前一阵我一直在折腾怎么让终端里的 AI 编程助手干活再稳一点试了不少技巧后来发现一个叫 superpowers 的 skills 集合算是把这些年积累的 prompt 经验一次性打包成了标准化技能。今天聊聊它到底解决了什么问题、有哪些 skills、怎么引入、怎么安装以及我实际用下来踩过的一些坑。这东西的核心思路其实不复杂与其每次手动写一大段提示词去引导 AI 助手不如把一套成熟的做事流程沉淀成技能文件让 AI 在遇到对应任务时自动调用。你可以把 skills 理解成给 AI 助手装的外挂插件每个技能都包含完整的方法论、操作步骤、注意事项AI 一旦加载了就能按照这套流程干活而不是凭感觉自由发挥。对于经常用 AI 写代码、做重构、写测试的人这套东西能明显提升输出质量和稳定性。1. superpowers 是什么一个把经验变成可调用技能的方案1.1 先说清楚它解决的真实痛点很多用过 Claude Code 或者类似终端 AI 编程工具的人都有同感模型本身能力很强但输出质量波动很大。同一件事你描述得清晰一点结果就很好描述得模糊一点结果就东一榔头西一棒子。更麻烦的是真正复杂的工程任务——比如给遗留代码补测试、从一个混乱的代码库中定位 bug、设计一个多模块功能的实现方案——根本不是几句 prompt 能搞定的需要一套可靠的流程。superpowers 这个项目做的就是把这类复杂任务拆解成一个个技能。每个技能本质上是一个结构化的 Markdown 文件通常叫 SKILL.md里面写着该技能适用的场景、完整的工作流程、需要遵循的约束条件、以及常见问题的处理方式。AI 助手在对话过程中会被引导去读取这些技能文件然后按照里面定义的流程一步步执行。这就好比带新人你当然可以说你去把这个 bug 找出来但更靠谱的做法是给他一份排查手册告诉他先看日志、再复现、再二分定位、最后写回归测试。superpowers 提供的就是这么一份份数字化的排查手册。1.2 它和普通 prompt 模板的本质区别有些人可能会说这不就是把 prompt 模板存起来吗区别在于两点。第一普通 prompt 模板是给人看的需要你复制粘贴手动使用skills 是给 AI 看的它会在合适的时机自动选择并加载。superpowers 的技能文件里写明了触发条件和使用场景AI 在分析用户请求时能自己判断该调用哪个技能不需要你每次手动指定。第二技能不是一段简单的指令而是一套完整的流程定义往往包含多个阶段、多种决策分支和质量检查点。比如编写实现计划这个技能它会要求 AI 先拆解需求、明确接口、列出风险点、再输出分层级的实施步骤最后还要自查一遍覆盖率。这种流程深度是普通的请帮我写个计划式 prompt 完全比不了的。1.3 适合什么人用如果你满足下面几个条件这套东西值得一试日常用 Claude Code 或类似工具写代码、改代码对输出质量有较高要求常做一些结构化任务比如写测试、做方案设计、代码审查、bug 排查觉得每次输入一长串约束很烦希望一句话就能让 AI 进入状态想把自己的团队最佳实践沉淀成标准化流程让 AI 助手统一按这个标准干活。如果你只是让 AI 帮你写点一次性脚本对流程和质量要求都不高那 superpowers 确实有点大材小用——这就像装了一整套工业流水线却只用来做几个手工零件。2. 安装与引入从零开始把 skills 跑起来2.1 前置条件与版本选型在动手之前先确认你的环境满足基本要求。superpowers 目前主要服务于终端类的 AI 编程助手最常见的是 Anthropic 官方的 Claude Code。它的运行依赖 Node.js一般要求 18 以上所以第一步是把 Node.js 装好。版本选择上有一个值得注意的点superpowers 的演进速度很快不同版本对技能文件的组织方式和加载机制有差异。我的建议是优先检查项目仓库 README 里标注的当前推荐安装方式不要盲目照搬旧教程。旧版本可能要求手动把 skills 目录克隆到本地然后通过配置文件指定路径新版本则倾向于用插件市场机制一键安装。两种方式我都用过下文分别说明。2.2 方式一通过插件市场安装推荐如果你用的是支持插件市场功能的 Claude Code 版本最省事的路径是直接在交互界面里执行插件市场命令。