文件修改预期产出是什么我印象很深的一次是我让它重构一个模块的缓存逻辑。如果没有planning它大概率会直接上手改代码改完可能把原有接口都动了。但有了这个技能它先给我列了一张计划表先梳理当前缓存使用点再设计新旧方案兼容策略然后编写单元测试最后重构实现。每一步都清清楚楚。而且这不是形式主义。Claude 在执行计划时会真的按你确认过的步骤来不会突然跑偏。就算中途发现新情况它也会先回来跟你讨论而不是擅自变更方案。3.4 TDD测试先行让代码质量有保障Superpowers 里的TDD技能是把“测试驱动开发”这套方法论完整灌输给 Claude。以前用 AI 写代码你让它“顺手补个测试”它可能会写两个最简单的断言糊弄你。但在TDD技能约束下它会严格遵循“先写测试、再写实现”的顺序。步骤是这样的根据需求编写失败状态的测试用例运行测试确认能测出当前实现不满足需求编写最简代码让测试通过重构代码保持测试始终通过看似只是顺序变了实际上是个巨大的思维转换。因为它强制 Claude 在写每一行业务逻辑之前先想清楚“这个功能应该有什么表现”。测试先行还有一个额外好处当你后续让 Claude 扩展功能时它能通过跑测试快速判断自己有没有改坏原有的东西。坦白讲要让 AI 严格走完整个 TDD 循环偶尔会有“多此一举”的感觉尤其是在写一些非常简单的工具函数时。但一旦你的项目开始有积累、有依赖TDD 流程带来的安全感是无可替代的。我现在做稍微复杂一点的改动都会刻意确认 Claude 有没有先写测试。3.5 systematic-debugging改掉“瞎试”的毛病AI 调试代码的行为如果没有人引导往往是灾难性的。你给它报个错它会尝试修改一个可疑的地方发现不对再换另一个地方试来回折腾。这种“盲猜式调试”效率极低而且容易引入新问题。systematic-debugging技能的工作方式完全不同。它遵循一套严谨的排查流程先复现问题确认触发条件收集错误信息、日志、调用栈基于证据形成定位假设用最小化实验验证假设找到根因后再制定修复方案有一次我遇到一个线上问题报错信息只给了一个很模糊的“undefined is not a function”。自己已经排查了一轮没头绪就交给 Claude 用systematic-debugging流程来处理。它没有急着改代码而是先让我提供几个关键信息报错的完整堆栈、出问题模块的调用关系、最近的代码变更。然后一步步缩小范围最终定位到一个异步回调里变量作用域的问题。整个过程比我自己瞎翻代码快得多更重要的是它不会乱改不会修了 A 坏了 B。3.6 verification交付前的最后一道防线Superpowers 强调“验证驱动”在确认任务完成之前必须经过一个完整的验证环节。verification技能会自动做这些事检查代码是否符合预期需求运行相关测试确认全部通过审查改动是否影响了其他模块检查是否遗漏了关键链路我经常在 Claude 告诉我“已完成”之后再让它调用verification技能做一次独立检查。做成这个习惯之后交付质量明显上升。因为它不只是在做事后检查整个开发过程中 Claude 都会带着“最后要验证”的意识去写代码自然会更谨慎。有个细节值得说verification技能不只是核对“代码能不能跑”还会核对“这次改动是否真的解决了需求”也就是回到最初的目标做需求闭合。这一步看似简单实际上能避免很多“代码没报错但你功能压根没做对”的尴尬。4. 实操演示用 Superpowers 完成一个小任务前面讲了一堆概念你可能有疑问这些东西组合起来到底是怎么运转的我拿一个最近实际做过的任务来演示整个流程。这个任务是给一个 Node.js 项目添加一个限流功能。4.1 从需求描述到头脑风暴我第一次输入的是“帮我给项目加一个接口限流功能”。如果换成没有装 Superpowers 的 Claude它可能已经开始找文件、写中间件了。但接触过brainstorming技能的 Claude 会停下来开始问问题。它的大致问题如下限流是针对单个用户还是所有请求限流策略是固定窗口、滑动窗口还是令牌桶限流触发后是直接拒绝还是排队等待需不需要可配置的阈值项目里是否已经有 Redis 之类的中间件可供使用我逐条回答了之后它总结出了一个需求描述文档。