我做AI编程工具也有两三年了Claude Code、Cursor、继续涌现的各类Agent框架都折腾过不少。说实话工具越来越强但真正让我觉得“队友上了一个档次”的反而是最近装上的这套叫superpowers的开源技能包。它不是一个简单的prompt模板也不是一条命令搞定某个功能的脚本而是一整套让AI按专业工作流干活的“技能体系”。这篇文章我不打算念README而是把我从安装、拆解技能清单、到自定义skill、再到实际跑通完整流程的整个过程连坑带经验一起写出来。想直接上手的照着做就行。1. superpowers是什么先把它和普通prompt插件分清楚1.1 它本质上是给Claude Code装“职业技能包”superpowers这套东西核心载体是一堆目录化的“skill”。每个skill就是一个文件夹里面有一个SKILL.md文件用结构化方式写清楚这个技能的适用场景、触发条件、执行步骤和输出要求。当你在Claude Code里使用它时AI会读取这些说明在合适的时候自动加载对应的技能然后按设定好的流程干活。这和普通prompt的区别非常明显。普通prompt就是把一段话复制到对话框里告诉AI“你要怎么怎么干”但这段提示词离开当前会话就失效了而且不同场景下你总要重新组织语言。superpowers则把经验固化成了文件AI遇到对应场景会自动翻出来用不用你每次重复口诀。你可以把它理解为“给AI上的职业培训课”上完课它就知道接到任务后该按什么顺序、用什么方法完成。我第一次用的时候最直观的感受是AI不再像个只会接话的聊天机器人而更像一个拿到需求后会先思考、再列计划、然后逐步执行的技术同事。它会主动说“我先梳理一下需求然后给出几个方案”而不是直接甩出一段代码让你自己判断对不对。1.2 为什么值得关注它把AI从“回答问题”变成“完成工作”普通AI编程工具场景里最常见的痛点是什么是AI答得都对但活儿干不到底。你让它改bug它给你一段修改建议你自己去改你让它写功能它生成几百行代码但没测试、没文档、没提交。superpowers试图解决的正是这个“从建议到交付”之间的巨大鸿沟。它通过一组相互串联的skills给AI建立了一条完整的工作链路。比如任务来了先搞清楚目标然后头脑风暴、拆解计划、编写任务清单再进入编码、测试、调试最后整理文档发布成果。整个过程是环环相扣的。每一个环节都有对应的技能文件告诉AI“这个阶段你的角色是什么、必须产出什么、用什么标准验收”。所以网上那些关于superpowers的热搜像“有哪些skills”“怎么引入这些技能”“想要安装superpowers”本质都是同一个诉求大家发现只靠聊天式prompt已经不够用了想把AI训练成一个真正能顶岗的开发者。superpowers正好提供了这个框架。2. superpowers安装教程4种方式把技能引入你的工作环境2.1 前置条件你至少得有一款支持skill机制的AI编程工具superpowers本身不挑平台但目前最成熟的场景是Claude Code。如果你用的工具支持.claude/skills/目录或者兼容Anthropic的skill规范那也能直接复用。安装之前先确认你的Claude Code版本够新最好用最新版因为skill加载机制一直在迭代老版本可能会出现技能读取不到的情况。我用的环境是macOS Claude Code 2.x版本整个过程大概五分钟。Windows环境要注意路径分隔符和终端权限问题建议用PowerShell以管理员身份执行部分命令。Linux上一般没有额外障碍但如果你是通过SSH远程操作的服务器记得先确认~/.claude目录是否存在没有就手动创建。在动手安装前还有一件重要的事备份你的Claude配置目录。路径一般是~/.claude里面有你的设置文件和已装插件。虽然superpowers安装过程不强制覆盖但后续你自己添加自定义skill时改文件是难免的提前备份一下出问题能快速回滚。2.2 安装步骤插件市场、Git克隆、手动复制都行先说最快的方式通过Claude Code的插件市场安装。在会话里输入下面两行命令/plugin marketplace add obra/superpowers /plugin install superpowerssuperpowers插件市场方式的好处是以后更新方便作者发新版本后你在工具里直接走插件更新流程就行。我推荐大多数用户用这个方式省事也不会弄乱目录结构。第二种方式是Git克隆适合你想深度定制、或者直接看源码的人。