如果你最近在折腾AI编程工具大概率听过“superpowers”这个词。它不是什么超能力插件而是一套专门给AI编码助手用的“技能包”skills可以装进Codex CLI、Claude Code、WorkBuddy、Trae这类工具里让AI从“会写代码”变成“会做项目”。这东西解决的是一个特别具体的问题你用AI写个函数、查个bug它很利索但一旦你说“帮我把这个项目规划一下”它很容易开始瞎编——方案空洞、步骤跳跃、动不动就自作主张。Superpowers做的事情就是把软件工程里那些成熟的方法论头脑风暴、系统设计、TDD、系统化调试、代码审查编码成一份份AI能照着执行的操作手册。AI读完这些手册就不再是凭感觉回答而是按流程走先问清楚需求再给方案再写实现最后自查。这篇文章我会从安装、配置、实际玩法到常见坑完整过一遍。无论你用的是Codex CLI还是WorkBuddy、Trae都能找到对应的操作路径。1. Superpowers到底是什么一套给AI编码助手的“职业素养”技能包1.1 从一次失败的AI结对编程说起先讲个我自己的经历。几个月前我想让Codex CLI帮我重构一个老模块当时的对话大概是这样的“帮我看看这个服务层的代码提一下优化建议。”结果它列了七八条泛泛的建议比如“提取公共接口”“增加错误处理”听起来都对但根本没法落地因为它没问过我业务约束、没看过调用方、也没确认过兼容性要求。后来我才意识到问题不在模型能力而在工作方式。AI被训练成“你问我答”但它没有一套内化的工程流程——什么时候该问问题、什么时候该做设计、什么时候该写测试、什么时候该停下来让用户确认。它更像一个知识渊博但缺乏经验的实习生你问什么它答什么你不说它就不做。Superpowers就是冲着这个痛点来的。它的核心是把“一位资深工程师接到一个任务后会按什么顺序做什么事”这条路径拆成一个个独立的技能文件每个文件里写清楚触发条件、执行步骤、输出格式、检查清单。AI只要被引导去读这个文件它就会老老实实按流程执行而不是自由发挥。1.2 skills机制为什么单独的提示词不够用你可能想那我写一段很长的prompt不就行了比如“你是一位资深架构师请先问需求再画架构图再列计划……”。短期看有效但问题很明显提示词太长会占用上下文窗口影响后续对话质量。每次新开会话都要重新贴一遍麻烦且容易出错。提示词里的流程是“一次性”的没有沉淀和迭代。Superpowers用的是“技能文件”机制本质上是把工程方法论沉淀成仓库里的一个个Markdown文件按目录组织、按需加载。AI在工作时不是一次性把整个技能库塞进上下文而是通过类似AGENTS.md的索引文件知道“有这些技能可用”然后在真正需要的时候才去读取某一个具体技能文件的完整内容。这就好比一个工具箱。你不用把扳手、螺丝刀、电钻全攥在手里你只需要知道工具箱里有什么然后拿当下需要的那个。这个设计让技能包可以做得很厚又不会拖慢日常对话。1.3 安装后你到底获得了什么装好superpowers并正确配置后你的AI编码助手会额外具备这样几类“岗位能力”需求澄清在动手前像产品经理一样把边界、用户场景、验收标准问清楚。系统设计产出结构化的技术方案包含模块划分、数据模型、接口设计、风险点。计划拆解把一个大目标拆成可执行的小任务并标注依赖顺序。测试驱动开发坚持“先写失败测试、再写实现、再重构”的节奏。系统化调试出现bug时不再盲目改代码而是先建立假设、再定位、再修、再验证。代码审查从正确性、可维护性、性能等维度给出一份有依据的评审意见。如果你跟AI协作时最头疼的就是“它太着急写代码”那这套技能包会是一个很好的矫正器。2. 安装与初始化让Codex CLI、WorkBuddy、Trae都能跑起来2.1 安装前的环境准备虽然不同工具的安装路径略有差异但有几个前置条件是通用的本机装了Git能正常访问GitHub。superpowers本身是开源仓库需要通过git clone拉到本地。目标AI工具已经跑通。建议先在一个空目录里测试Codex CLI或Claude Code能正常对话再装技能包否则出了问题不好排查。确认工具版本别太旧。Codex CLI、WorkBuddy这类工具迭代很快skills加载机制在不同版本里改过好几次尽量用最近一两个月的版本。我的习惯是单独建一个目录做测试比如~/projects/superpowers-demo里面放一个最小化的项目文件再装技能包。这样就算配置出问题也不会污染正在干活的正式项目。2.2 拉取并部署superpowers技能包安装的第一步是把superpowers仓库克隆到本地git clone https://github.com/obra/superpowers.git cd superpowers进入仓库后你会看到skills/目录里面按功能分好了子目录project-management/、code-review/、writing-plans/、dependency-migration/等等。每个子目录下的Markdown文件就是一个个具体的技能。部署方式跟具体工具强相关但思路是一致的把skills目录里的内容复制到你的AI工具能找到的位置。