这个过程看起来“啰嗦”但确实帮我避开了后续的几个坑比如原本我以为简单加个计数器就行但考虑到多实例部署计数器方案根本不可靠是这些问题让我提前想到了用 Redis。4.2 制定计划获你确认后再动手需求清晰后Claude 自动进入了planning模式。它给我的计划大致如下阶段一封装 Redis 计数器模块提供原子自增和过期设置能力阶段二编写限流中间件接入现有路由阶段三补充单元测试覆盖正常通过、触发限流、过期重置三个场景阶段四手工验证和全量回归测试我确认计划后它才开始写代码。而且每一个阶段完成后它会停下来做一次小结让我知道当前进度再问我是否进入下一步。这种“带节奏”的协作方式真的让我有一种在和专业外包团队合作的感觉。4.3 TDD 流程在代码实现中的应用我特意观察了一下它的 TDD 执行方式。在阶段二编写限流中间件时我看到它并不是直接写完中间件再补测试。它的顺序是先写了几个测试用例比如“100 次请求内允许通过”“超过 100 次被拒绝”“窗口过期后恢复可用”此时还没有中间件实现测试自然是失败的然后才开始实现中间件逻辑运行测试看到用例逐步通过整个流程非常标准。我当时特意看了一眼测试文件的覆盖面发现它不仅测了正常场景连 Redis 连接异常时的降级行为都考虑到了。这一点其实超过了很多人类开发者写测试的细致程度。4.4 最后的验证环节任务完成之后Claude 主动调用verification技能做了一次全面检查。它重新翻了一遍需求文档逐条核对实现情况跑了一遍全量测试确认没有破坏其他功能还检查了代码风格和潜在的性能问题。最终交付时它给我的报告里包含改动文件清单、关键代码片段、测试执行结果、以及一个“已知限制”说明比如当前限流策略是基于单 Redis key如果想要更细粒度的用户级限流需要再扩展。这种交付完整性是普通 AI 编程很难给出的。5. 常见问题与避坑实录使用 Superpowers 这段时间我在不同环境、不同项目里踩过一些坑也看到社区里其他人遇到过不少问题。这一节我把最有代表性的几个整理出来给后来者省点时间。5.1 安装阶段常见的三个卡点第一个卡点Claude 版本过旧不支持 Skills。如果你安装完发现 Claude 怎么都不读 skills 文件先别怀疑安装步骤马上检查一下自己的 Claude 版本。Agent Skills 是相对较新的机制版本太老的话根本不识别。我遇到过一例升级 Claude 到最新版后立刻就好。第二个卡点Windows 环境脚本执行失败。前面提过建议 Windows 用户用 Git Bash。另外一个常见问题是权限不足可以尝试以管理员身份运行 Git Bash或者在执行脚本前先运行chmod x install.sh赋权。第三个卡点安装脚本没有正确识别已有的 skills 目录。如果你的~/.claude/skills目录本身已经存在其他自定义 skills安装脚本在合并时偶尔会出现覆盖或路径不匹配的问题。建议安装前先把已有的 skills 目录备份一下出了意外能恢复。5.2 使用中容易踩的坑别让“方法论”变成“束缚”Superpowers 会让 Claude 变“啰嗦”这是一些用户不适应的点。比如简单的需求它也要先问几个问题、列一个计划。刚开始用的时候你会觉得“你赶紧写就完了问你这么多干嘛”。这里我给的建议是根据任务复杂度动态调整。简单任务比如改一行配置、格式化一个文件你可以在需求里直接告诉 Claude“这是一个简单任务跳过 plan 流程直接执行”。复杂任务就老老实实走完流程。用熟了之后你会慢慢培养出判断什么时候该走完整流程的直觉。另一个坑是就算有verification技能Claude 也不可能 100 保证代码没问题。我遇到过它自测通过但部署后环境报错的情况比如依赖了本地有而服务器上没有的包。所以Superpowers 是大幅提升了可靠性但没有消除最后的人工把关责任。尤其是涉及外部环境、部署配置的时候还是需要你自己留个心眼。5.3 如何自定义和扩展自己的 SkillsSuperpowers 本身是一套开源的技能集合但它同样支持你扩展自己的技能。