git clone https://github.com/obra/superpowers.git cd superpowers克隆下来后你会看到里面有一个skills目录这个目录里每一个子文件夹都是一个独立的skill。接下来要做的是把它接入你的Claude Code环境。你可以把这整个skills目录复制到你的项目级目录.claude/skills/或者放到用户级目录~/.claude/skills/。项目级目录只对当前项目生效用户级目录会对所有项目生效。我个人的习惯是用户级放一份常用技能项目级放需要和团队共享的定制技能。第三种方式更保守一点直接手动复制配置文件。如果你不想大规模改动目录可以只挑几个你需要的skill复制过去。比如你只想要测试驱动开发和调试技能那就只复制skills/test-driven-development和skills/debugging这两个文件夹。这种方式的缺点是后续更新麻烦容易漏掉依赖项所以我只在验证单个技能的时候用。安装完之后重新打开Claude Code会话让它识别新技能。如果一切正常你在对话里提到相关场景时AI会主动加载对应技能。想确认它有没有加载成功可以直接问它“你现在有哪些可用的skills”或者“能不能介绍一下你的技能列表”。2.3 验证是否生效有个简单的判断方法不需要很复杂的检测你只需要新建一个会话输入一个和某个技能强相关的小任务。比如你装了test-driven-development技能就让AI“用测试驱动的方式写一个判断闰年的函数”。如果它回复的时候主动提到“按照TDD流程先写测试再写实现”那说明技能已经加载了。如果它没有反应别急着判定安装失败。先检查几个位置技能目录是否放对了、SKILL.md的frontmatter格式是否完整、Claude Code版本是否支持。我遇到过一种情况技能目录放到了.claude/skills但名字拼错了一个字母AI根本扫不到。另外有些版本的Claude Code要求技能目录必须直接放在skills下不能多套一层别的目录这个细节特别容易踩坑。3. superpowers有哪些skills我整理了一份核心技能清单3.1 技能命名与组织逻辑先理解它为什么这么设计superpowers里的技能命名非常直白基本都是“动词对象”的结构比如brainstorming是头脑风暴writing-plans是写计划test-driven-development是测试驱动开发debugging是调试。这种命名的好处是AI在读取技能描述时能快速匹配任务场景你作为使用者也一眼能看出每个技能的用途。除了命名技能之间还有依赖关系。比如creating-skills这个技能它的作用是教AI如何创建新的skill而它本身会依赖reading-templates或者writing-markdown这类基础技能。设计者希望技能之间可以互相调用形成组合拳。这个思路很聪明相当于让AI具备了“自我进化”的能力遇到新任务时它可以先拆解任务然后组合已有技能实在不行就创建新技能。我在实际使用中注意到它内部有几个核心的“流程类”技能比如brainstorming、writing-plans、creating-tasks、engineering-task这些技能组合起来就是一条完整的项目开发流水线。AI会先和你头脑风暴确认需求再输出计划文档然后把计划拆成一个个任务最后进入执行阶段。这套流程几乎覆盖了从0到1做一个功能的完整闭环。3.2 典型技能逐项拆解每个技能解决什么问题下面列几个我用得最多、也最有代表性的技能说说它们具体是干什么的。brainstorming头脑风暴这个技能让AI在动手写代码之前先和你做多轮方案探讨。它会主动提出几个候选方案分析各自的优缺点还会结合上下文给出推荐。我经常在需求模糊的时候触发它效果比直接说“帮我写个功能”好太多。writing-plans编写计划当任务比较大、涉及多文件修改时AI会用这个技能把任务拆解成步骤写明每步要改哪些文件、预期产出是什么最后生成一份计划文档。你确认后它才进入编码环节。这个技能是避免AI“东一榔头西一棒子”的关键。test-driven-development测试驱动开发这个技能强制AI按照“先写测试、再写实现、再重构”的顺序来写代码。它会在动手前先列出测试用例再开始写业务逻辑。对于追求代码质量的人这个技能基本是必装的。debugging调试这个技能要求AI按“复现问题—定位原因—最小修改—验证修复”的流程排查bug而不是上来就瞎猜乱试。