具体操作大致如下打开 Claude Code 会话输入插件市场添加命令把 superpowers 对应的市场仓库地址添加进去添加成功后用插件列表命令查看可安装的插件找到 superpowers 插件执行安装命令安装完成后会提示启用或需要重启会话用一个简单测试语句确认技能库已被加载后面 2.4 会写验证方法。我实际用下来这条路径的优势是升级方便——项目一有更新直接在插件市场里拉取新版本就行不用手动处理文件覆盖和路径引用问题。2.3 方式二手动克隆仓库 配置路径指向如果你的版本不支持插件市场或者你想绕开市场机制自己掌控一切手动方式也完全可行。步骤是找一个合适的目录把 superpowers 项目仓库克隆到本地确认仓库里的目录结构核心内容通常在 skills 子目录下每个技能一个文件夹内部有 SKILL.md 文件在 Claude Code 的配置文件比如 CLAUDE.md里加上对技能目录的引用让 AI 知道去哪里找技能文件也可以把常用技能的说明直接写进 CLAUDE.md 的全局指引部分让 AI 在每次会话开始时就知道你有这些工具可用。这种方式的灵活性最高适合想要自定义技能集合的人——你可以只保留自己需要的技能文件夹删掉用不上的减少 AI 读取文件时的干扰。2.4 安装后的验证怎么确认技能真的生效了很多人安装完就以为完事了结果实际用的时候发现 AI 压根没有调用技能问题往往出在技能没有真正加载。我建议用这套验证方法在会话里直接输入你有哪些可用技能或类似问法观察 AI 的回答是否列出了 superpowers 的相关技能名称让 AI 读取某个你已知存在的技能文件路径确认文件能被正确访问执行一个明确对应某技能的任务比如让 AI使用测试驱动开发的方式实现一个函数然后观察 AI 是否真的按 TDD 流程走——先写测试、再实现、再重构而不是直接甩给你一段代码。如果上述任意一步不符合预期先别急着怀疑技能库本身大概率是路径配置或加载顺序的问题具体排查思路放在第 6 节。3. 那些 skills 具体是啥核心技能清单与适用场景3.1 技能的组织结构一个技能就是一个能力包在你真正上手之前先理解一下技能文件是怎么组织的会比较有帮助。每个技能目录里通常包含一个 SKILL.md 文件这个文件就是技能的完整定义内容包括技能名称、适用场景、使用该技能时的核心原则、分步骤的执行流程、常见陷阱和禁止事项。AI 在执行任务前会阅读这个文件然后根据文件内容调整自己的行为。所以一个技能能不能发挥作用很大程度上取决于技能文件的编写质量——这也就意味着如果你有自己的一套方法论完全可以照着同样的格式编写属于自己的技能这个放到第 5 节细说。3.2 核心技能速览下面是我实际使用中接触到的一部分技能按功能用途分个类技能方向代表技能解决什么问题测试与质量测试驱动开发TDD让 AI 先写失败测试、再实现代码、最后重构避免代码写完没法测的尴尬测试与质量测试覆盖率审查分析现有测试覆盖了哪些分支、遗漏了哪些场景调试与排查系统化调试按复现 → 假设 → 验证 → 修复 → 回归的流程排查 bug方案与规划编写实施计划把大需求拆成可执行的步骤先设计后编码方案与规划头脑风暴多角度生成方案候选避免一开始就锁定单一思路代码审查安全审查检查代码里的注入、权限、数据处理等安全风险点代码审查差距分析对比实际实现与需求/设计的差距找出漏掉的点知识传递创建教程把代码库知识转成面向新人的引导式教程这个列表并不是全部而且项目本身会持续新增和调整技能。我的建议是安装后让 AI 自己列一份当前技能清单以实际版本为准不要以任何文章包括这篇里的清单为准。3.3 几个典型技能的内部流程拆解光有名字和一句话描述还不够我挑两个最有代表性的技能展开说说它们到底要求 AI 做什么。**测试驱动开发技能。**如果你曾经让 AI 写过带测试的代码体验大概有两种要么 AI 先写实现代码然后补两个测试应付了事要么测试写得还行但测试覆盖的路径和你预期差很远。TDD 技能解决的就是这个问题。加载了这个技能后AI 会强制自己按红灯 → 绿灯 → 重构的顺序推进先根据需求写一个会失败的测试用例运行确认失败然后写最简实现让测试通过最后优化代码结构。整个过程还会主动检查测试是否真的覆盖了需求里的所有行为。我第一次尝试的时候最直观的感受是AI 不再急着交出最终代码而是会停下来跟你确认需求边界然后先给你一个失败的测试文件。