自从开始重度使用AI编程助手我遇到的最大困惑不是它“答得不好”而是它“只会说不会做”。让它写一段代码它写得飞快让它真的去仓库里改一个文件、跑一条命令、抓一个网页它就沉默了。后来我在社区里频繁刷到“superpowers”这个词研究了一轮之后彻底换掉了工作流。这篇文章不打算复述官方文档而是从一个实际用了快两个月的用户视角聊聊它到底解决了什么问题、里面有哪些skills、怎么把技能引入到你正在用的AI客户端里以及文档里不会写清楚的坑。如果你已经受够了“AI只出嘴不动手”的状态或者你正在用Claude、VS Code这类支持MCP的工具那这个项目值得花半小时研究一下。它本质上是一套基于MCP协议运行的技能集合相当于给AI助手装了一整套“手和脚”让它从出谋划策的顾问变成能搭把手的实习生。1. 先从一句吐槽说起AI助手的那双手是谁给的1.1 只会“纸上谈兵”的对话模型先说说痛点。用过ChatGPT、Claude这类产品的人都知道纯对话模型的能力边界其实非常清晰它只能生成文本。你让它“帮我打开项目里的config.json把第三行改成false”它最多给你一段修改建议真正动手还得你自己来。原因不复杂——LLM的工作方式就是预测下一个token它天生没有文件系统没有网络请求没有进程管理也没有执行环境。它像一位口才极好的顾问方案讲得头头是道但要他亲自去操作报表系统他连登录入口都没有。这个“能说不能做”的问题在一开始并不致命。毕竟大家用AI主要是问问题、写初稿。可一旦你想把AI接入真实工作流——让它读取本地代码、操作浏览器、抓取页面、生成文档——纯对话就完全不够了。你需要一个桥梁把AI的语言输出翻译成系统可以执行的指令。1.2 MCP协议给AI装上统一外设接口这个桥梁就是MCP全称Model Context Protocol模型上下文协议。它是由Anthropic提出的开放协议后来被越来越多的AI工具采纳。理解它最简单的方式是类比USB-CUSB-C定义了一套统一的接口标准显示器、硬盘、充电器都能通过同一个口对接。MCP做的事情类似只不过它连接的不是物理设备而是“AI应用”和“外部工具”。MCP协议里有两种角色服务端MCP Server和客户端MCP Client。客户端是AI助手本身比如Claude Desktop、VS Code、Cursor这些服务端是那些提供实际能力的工具程序比如一个能读Git仓库的程序、一个能操控浏览器的程序、一个能查天气查新闻的程序。两边说同一种语言AI就能在对话过程中实时调用服务端暴露出来的能力而不是只能干聊。对我来说理解这个架构最有价值的一点是它把“给AI扩展能力”这件事从“改模型”变成了“接工具”。你不需要重新训练任何模型只需要在MCP服务端挂上对应的功能模块就行。1.3 superpowers到底是什么superpowers就是一个MCP服务端但它跟普通单功能服务器不太一样。它是一整包“预置技能”更像一个技能仓库。项目把高频的开发操作、数据获取操作、自动化操作封装成一个个独立技能每个技能包含详细的说明文档和可执行逻辑。AI在对话时可以根据任务描述自主选择加载哪个技能并按照技能文档里的步骤去执行。你可以把它想象成一个工具箱里面摆着螺丝刀、扳手、电钻每个工具都贴着一张标签纸写明“这个工具是干什么的、什么场景用、怎么用”。AI拿到你的指令后先看标签、再挑工具然后照着说明干活。这也是它跟“你自己写一堆API调用脚本”最本质的区别——它把工具的选择过程也交给了AI。2. 翻开技能仓库superpowers自带的这些“超能力”值得盯着看2.1 数据获取与网络信息类这一类是我平时用得最勤的。以前让AI查一个网页内容它只能无奈地说“我无法访问外部网页”。接上superpowers之后它可以调用网页抓取类技能把指定URL的页面抓下来再基于抓取的内容做摘要、提取关键字段。比较典型的几个方向获取实时数据比如新闻站点、HN热度话题、抓取产品详情页并整理成结构化清单、读取在线文档并总结要点。说白了这是给AI补上了“上网”的能力。要注意的是抓取能力和“搜索引擎”是两码事——它做的是主动访问指定页面而不是全网检索。真要找某个东西在哪个网站上你还是得先给它一个种子链接或者让AI从一个聚合入口出发。2.2 开发效率类对写代码的人来说这个分类可能才是买点。superpowers里有不少围绕开发流程设计的技能覆盖了从仓库操作、代码分析到组件开发的多个环节。