它还特别强调每次只改一个变量改完必须验证。reading-code阅读代码在改动陌生代码之前AI会先通读相关文件输出一份理解笔记包括模块职责、关键调用链、潜在风险点。它能有效避免AI在不理解代码的情况下乱改出错。autonomous-command-execution自主命令执行这个技能约束AI执行终端命令时的行为。它会让AI在执行危险命令或不确定的操作之前先向你确认避免它在服务器上乱跑命令。launching-new-projects启动新项目新建项目时AI会按规范帮你搭好目录结构、初始化Git、创建基础配置文件。省去你重复手工搭建骨架的时间。publishing-work发布成果把完成的代码、方案整理成可发布的文档或文章。我经常用它来把一次完整的开发过程整理成博客初稿效率非常高。除了上面这些还有security-audit安全审查、navigating-codebases代码库导航、writing-markdown写Markdown文档、creating-skills创建新技能等等。我在下表里整理了一份更全的清单和适用场景方便你对照选择。技能名核心作用触发场景brainstorming多轮方案探讨输出候选方案和推荐需求模糊、方案选型writing-plans把大任务拆解成可执行计划并输出文档多文件改造、复杂功能开发creating-tasks将计划细化为具体任务清单进入编码前test-driven-development先测试后实现再重构任何业务代码开发debugging按流程复现、定位、修复bug排查线上/本地问题reading-code阅读并理解现有代码后输出笔记接手陌生项目、改动旧代码navigating-codebases快速定位代码库中的关键文件大型仓库搜索autonomous-command-execution约束终端命令执行的节奏涉及命令行操作的场景launching-new-projects初始化新项目结构和配置新项目开工publishing-work把成果整理成可发布内容写技术文章、项目总结security-audit审查代码和配置中的安全隐患发布前安全检查creating-skills指导AI创建新的自定义技能需要沉淀新经验时3.3 怎么挑选适合你的技能组合不是所有技能你都要装上。技能越多AI在匹配时越容易犹豫反而拖慢响应。我的建议是先按你的工作类型选定核心技能再逐步扩展。如果你是写业务代码的必装test-driven-development、debugging、brainstorming如果你是做项目启动和架构的必装launching-new-projects和writing-plans如果你经常要写文档、做知识整理writing-markdown和publishing-work会很有用。装完之后也不要一直不清理。用上一段时间回顾一下哪些技能你真的高频使用哪些几乎没触发过。对于几乎没用的技能直接删掉或者移到备用目录。技能不在多关键是每一条都能在需要的时候精准出现。4. superpowers具体怎么用从被动问答到主动工作流4.1 触发方式自动加载和手动唤醒两种superpowers的使用方式和我一开始想的不太一样。它不是那种你在对话框里输入/use test-driven-development就立刻切换模式的工具虽然某些版本支持类似命令更多时候是“AI自己判断该用哪个技能”。什么意思呢每个SKILL.md文件的frontmatter里有一段description里面写明“在什么情况下使用这个技能”。Claude Code启动后会扫描所有技能当你的对话内容命中某条描述的语境时它就会自动加载对应的技能文件把完整的操作指令注入到上下文中。这个机制有点像浏览器的自动补全你不用手动开启输入进浏览器地址栏后它自动给你匹配关键词。手动唤醒的方式也有就是在描述任务时明确说出技能名。比如“请用debugging技能帮我定位这个bug”。这种方式适合你很清楚要调哪个技能的时候。我实测下来自动加载和主动指定混合使用效率最高大方向由你自己把握具体流程细节交给AI按技能执行。4.2 工作流编排多个技能如何串成一条线真正体现superpowers价值的地方是多技能串联。我举一个实际例子上次我需要给一个旧项目新增一个支付接口。我没有直接说“写代码”而是在对话里描述了需求。AI首先加载了brainstorming技能和我确认接口字段、异常处理方式给了两套方案。我选了其中一套后它又加载了writing-plans把任务拆成“定义接口契约、编写数据模型、实现业务流程、补充单元测试、更新文档”五个步骤。