这个过程看似多花了时间实际上大幅减少了返工。**系统化调试技能。**让 AI 直接找 bug是最容易翻车的场景之一因为它经常从代码里直接目测出一个可疑点就开始改。系统化调试技能要求 AI 先建立失败现象的复现路径然后基于证据列出所有可能的假设按概率排序逐一验证定位根因之后再动手修修完还要补回归测试防止问题复现。这套流程对复杂 bug 非常管用尤其适合那种间歇性出现、或者横跨多个模块的问题。3.4 怎么选技能按需引入而不是全盘照收还有一个很多人忽略的问题技能不是装得越多越好。每个技能文件都会占用 AI 读取上下文的时间技能过多反而可能互相干扰甚至让 AI 在应对简单任务时也套用重流程显得啰嗦。我建议按自己的实际工作场景精选技能。比如你主要做功能开发TDD、编写实施计划、头脑风暴这几个优先级就很高如果你经常维护老项目系统化调试、差距分析、测试覆盖率审查更值得优先引入。实际使用中我认识的不少人都倾向于只保留 5 到 8 个核心技能用顺了再逐步增加。这个少而精的原则后面配置自定义的时候还会再强调。4. 实战用法把 skills 真正用起来的工作流示例4.1 让 AI 自己决定用哪个技能很多人刚接触时总喜欢手动指定技能比如每次都说用 TDD 技能来做 XXX这其实没有充分利用 superpowers 的价值。理想状态是你描述任务AI 根据技能文件里的触发条件自动匹配并加载合适的技能。比如你想给一个模块新增功能直接说我要给支付模块增加一个退款接口请按流程来。AI 会结合需求和上下文自动选择编写实施计划技能来拆解任务再调用测试驱动开发技能来落实实现。你的人机交互变得非常自然就像在跟一个懂得自己挑工具的同事合作。当然自动匹配不是 100% 准确尤其当任务边界模糊时。这时候你可以在关键节点上明确指定一次比如先别写代码用头脑风暴技能列出三种方案再选一个。用一个技能锚定对话的方向剩下的交给 AI。4.2 一个完整案例用 superpowers 从零实现一个小功能我拆一个相对简单的实际场景给你看整体节奏。假设需求是给命令行工具增加一个根据关键词搜索历史命令的功能。第一轮对话我描述需求包括输入输出、边界情况比如无匹配时的表现。AI 调用了编写实施计划技能输出了一个简短计划定义接口签名、确定存储结构、设计匹配逻辑、写测试用例清单。这个计划里甚至列出了风险和备选方案。确认计划后我回复开始实现。AI 进入 TDD 流程先写了一个测试输入关键词返回预期结果运行后确认失败。接着实现一个最简版本让测试通过再逐步补充边界测试——空关键词、大小写匹配、特殊字符——每个测试对应一轮红绿循环。最后 AI 主动跑了完整测试套件并问我是否需要继续补充模糊匹配的优化。整个过程里我几乎没有干预具体实现细节只做了需求确认和计划批准。这就是技能库带来的体验AI 从凭感觉写代码变成了按流程完成设计任务。4.3 多技能联动处理复杂任务的正确姿势真实项目里很少只用一个技能。我举一个联动场景一个老项目性能突然下降需要定位问题并优化。AI 先加载系统化调试技能通过复现性能瓶颈、压测分析、假设验证锁定了是一个 SQL 查询没有走索引。修复方案涉及重写查询逻辑和补充数据库索引此时 AI 调用编写实施计划技能列出改动步骤。改动完成后AI 又主动调用了测试覆盖率审查技能检查现有测试是否覆盖了新的查询路径发现缺口后补上了对应测试。整个流程像一条流水线排查技能负责发现规划技能负责设计质量技能负责兜底。这也是我觉得 superpowers 最值钱的地方——它让 AI 在复杂任务中能够按成熟的工程流程推进而不是零散地响应每一个局部指令。4.4 用好的三个关键习惯**把需求描述清楚技能才有意义。**技能负责流程需求方向还得靠你把握。描述需求时建议带上验收标准、边界情况和约束条件。**关注 AI 输出的过程而非只关注结果。**用技能库之后AI 会输出更多过程性内容——测试用例、计划、假设清单。这些不是废话是你可以审查和纠正的机会点。**及时打断和纠偏。**技能流程不是不可中断的。如果 AI 在计划阶段拆得不对或者测试用例方向偏离了需求直接指出并让它重新调整这比等它错到底再返工高效得多。5. 配置进阶与自定义打造你自己的技能库5.1 全局配置与项目级配置的搭配安装在个人层面配置则要区分全局和项目。全局配置比如用户目录下的 CLAUDE.md适合放通用原则和常用技能说明让 AI 在所有项目里都具备基本素养。