举几个有代表性的Git操作查看仓库状态、看提交历史、对比分支、生成提交说明、做简单的版本管理。代码读取与分析给定一个仓库目录让AI梳理项目结构、定位核心逻辑、解释某个模块怎么运作。前端组件开发针对React这类框架它可以按交互式工作流来辅助生成组件代码甚至让AI“自己写代码再自己检查”。这些技能的关键不是“AI会不会写代码”而是“AI能不能直接操作你本地的代码库”。过去你需要把一段代码复制粘贴进对话框现在它可以直接读写文件改错了也方便回滚。2.3 自动化执行与日常杂活类还有一批技能偏向自动化执行适合不太擅长写脚本的人。比如浏览器自动化、页面截图、数据持久化存储等。这些技能的背后通常依赖一些常见的自动化工具但superpowers的价值在于把它们的调用过程写成了AI能读懂的步骤说明大大降低了使用门槛。日常应用里我见过有人拿它做定时信息汇总、自动生成周报、批量整理文件夹里的文档。坦白说这类技能单个看起来都不算“颠覆”但组合起来就很舒服你只需要用自然语言描述需求AI自己就知道该调哪个技能、按什么顺序执行。2.4 技能清单总表为了让你对这个仓库的体积有个直观概念我列一下我印象比较深、也确实用得上的几个技能按分类整理成表格。需要注意的是项目迭代速度比较快实际以你当前安装版本为准。分类代表性技能典型用法备注数据获取网页抓取 / 内容提取抓取指定页面并生成摘要、提取列表数据需要目标页面允许访问数据获取新闻与热度聚合获取Hacker News、Product Hunt等平台信息适合做信息周报开发辅助Git 操作查看提交记录、生成release notes支持常规仓库操作开发辅助代码库分析梳理目录结构、解释核心模块大仓库建议先做忽略配置开发辅助React 开发辅助交互式生成组件代码、自检适合组件化开发自动化浏览器操作跳转页面、点击按钮、提取结果依赖本地浏览器环境自动化截图与视觉检查截取页面状态作为执行反馈常配合浏览器技能使用自动化数据持久化把执行结果写入本地结构化存储适合跨会话保存状态效率工具文档与周报生成汇总多来源信息并输出Markdown或表格模板可自定义这些技能并不是全部随包体加载到内存里很多是按需触发的。AI先看技能的描述判断要不要用它真正执行时才加载对应逻辑。这样设计的好处是启动快、不浪费上下文窗口坏处是你需要给AI足够明确的指令它才会主动去“翻工具箱”。3. 安装与引入从一条npx命令到你的AI客户端3.1 动手前先确认环境安装superpowers之前先把环境检查一遍省得后面排错排到怀疑人生。第一步是确认Node.js版本。这个项目是基于Node的安装和运行都依赖npx。打开终端输入node -v建议使用18以上的长期支持版本。版本太老的话npx可能跑不动最新的包还会报一些跟网络无关却莫名其妙的错误。第二步是确认你的AI客户端支持MCP。目前Claude Desktop、VS Code、Cursor这些都已经原生支持MCP配置基本不用额外装插件。如果你用的工具还不支持MCP那就先换一个客户端再往下走。第三步是确认你的AI账号已经能正常对话。这一步看似废话但有相当一部分人卡在了“客户端可以用但AI服务没响应”的状态后面配置半天AI还是说无法访问工具。先把最基础的连通性跑通再谈技能。3.2 用MCP配置把superpowers挂进Claude Desktop我最早是在Claude Desktop上接入的过程比较顺利。做法是在Claude的配置文件里加一段MCP Server信息。先找到配置文件。macOS通常在~/Library/Application Support/Claude/claude_desktop_config.jsonWindows在%APPDATA%\Claude\claude_desktop_config.json。打开后往mcpServers字段里加一项{ mcpServers: { superpowers: { command: npx, args: [-y, superpowers-mcp] } } }注意这里的superpowers-mcp是发布名。如果以后官方改了发布名以项目仓库README里的最新命令为准。判断标准很简单命令要能正常启动、日志里没有module not found类的报错。保存配置文件后完全退出Claude Desktop再重新打开。重启后在对话界面里应该能看到MCP服务已经连接。