常见的几种放法项目级位置把skills目录直接放到你的项目根目录下比如.codex/skills/或.claude/skills/这样只有当前项目能用。用户级位置放到~/.codex/skills/或~/.claude/skills/这样全局的所有项目都能识别。我在实际使用中更推荐项目级放置。原因有两个一是不同项目需要的技能不同全局装了反而增加AI误读文件列表的噪音二是技能文件偶尔需要针对项目做定制放在项目里改起来方便。2.3 在Codex CLI中注册superpowersCodex CLIOpenAI的命令行编程工具是这波AI编程工具里比较早支持skills机制的之一。它的配置核心是项目根目录下的AGENTS.md文件。如果你打开superpowers仓库的AGENTS.md会看到里面写了类似这样的索引信息# Superpowers This project provides coding skills as markdown files. ## Skills ### Project Management - brainstorming: skills/project-management/01-brainstorm.md - system design: skills/project-management/02-system-design.md - test driven development: skills/project-management/03-test-driven-development.md - systematic debugging: skills/project-management/04-debugging.mdCodex CLI在每次对话开始时会读取AGENTS.md作为系统上下文。这样AI就知道“这些技能存在于哪些路径”当你在对话中说“请用brainstorm技能”时它就能找到对应文件并读取完整内容。部署到Codex CLI的操作可以这样# 在你的项目目录下 mkdir -p .codex cp -r /path/to/superpowers/skills .codex/skills cp /path/to/superpowers/AGENTS.md ./AGENTS.md然后打开AGENTS.md把里面的sperpowers/skills/...路径改成实际路径.codex/skills/...。路径写错是新手最常见的坑——AI会告诉你“找不到这个技能”排查半天发现只是路径前缀对不上。2.4 在WorkBuddy和Trae中的安装差异WorkBuddy和Trae这类工具更偏向IDE集成安装方式会更“图形化”一些。WorkBuddy通常提供了技能管理界面你可以直接把superpowers的skills目录导入。如果它是CLI工具记住一个高频命令workbuddy install skill superpowers。这个命令会自动从仓库拉取技能包并放到正确位置。装好后你可以在技能列表里看到superpowers的各个子技能并且能勾选启用哪些。Trae这边社区里常见的是通过“导入skill”的方式。你可以把superpowers仓库里某个技能文件的内容复制到Trae的skills配置区或者如果Trae支持目录导入直接把整个skills目录拖进去即可。这里要提醒一点这些IDE类工具的skills机制和Codex CLI的AGENTS.md加载方式不是完全兼容的有的工具会自动读取技能文件目录有的还需要你在配置里手动声明。装完一定要先跑一个最简单的技能比如让AI读01-brainstorm.md并复述它的步骤确认能不能正常响应再进入正式使用。3. 核心技能逐一拆解项目管理、系统设计、调试与代码审查3.1 头脑风暴与项目启动用结构化提问框住需求01-brainstorm.md是我用得最多的一个技能它的价值在于“逼着AI先问问题”。默认情况下你跟AI说“帮我设计一个任务管理App”它通常会直接甩给你一个信息架构、几个核心表、几个接口看着挺完整但很多假设是它自己脑补出来的用户是C端还是B端需不需要多人协作数据量级多大有没有离线场景触发brainstorm技能后AI的行为会明显变化。它会先输出这样一段话“在开始设计之前我需要确认几个关键问题1. 这个App的核心用户是谁解决他们什么问题2. 你期望的最小可用版本包含哪几个功能3. 用户数据是本地存储还是需要云端同步……”它会一个问题一个问题地问而不是一次性抛出十个问题让用户答。每答完一个它还会追问一句“还有别的约束吗”。这种方式看起来很慢但它能极大减少返工。我在实际项目里用下来一个中等规模功能的需求澄清大概花10-15分钟但后面设计方案几乎没推倒重来过。这个技能的使用方式是在对话里输入请使用superpowers的brainstorm技能我们来讨论一下这个新功能的需求。AI会读取文件然后按流程走。3.2 系统设计从一张空白页到可落地的技术方案需求澄清之后下一步通常是02-system-design.md。