然后它进入编码阶段自动加载test-driven-development先写测试用例再实现逻辑。中途有一个测试总过不去它主动加载debugging技能没有乱改代码而是先打印日志、定位参数校验问题最后只改了一处地方测试就通过了。整个过程我几乎没有催它它自己按流程走完。这和我以前用AI编程的感觉完全不同。以前是我一步一步告诉它“现在做什么、下一步做什么”现在是它有一套内置的项目管理逻辑我只是需求方和最终验收人。那种“AI真的在干活”的实感非常强。这段体验让我理解了一个关键点superpowers本质上是在规范化AI的工作习惯。它不像单个prompt那样只改变一次回答而是建立了持续的行为模式。AI一旦进入这套模式回答问题的质量会稳定很多不会时好时坏。4.3 让技能更稳定上下文清理和角色设定技能虽然好用但也依赖一个干净的上下文。我建议在一个比较大的项目中每隔一段时间开启新会话并让AI手动加载项目根目录里的记忆文件或计划文档而不是让旧会话无限拉长。上下文太长之后技能加载的指令权重会被淹没AI容易淡忘核心约束。另外你可以在Claude Code里给AI设定一个“主角色”比如“资深全栈开发工程师”让它在执行任何技能之前先意识到自己的角色。配合superpowers的流程约束输出质量会更稳。我在配置文件里加了一段角色描述实测下来AI在涉及技术选型时会更谨慎给出的理由也更具体。5. 手把手教你写自己的skill从模板到落地5.1 一个skill就是一个目录核心是SKILL.mdsuperpowers最有吸引力的地方是你可以自己创建技能把日常重复的工作流固化下来。我一开始也觉得写技能是高难度操作真正动手后发现只要你理解它的文件结构这件事门槛并不高。一个技能的基本结构长这样skills/ └── my-skill/ ├── SKILL.md ├── reference/ │ └── examples.md └── scripts/ └── validate.pySKILL.md是这个技能的灵魂里面用YAML格式写元信息用Markdown写操作指令。reference目录放参考资料scripts目录放可执行脚本。AI加载技能时首先读SKILL.md根据指令需要再决定是否读取其他文件。下面是我自己创建的一个“代码审查”技能的SKILL.md模板你可以直接参考--- name: code-review description: 在提交代码或合并请求前对代码进行系统审查发现潜在问题并给出修改建议。 when_to_use: 当用户要求审查代码、检查代码质量、准备提交合并请求时自动使用该技能。 depends_on: - reading-code --- # 代码审查技能 ## 目标 在进入审查前先理解代码的整体结构再逐项检查。 ## 执行步骤 1. 使用 reading-code 技能理解待审查代码的功能与调用关系。 2. 检查代码是否符合项目既定风格是否存在明显的反模式。 3. 从可读性、性能、安全性、可测试性四个维度给出审查意见。 4. 对每个问题标注严重程度必须修改、建议修改、可选优化。 5. 输出一份审查报告包含问题清单、修改建议和优先级排序。 ## 输出格式 使用 Markdown 表格列出问题、位置、严重程度和修改建议。我把这个文件放进skills/code-review目录后重新加载Claude Code然后在对话里随便贴了一段代码说“帮我审查这段代码有什么问题”。AI很快就按我设定的步骤输出了一份带严重级别和修改建议的审查报告格式完全符合我的要求。5.2 写instructions的要点越具体AI执行越稳写SKILL.md正文的时候最关键的是把步骤写具体、写可操作。不要只写“审查代码的质量”而要写清楚“先看什么、再看什么、最后输出什么格式”。AI对含糊描述的响应远不如对明确步骤的响应。我的经验是每一步都要包含两个要素做什么以及做到什么标准。比如“检查代码是否存在未处理的异常如果发现标注文件路径和行号”比“检查代码可靠性”要好用得多。另外尽量给AI一个输出模板它可以照着填而不是自由发挥。自由发挥的时候AI偶尔会漏掉关键项。还有一个容易忽略的点技能之间的依赖关系。如果你创建的技能需要用到已有技能在frontmatter里通过depends_on字段声明。AI加载当前技能时会注意到它依赖的其他技能在需要时自动加载。这个机制能避免一个技能里塞太多内容导致上下文爆炸。