你可以在聊天框里直接问AI“你现在有哪些技能”如果配置成功它会根据superpowers提供的技能列表回答你而不是一脸茫然地说“我没有权限”。这一步是很好的连通性测试。3.3 在VS Code / Cursor那一侧怎么接如果你主力工具是VS Code或者Cursor接入方式类似但入口位置不同。VS Code早已内置MCP客户端支持通常在命令面板里搜“MCP”就能找到服务器管理界面点“Add Server”后填入同样的command和args。这里有个容易搞晕的地方不同客户端的配置格式略有差异但底层三件套是不变的——command表示启动命令args表示参数列表env表示需要注入的环境变量。只要你能把这三样配置对换哪个客户端都是同一个套路。我喜欢用文本界面来配置这样更直观。在VS Code的设置文件里对应的MCP配置大致长这样{ mcpServers: { superpowers: { command: npx, args: [-y, superpowers-mcp] } } }配置完之后一样要重启窗口。VS Code底部状态栏或者对应面板里会显示MCP服务器的状态看到类似“connected”的标识就说明挂上了。3.4 接入后怎么确认真的生效了有朋友跟我反馈说配置了但在对话里AI还是说“我没有这个功能”。这种时候先别骂AI大概率是服务没真正起来。排查顺序按下面这几步来确认配置文件是合法的JSON把文本贴到JSON校验工具里看有没有语法错误确认npx能联网拉包可以先单独在终端里跑一遍启动命令看有没有报错确认配置文件路径没错尤其Windows用户要小心是不是被编辑器保存成了别的编码最后才是思考“AI有没有真的读到技能描述”的问题——如果MCP服务显示已连接那说明工具层面是通的。我踩过最亏的一个坑是配置文件保存了但忘了彻底退出重开。Claude Desktop和VS Code对MCP配置的加载基本都在启动阶段你只关标签页、不退出进程配置是不会生效的。最简单的处理方式就是完全退出重新启动后再试。4. 别停留在“装好了”拿这三个场景真正跑一遍4.1 让AI抓一个网页并产出一份结构化摘要第一个推荐场景是网页抓取因为它能直观感受到“AI的手”长什么样。比如我让它抓一个产品介绍页需求是提取产品核心功能、价格信息和适用人群然后输出成Markdown表格。Prompt可以这样写请使用网页读取技能抓取https://example.com/product-page提取页面中的核心功能列表、价格区间、适用人群整理成Markdown表格输出。如果页面有加载失败的情况请告诉我状态码。这个Prompt的关键是明确指定了目标网页、需要提取的字段、期望的输出格式。实际执行时AI会调用对应的抓取技能先拿到页面内容再按其说明提取信息最后按照你要求的格式组织。有人会问“不装superpowers直接把网页内容粘进对话里不也一样”对内容是一样的但体验完全不是一个量级。一是你省掉了复制粘贴HTML的脏活二是AI可以多次、连续访问不同页面三是它能按照技能里内置的最佳实践来处理各种反爬签名和页面结构差异。这就是“别人封装好的经验”的价值。4.2 把Git仓库的日常管理交给AI第二个场景更适合写代码的人。我给AI指定了一个本地Git仓库让它分析最近的提交历史并生成一份类似更新日志的总结。Prompt大致是请进入仓库目录 /Users/me/work/my-project使用Git相关技能查看最近2周的所有提交。重点总结提交类型分布、主要改动模块、有没有值得注意的重大变更最后输出一份简洁的发布说明。执行过程中AI会自己调用Git命令查看日志、统计提交数、读取commit message并对照仓库结构梳理影响范围。看到它一步步完成这些操作我是有点小震撼的因为它不再只是“读过代码的聊天对象”而是真的在你的机器上干活了。这里有个小提醒Git操作类技能虽然能做很多事但在“破坏性操作”上会有明显边界。比如强推分支、删除tag这类的危险动作AI通常会犹豫甚至拒绝执行需要你额外确认。我个人的态度是不需要为这个烦恼反而应该感到安心。它的定位就是帮手不是独裁者。4.3 写一个自己的技能周报生成器聊完了现成技能我想专门展开一下自定义技能因为这是superpowers里最被低估的设计。有些技能是项目自带的但它也开放了用户自定义技能的目录。只要按照特定格式放入文件夹AI就能识别并使用你的技能。我的第一个自定义技能是一个周报生成器。