这个技能的含金量在于它会要求AI输出包含多个固定章节的设计文档而不是零散的回答。文档结构大致是背景与目标非目标明确不做什么架构选型与理由模块划分与职责数据模型设计接口设计错误处理与边界情况部署与监控要点风险清单为什么非目标这么重要因为绝大多数AI生成的设计方案问题不在“做了什么”而在“什么都想做”。如果没有明确非目标AI会把分布式缓存、消息队列、微服务拆分全给你加上哪怕你只是要一个日活几百的小工具。我要提醒的是02-system-design.md这个技能产出的是一份很长的文档读起来会比较耗时。建议不要让它一口气全写出来而是分章节输出。你可以说“先写背景与目标确认没问题再写数据模型”这样每轮对话更聚焦你也能在每个关键决策点上及时干预。3.3 系统化调试不要再让AI瞎猜bug04-debugging.md是我认为最值得装的一个技能没有之一。你有没有遇到过这种情况把报错信息丢给AI它第一反应是“这可能是因为XX试着改成XX”。这种建议有时候管用但更多时候是在猜。猜中了算运气猜不中就是来回试错浪费大量tokens和时间。systematic debugging技能要求AI按经典的五步调试法走复现问题确认稳定的触发路径。提出假设列出所有可能原因并排序。用最小实验验证当前假设缩小排查范围。定位并修复根因而不是修表面症状。验证修复然后补充回归测试防止问题复发。触发这个技能后AI拿到一个bug时会先说“我先尝试复现”然后让你提供更多上下文比如完整的调用链、相关日志、最近的代码改动。如果你给的线索不足它不会随便给建议而是会明确告诉你“目前信息不足以定位问题需要补充这些内容”。这个流程把我日常修bug的时间压缩了大概一半。以前是AI猜方向、我试错现在是AI也是按假设-验证的流程走每一步都有依据。3.4 代码审查与依赖迁移收尾阶段的底气代码审查技能code-review/下的文件和依赖迁移技能dependency-migration/下的文件是我后补的刚开始觉得用不上后来发现真香。代码审查技能会让AI审查代码时输出结构化结论按严重程度阻塞/重要/建议分类每个问题附带“为什么是问题、怎么改、可能有啥副作用”。它不会像默认模式那样把所有小问题都拉平罗列而是能分清轻重缓急。依赖迁移技能则是项目升级老依赖的利器。它会先要求你盘点当前依赖版本、目标版本、Breaking Changes清单再制定迁移计划最后才是动手改代码。这个顺序能避免AI“越改越乱”的尴尬因为大多数复杂迁移失败都是因为没搞清楚前后的行为差异就开始动手。这两个技能我建议在项目进入稳定期后再启用配合代码审查流程能收获比较明显的质量提升。4. 实战演示用superpowers从0到1规划一个待办事项服务4.1 场景设定与初始对话光讲理论没意思我拿一个实际场景演示一下完整流程。假设我要做一个极简的团队待办事项API只有两个角色普通成员和管理员。第一轮对话我会输入请使用superpowers的brainstorm技能帮我启动一个新项目一个团队待办事项API。此时AI读取01-brainstorm.md后会开始提问而不是直接给方案。它会问团队成员规模大概多少待办事项需不需要截止时间和优先级管理员和普通成员的权限差异具体是什么需要哪些终端设备访问我逐个回答等AI确认需求边界足够清晰后它会输出一份需求确认摘要。这时候我再触发下一个技能。4.2 从头脑风暴平滑过渡到系统设计在需求摘要确认无误后我说好现在请使用superpowers的system-design技能基于刚才的需求输出技术方案。先写背景与目标、非目标、架构选型三节一次一节。AI会分节输出。前三节完成后我确认没问题再让它继续写数据模型和接口设计。这里有一个经验细节一次只让它输出两到三节。按默认AI很可能一次性生成一整篇长文但那样你很难在中间插入调整意见。分节输出看起来多花了一点时间实际上把设计沟通成本压到了最低。数据模型出来后我通常会让它顺便列一个简单的ER图用纯文本不要用mermaid避免格式兼容问题然后人工过一遍字段和关系确认没问题再进入编码阶段。4.3 进入TDD流程编写首个测试设计方案定稿后开始写代码。我会这样触发请使用superpowers的test-driven-development技能为“创建待办事项”这个接口编写第一个失败测试。AI会先写一个测试比如“调用创建接口输入标题和截止时间返回创建成功且状态为pending”。然后运行确认失败。接着写最小实现让测试通过。最后做一次小的重构。整个过程最有价值的地方在于AI不是“先写实现后补测试”而是真的按照测试先行节奏走。它每完成一步会停下来等待你的确认而不是一口气把所有代码写完然后丢给你。这种节奏感对于希望把控代码质量的开发者来说非常重要。4.4 用调试技能处理开发中的意外开发过程中我故意制造了一个异常场景创建一个待办事项时如果截止日期是过去的日期服务会返回500而不是参数校验错误。我会这样告诉AI创建待办事项时传一个昨天的日期接口报500了。请使用systematic-debugging技能排查。