项目级配置项目根目录的 CLAUDE.md则适合针对当前代码库的特殊约定比如模块结构、命名规范、部署方式。我实际使用的配置思路是全局配置里只提核心技能和两条最常用的工作流设计先行、测试兜底项目配置里写清这个项目的技术栈和代码库注意事项。这样 AI 在不同项目里切换时既有一致的工程底线又能快速适应项目特色。5.2 编写自定义技能格式与要点官方技能自然好用但更高级的玩法是沉淀你自己的技能。技能文件的基本结构可以按照这个模板来技能名称简短明确让 AI 一眼知道什么时候该用它适用场景清晰地描述触发条件包括任务类型、输入特征、期望输出核心原则几条必须遵守的硬性规则执行步骤分阶段的流程每一步都要具体到做什么、产出什么质量检查清单完成技能后需要自查的条目禁止事项明确告诉 AI 不要做什么。举个例子如果你经常让 AI 处理配置文件迁移可以写一个配置迁移技能适用场景是把一个服务的配置文件从旧格式迁移到新格式执行步骤包括分析旧配置所有字段、确定新格式映射关系、识别废弃字段与新增必填项、生成迁移后的配置、运行校验工具对比迁移前后行为禁止事项是不能凭空添加或删除配置项所有改动必须有据可依。写好之后把目录放到技能加载路径下技能就能像官方技能一样被自动匹配和调用。这个过程我强烈推荐试一次——你会发现在编写技能的过程中你对自己工作流程的理解也在加深。5.3 上下文管理的取舍配置越多AI 每次会话需要加载的信息就越多这会占用上下文窗口也意味着留给真正任务的空间变少。所以配置要克制技能要精选。一个具体的原则写进 CLAUDE.md 的内容应该只包含每次对话都需要知道的信息比如技能列表、项目结构、核心约定。而那些只在特定任务时需要的信息应该放在对应的技能文件里等任务命中时才被读取。这种分层设计能兼顾响应速度与能力覆盖。5.4 版本升级与自定义文件的兼容还有一点容易被忽略升级 superpowers 版本后你自己的自定义技能文件一般不受影响但官方技能的目录结构或触发方式可能变化。升级前建议先备份当前配置升级后用第 2.4 节的验证方法重新确认技能加载正常。如果自定义技能出现匹配异常多半是因为官方技能库的目录结构和加载机制变了需要对应调整路径或引用方式。6. 踩坑记录与排查思路安装使用中的常见问题6.1 技能加载不上路径问题的排查路径我见过最多的问题是技能明明装了AI 就是不用。如果你也遇到这种情况按这个顺序排查首先确认加载路径。手动克隆方式下确保 CLAUDE.md 里写的路径和实际的 skills 目录路径完全一致包括大小写和相对路径的基准位置。一个容易犯的错是在项目根目录写相对路径但 AI 实际工作目录和你预期的不一样。其次检查技能文件的命名和位置。AI 通常按约定寻找 SKILL.md 文件如果技能目录里缺了它或者文件命名不规范AI 就无法识别这是一个技能。最后检查触发方式。有些技能不是自动匹配的需要在对话中显式引用技能名称。你可以先明确地说使用 XXX 技能确认技能可用之后再观察自动匹配是否生效。6.2 技能调用后行为异常版本不一致的问题另一个常见坑是技能文件版本和 AI 推理能力版本不一致。技能里写的要求可能超出了当前 AI 能力的执行范围或者技能本身包含一些旧接口导致流程走到一半就卡住。遇到这种情况不要硬扛直接中断并让 AI 重新读取技能文件同时反馈哪里执行不了让它调整流程。如果问题反复出现考虑删除这个技能或者更新到最新版本。技能终究是辅助工具如果它和你的实际需求不匹配改造它或舍弃它都完全合理。6.3 什么时候不该用技能库最后说点实在的superpowers 不是万灵药。我体验过它的甜头也体验过它的冗余。下面这些情况用技能库反而可能是负担任务本身只有几分钟就能完成硬套完整流程会显得极其啰嗦情境化很强的创意工作过度流程化会扼杀灵活性代码库非常小、逻辑非常直接不需要系统化拆解。我现在的做法是简单任务不引入技能复杂任务不吝啬用技能。判断标准是这件事出错后需要返工的成本有多高。成本高就严格走流程成本低就让 AI 自由发挥。这个度掌握好之后superpowers 就从偶尔灵光一现的工具变成了稳定可控的工程伙伴。如果你准备折腾这套体系我的建议很简单先装上去只留三五个核心技能在真实项目里跑一周再去决定要不要扩展。毕竟工具的价值不在于装了多少功能而在于它能否持续帮你把活干得更好。