你会发现它的 skill 文件结构非常清晰每一个 skill 就是一个带结构化说明的 Markdown 文件。你可以仿照它的写法把自己团队的项目规范、代码风格要求、甚至常用的流程模板写成自定义 skill 文件放到~/.claude/skills目录下。我目前已经加了两个团队定制技能一个是“前端组件开发规范”让 Claude 在写页面组件时严格遵循团队的命名和样式约定另一个是“提交信息规范”让 Claude 在生成代码提交说明时符合团队的 commit message 模板。这两个自定义技能和 Superpowers 配合得很好各有各的分工没有冲突。5.4 关于成本与性能体验用 Superpowers 和普通 AI 编程相比多了一些额外开销流程更复杂、生成的决策和计划会消耗更多 token、某些场景下响应时间也略长。这确实存在但我的体会是这些额外开销花得值。因为真正消耗时间和金钱的是来回返工和线上故障而 Superpowers 正是能显著减少这两者的。对于团队使用建议先从小项目或低风险模块开始试让团队熟悉这种更“重”的协作方式再逐步推广到核心业务上。6. 从个人角度聊聊 Superpowers 的几个深层思考这里我不准备做纯方法论总结想说一些我实际用下来最直观的感受和思考也可能是其他用户和你一样关心的问题。6.1 Superpowers 和普通提示词工程的本质区别很多人问过我“这玩意儿不就是一套写得比较好的提示词吗”其实还真不是。普通提示词工程再怎么写本质还是“告诉 AI 怎么做一件事”。而 Superpowers 是一套“让 AI 自己判断什么时候该用什么方法来做事”的元方法。打个比方。普通提示词是给一个聪明但没有纪律的人一份详细的任务清单他做完你规定的动作质量看运气。Superpowers 则是给这个人安装了一套“工作价值观”——他会主动思考要不要先确认需求、要不要先写测试、要不要先复盘再动手。这已经不是单次对话技巧而是一种行为模式的改变。6.2 它对 AI 编程“可靠性”边界的探索如果你深入了解整个 skill 集合你会发现它其实在探索一个很关键的问题AI 编程的可靠性边界在哪里。它通过流程约束、测试兜底、验证闭环把可靠性尽量往高推。但它并没有声称自己能做到 100 不出错成熟的用户也不会这么期待。这种“探索边界”的姿态是我很欣赏的。它不是靠制造焦虑来卖课而是诚实地告诉你这是我目前找到的、经过验证的相对可靠的工作方式。你用不用、怎么用、效果如何都得结合自己的项目来判断。6.3 技能体系的模块化思维带来的启发项目本身的模块化设计也值得单独说。它不是一个“大而全”的整体而是很多独立技能的组合。你可以只启用其中几个来用。这种设计思路对整个 AI 应用领域都是有启发意义的把能力拆成最小可用单元按需组装而不是每次都搞一个全能方案。我甚至觉得未来 AI 编程的一个重要方向就是这种“技能市场”模式——不同的技能包解决不同的问题用户按需选择社区持续贡献。Superpowers 算是较早走通这条路的一个样板。这也意味着它不是一成不变的社区里已经有越来越多的第三方技能在涌现整个生态越来越丰富。6.4 对个人开发者的价值判断最后说点掏心窝的话。如果你是一个独立开发者或者小团队的技术负责人当前阶段想要提升 AI 编程的产出质量与其不断研究“更好的提示词”不如直接尝试把 Superpowers 这类体系引入你的日常工作流。它带来的不是某一个技巧的提升而是整个协作方式的升级。我自己的体会是用 Superpowers 之后我对 AI 编程的信任度明显提高了。以前我让 Claude 改代码改完必须自己完整测试一遍心里才踏实。现在只要它是严格走完 TDD 和 verification 流程的我基本只做抽样复查剩下的交给测试和验证。这个信任感的建立比省下的那几个小时珍贵得多。所以我的建议很简单别光在聊天窗口里折腾百发百中的提示词了去装一套真正能约束和引导 AI 的工作方法论吧。它会让你发现AI 编程的战场已经悄悄从“提示词工程”转向了“流程工程”。Superpowers 就是这条路上目前走得比较远、值得花时间研究的一个优秀参考实现。安装、试用、让它在你的项目里跑上一个迭代周期然后再判断它的价值。我相信你会和我一样得到一套完全不一样的 AI 协作体验。