AI不会马上说“可能是这里需要加校验”而是会先请求我提供接口日志和调用参数然后列出一个假设清单逐一验证。最终它会定位到“参数校验层的日期比较逻辑写反了”或者“DTO转换时把日期字段给丢了”这类根因然后给出修复方案并建议补一个回归测试。这个过程的价值不在于“找到bug”而在于每一步都有逻辑依据不会出现“改了A又引发B”的连锁翻车。5. 常见问题与排查技巧实录5.1 技能不生效检查AGENTS.md加载路径最常遇到的问题就是明明已经把skills文件放到项目里了但跟AI说“使用brainstorm技能”它却回“我没有这个技能”。绝大多数情况是路径问题。看你的AGENTS.md里写的路径是skills/project-management/01-brainstorm.md但实际文件放在.codex/skills/project-management/01-brainstorm.mdAI找不到就报错。排查方式很简单手动打开AGENTS.md里引用的路径看能不能从项目根目录按这个相对路径访问到目标文件。如果打不开就是路径写错了。我的经验是在不同工具之间切换时AGENTS.md、CLAUDE.md这些索引文件的路径前缀要单独适配没法直接通用。还有一类情况AI能读到文件但它认为“brainstorm技能”这个名字有歧义不知道具体对应哪个文件。这时候把触发词写得明确一点比如“使用superpowers的project-management/01-brainstorm.md技能”一次性把路径和文件名说清楚。5.2 上下文爆炸别把整个技能包塞进对话superpowers的技能文件加起来有几十个Markdown总字数不少。如果你在对话开始时把所有技能内容一次性让AI读完上下文窗口会被占掉一大半后面对话质量会明显下降。正确做法是依赖AGENTS.md这个轻量索引让AI只知道“有哪些技能、文件在哪”然后在需要的时候再用工具读取具体文件。这就像在图书馆里先看索引卡片再决定去哪个书架拿哪本书而不是把整座图书馆搬回家。如果你的工具不支持按需读取文件那就需要“手动分段加载”这个会话要用brainstorm就只把01-brainstorm.md内容粘贴进去下个会话要用system-design再粘贴02-system-design.md。麻烦是麻烦一点但不会把对话质量拖垮。5.3 不同工具的配置差异与兼容性Codex CLI、Claude Code、WorkBuddy、Trae这几类工具对skills的支持程度不一样。我整理了一组对照供你参考工具索引文件技能目录建议位置加载方式Codex CLIAGENTS.md.codex/skills/通过AGENTS.md路径按需读取Claude CodeCLAUDE.md.claude/skills/可以通过CLAUDE.md或插件机制引用WorkBuddy自带技能管理通过命令安装自动读取技能列表按需加载Trae导入技能配置取决于版本IDE界面导入或配置文件声明Codex CLI走得比较“极客”所有配置都靠文件灵活但门槛高。WorkBuddy和Trae更偏可视化安装简单但可定制性没那么强。如果你在多个工具之间共用同一个项目建议为每个工具单独维护一份索引文件路径各自适配。别图省事让所有工具共用一个AGENTS.md因为不同工具对相对路径的解析规则有差异。5.4 命令失效时怎么办有几次我在WorkBuddy里执行workbuddy install skill superpowers提示安装成功但对话里调用技能就是没反应。后来发现是版本问题——新版本的WorkBuddy改了技能目录的命名规则老版本装的技能在新版本里不识别。遇到这种问题优先做三件事第一查工具更新日志里关于skills的变更第二确认技能实际安装到了哪个目录跟工具默认扫描目录是否一致第三装完之后重启会话很多工具只在会话启动时加载技能清单。还有就是技能的“触发词”问题。有些技能文件内部定义了trigger短语但不同工具对这个触发短语的匹配方式不一样。稳妥的做法是直接在对话里说“请使用superpowers的技能文件路径/文件名”让AI明确知道你引用的是一个本地文件。最后的几点体会用superpowers这段时间我最大的感受是它没有给AI增加任何新知识但它给AI装上了一套工作流程。以前让AI做方案它像一匹脱缰的野马想到哪写到哪现在它会先确认方向、再铺路、再跑效率反而高了很多。我的建议是第一次装不要全部铺开只挑两个技能跑熟一个是brainstorm一个是systematic-debugging。这两个技能覆盖了“开发前”和“出事后”两个最容易被AI搞砸的环节。等这两个流程手顺了再逐步补上system-design、TDD、code-review你会明显感觉到AI的产出从“像那么回事”变成了“就是那么回事”。另外一个小技巧可以把你常用的技能调用方式做成项目文档放在README里比如“新功能讨论请使用brainstorm技能”“线上问题排查请使用systematic-debugging技能”。这样团队里的同事拿到项目后不需要理解superpowers的原理照着文档说一句话就能获得同样高质量的AI输出。