目录结构大致是这样的~/.superpowers/skills/weekly-report/ ├── SKILL.md └── templates/ └── weekly.mdSKILL.md是技能说明书告诉AI这个技能是干什么的、什么时候用、怎么用。我写的核心内容很朴素# 技能周报生成器 ## 用途 根据用户提供的一周工作记录生成结构化周报。 ## 适用场景 - 用户手头有零散的日志、聊天记录、任务清单 - 用户需要把信息整理成周报格式 ## 执行步骤 1. 判断用户提供的信息是否完整 2. 将信息按“目标进展 / 问题阻塞 / 下周计划”三段归类 3. 输出Markdown格式周报语言简洁避免空话 4. 如果信息不足用思考题方式引导用户补齐关键信息写完之后重新启动客户端AI在分析任务时就会读到这个技能。只要你提到“写周报”或“汇总本周记录”它就会优先尝试加载自定义技能来完成而不是用自己惯用的方式泛泛而谈。这个机制最妙的地方在于你可以把“自己行业的专业工作流”固化成AI可执行的流程。比如律师可以写一个“案卷审阅技能”运营可以写一个“活动复盘技能”老师可以写一个“课程大纲生成技能”。门槛不高但价值密度极高。4.4 想让它“按你说的做”prompt要这样组织用了这段时间我发现技能调用是否成功和你的需求描述方式关系很大。给AI下令时尽量包含三个要素明确目标、明确技能、明确产出。比如“帮我看看这个网站有什么内容”就是弱指令它可能纯靠常识回答根本不去调用工具“使用网页抓取技能访问http://xxx提取前10条新闻标题按时间倒序输出来”就是强指令技能命中率会高很多。还有一个技巧初始阶段每次只让AI执行一个技能别堆两个三个。技能之间能否自动串联取决于项目的调度设计但以我的经验一步步来最稳。等它执行完一步你再决定下一步做什么这样即使出错整个流程也不会乱掉。5. 用了一个月后我给自己的几条约束和建议5.1 权限不是越大越好给AI画一个工作围栏superpowers给了AI操作本地文件、执行命令、读写数据的能力这很好但也意味着权限边界变得重要。我给自己定的规则是为AI开辟专门的操作目录不让它随意读写整个用户目录。比如做网页抓取时数据默认写到项目指定目录做Git分析时只让它读取显式指定的仓库路径。这样即使AI拿到你的指令后理解偏了最坏情况也只是弄脏一个临时目录而不是动到不该动的地方。用一句大俗话来说狗可以进屋但得栓绳。5.2 技能多了会打架描述要写具体superpowers自带技能不少加上用户自定义的加起来可能有三四十个。技能一多AI在选型时偶尔会“抓瞎”。有一次我让它整理几个网页里提到的对比信息它却调用了文档生成技能而不是网页抓取技能导致绕了一大圈才拿到数据。怎么解决这个问题一方面给AI的指令里明确点名技能名称比如“用网页抓取技能”另一方面我自己在写自定义技能时会刻意在SKILL.md的描述部分写清楚“什么时候不能用”。信息写得越具体AI的误判率越低。技能包的说明书质量直接决定了AI用你的技能用得准不准。5.3 升级与回滚别让小版本更新打断工作流superpowers更新频率不算低项目本身在快速迭代期每次更新可能带来新技能也可能调整已有技能的行为。如果你充分依赖某些技能不建议每次出新版本都无脑拉最新。你可以固定一个自己用着舒服的版本把稳定性和可预期性放在第一位。我自己的做法是在工作流稳定的机器上用固定版本号锁定。只有在需要新技能或遇到修复问题时才手动升级。毕竟很多调用的链条一旦断了排查起来不轻松。你要跟AI确认它现在加载的技能列表还要跟官方更新日志对照才能定位变化点这很耗时间。5.4 我最终觉得最值的地方有人问我用superpowers最值的地方到底是什么。我想了很久答案不是“AI能抓网页了”也不是“AI能操作Git了”而是它把AI从一个“纸上谈兵”的对话系统变成了一个可以接手具体任务的操作终端。你不需要为每一个小功能写一次脚本只需要用自然语言说清楚需求然后让AI自己去挑工具、翻说明、按步骤执行。这种模式一旦跑顺工作流的打开方式就变了。以前是“我写命令→我看结果→我再写命令”现在是“我说目标→AI配技能执行→AI给我结果→我决定下一步”。尤其是那些带有明确格式和固定流程的重复性工作技能化之后省下的时间非常可观。如果你刚上手我的建议是别急着装完所有东西。先选一两个技能比如网页抓取和Git操作跑几个小任务熟悉一下交互模式。等你理解了它怎么挑技能、怎么按步骤执行之后再慢慢往里加自己的自定义技能那时候你会觉得这玩意儿的弹性比想象中大得多。