5.3 绑定触发器与测试让技能在正确时机自动出现写完技能后你可能还会遇到一个尴尬问题AI就是不自动加载它。原因多半是description写得不好。description是AI判断“什么时候用这个技能”的唯一依据它要足够具体、覆盖面合适最好包含触发场景的关键词。比如你写“代码审查”但描述里只有“审查代码质量”那AI在读代码但没提“审查”这个词的时候可能就不触发。你可以改成“当用户要求审查代码、检查代码质量、准备提交合并请求、或者提供一段代码询问有没有问题时使用”。描述越贴近实际对话触发率越高。创建完技能后我建议用一个真实小任务做验证。如果没触发回到description里补充更多触发词。如果触发了但执行结果不合预期调整正文步骤。这是一个不断打磨的过程本质上和训练人一样反馈越具体表现越稳定。6. superpowers常见问题排查与避坑经验6.1 安装后技能完全没生效问题通常出在目录路径我遇到最多的求助信息就是“装好了但AI完全不搭理”。排查路径其实很固定先检查目录。技能目录必须放在.claude/skills/下不能多套一层superpowers/skills。有些用户克隆仓库后直接把整个仓库文件夹复制进skills目录变成了.claude/skills/superpowers/skills/xxx这种结构是扫描不到的。还要注意Claude Code在不同平台对大小写敏感程度不同。Linux和macOS默认大小写敏感目录名用Test-Driven-Development还是test-driven-development必须一致。Windows上虽然不敏感但也不建议混用大小写保持规范能减少后续维护成本。另外修改技能文件后旧会话不会自动重新加载这也是很多人“改了没反应”的原因。更新技能后记得开一个新会话再测试。6.2 技能加载了但是行为不符合预期多半是依赖缺失有些技能执行到一半会突然中断或者明显没有按流程走。我遇到过几次发现原因是依赖的技能没有安装。比如creating-skills这个技能它依赖reading-templates来读取模板文件如果依赖缺失它就会跳过关键步骤。解决方法是每次安装一个技能前先看它的depends_on字段把依赖一并安装。手动复制技能目录时尤其容易漏掉这一步。另外技能里的脚本如果依赖外部Python包或者Node模块也需要单独安装。这类问题在报错时往往不明显AI可能只会说“执行失败”或者“缺少某段指令”。6.3 技能冲突多个技能同时匹配怎么办当对话内容同时命中多个技能的描述时AI会选择加载一个或按顺序加载多个。这会导致流程交叉行为变得不可预测。我遇到过debugging和test-driven-development同时激活的情况AI一边按TDD流程写测试一边又跳出去做问题复现场面有点混乱。遇到这种情况我的做法是主动干预明确告诉AI“当前阶段只使用哪个技能”。比如“先不要管测试流程先帮我定位这个bug的原因”。高素质的AI会立刻调整只保留指定技能的指令。如果你发现某个技能经常被误触也可以修改它的description缩小适用范围减少和其他技能的语义重叠。6.4 我的几条避坑经验用superpowers这段时间有几个心得体会值得单独说一下。第一不要一次性装太多技能。技能数量多之后AI在匹配阶段会花更多时间响应速度会变慢。我现在用户级目录大概保留了十个左右核心技能足够覆盖绝大多数任务。第二定期更新。superpowers迭代很快技能格式几乎每个月都在微调。旧格式的技能在新版本里可能无法正常加载最好的办法是关注仓库动态隔段时间执行一次插件市场更新。第三把自定义技能独立保存。我自己创建的技能都放在一个单独目录里备份比如~/Documents/my-ai-skills/这样即使Claude Code配置被重置我也能快速恢复。毕竟手写的技能带有个人经验丢了再写一遍成本很高。7. 结束语把它当队友培养而不是当工具使唤如果只看安装命令和技能列表superpowers似乎只是一个配置包而已。但我实际用下来最大的感触是它改变了我和AI协作的方式。以前我把AI当成一个随时可以提问的搜索引擎现在我是把一套工作方法完全托付给它让它按照我认可的标准去完成任务。所以如果你刚接触这套东西我的建议是别急着把全部技能都装上。你先装两三个最常用的跑通一次完整的工作流感受一下“AI主动按节奏干活”是什么体验。然后你再决定要不要深入定制。技能是死的但工作流是活的真正值钱的是你愿意花时间去定义标准、打磨流程这件事本身。这套工具的价值最终会体现在你自己想明白“AI该怎么干活”这个问题的过程里。