Superpowers 使用指南：给 AI 编程工具装上方法论技能

为什么你需要 Superpowers？

你写过这种 Prompt 吗？

> "帮我写一个用户管理系统。"

然后 AI 给你糊了一个 300 行的泥团，你花了一小时删改、拆文件、加异常处理。最后你说：AI 编程就是吹牛。

问题不在 AI，在你。

真正的效率，不是问对一个问题，而是把问题拆成 14 个精确的子任务。 Superpowers 提供了 14 个经过验证的方法论，让 AI 从"自动补全器"升级为真正的编程搭档。

什么是 Superpowers？

Superpowers) 是 GitHub 上最火的 AI 编程方法论框架（233k+ ⭐），作者是 obra。它是一套系统化的 **Skills（技能）** 文件集合，指导 AI 编程工具如何工作。

它包含 14 个 Skills，支持 6 款主流 AI 编程工具。安装后，你的 AI 助手不再"瞎写代码"，而是会先思考、再规划、最后执行。

装了 vs 没装的对比

没装时：

你：给用户模块加个批量导出功能
AI：好的，我来实现...（直接写代码）
    export async function exportUsers() { ... }
你：等等，格式不对，没分页，大数据量会 OOM...

装了后：

你：给用户模块加个批量导出功能
AI：在开始实现之前，我需要了解几个关键问题：
    1. 导出格式是 CSV 还是 Excel？
    2. 预计数据量多大？需要异步处理吗？
    3. 有权限要求吗？
    → 给出 2-3 个方案，确认后再动手

支持哪些工具？

Superpowers 支持 6 款主流 AI 编程工具，按工具各自的方式安装：

> 安装方式因版本更新可能变化，请以 官方文档 为准。

14 个 Skills 详解

Superpowers 的 14 个 skills 覆盖了 AI 编程的完整工作流：从需求分析到代码审查，从调试到发布，每一步都有方法论指导。

1. 头脑风暴 (brainstorming)

在任何创造性工作之前必须使用此技能——创建功能、构建组件、添加功能或修改行为。在实现之前先探索用户意图、需求和设计。

流程：探索项目上下文 → 提出澄清问题 → 提出 2-3 种方案（含权衡分析） → 分节展示设计 → 编写设计文档 → 规格自检 → 用户审查 → 过渡到实现。

> 硬性规则：在展示设计方案并获得用户批准之前，不要调用任何实现技能、编写任何代码、搭建任何项目或采取任何实现行动。

2. 编写计划 (writing-plans)

当你有规格说明或需求用于多步骤任务时使用。把规格拆成 2-5 分钟一粒的可执行步骤，每步是一个独立操作。

例如一个功能的实现计划会被拆为："编写失败的测试" → "运行它确认失败" → "实现最少代码让测试通过" → "运行测试确认通过" → "Commit"。

计划保存到 docs/superpowers/plans/ 目录。

3. 执行计划 (executing-plans)

接收一个实现计划并逐任务执行。每完成一个任务就用 checkbox 标记进度，测试通过后才提交。

适合配合 writing-plans 生成的计划使用。

4. 测试驱动开发 (test-driven-development)

严格 TDD 流程：红 → 绿 → 重构。

确保每一行代码都有测试覆盖，不通过的代码不会合入。

5. 系统化调试 (systematic-debugging)

四阶段排障法，告别"随机改代码"式调试：

6. 请求代码审查 (requesting-code-review)

派遣审查 agent 检查代码质量。审查三维度并行：

不通过则循环修复，最多 3 轮。

7. 接收代码审查 (receiving-code-review)

技术严谨地处理审查反馈。拒绝敷衍式修改——每个反馈意见都必须有实质性回应。

原则：审查者指出问题是在帮你，不是在攻击你。不要 defensive，逐条回应。

8. 完成前验证 (verification-before-completion)

声称完成前必须跑验证，证据先行。

检查清单：是否有测试覆盖核心路径？边界条件是否处理？错误路径是否验证？是否需要更新文档？

9. 派遣并行 Agent (dispatching-parallel-agents)

将一个大任务拆成多个独立子任务，派遣多个 agent 并发执行。每个子任务有明确的目标和输出，全部完成后汇总。

10. 子 Agent 驱动开发 (subagent-driven-development)

每个子任务分配一个独立的 agent，每轮产出经过两轮审查才合入。适合复杂项目中的模块化开发。

11. Git Worktree 使用 (using-git-worktrees)

隔离式特性开发——每个功能在独立的 Git worktree 中开发，主分支永远干净。互不干扰，可以同时进行多个特性的开发。

12. 完成开发分支 (finishing-a-development-branch)

标准化的分支收尾流程。四选一：合并到主分支、创建 PR、保留分支、丢弃分支。每完成一个功能都有干净的收尾。

13. 编写 Skills (writing-skills)

创建新 skill 的方法论。如果你有团队特有的工作流，可以自己写一个 skill 让 AI 学会。Skill 的格式：YAML 前置元数据 + Markdown 正文 + 检查清单 + 流程图。

14. 使用 Superpowers (using-superpowers)

元技能——每个对话首先加载。告诉 AI 在什么时候该用什么技能。核心原则：

实战：从万能 Prompt 到任务编排

Superpowers 的核心思想是把"链式思维+上下文管理"变成 AI 的工作习惯——将一个大任务拆成多个小步骤，每一步的输出喂养下一步。

假设你要写一个"带缓存的业务规则引擎"：

Step 1 (brainstorming): 需求澄清 → 设计方案
→ AI 会先问：规则格式是什么？缓存策略？并发要求？

Step 2 (writing-plans): 拆解执行步骤
→ 接口定义 → 核心实现 → 缓存层 → 测试验证

Step 3 (TDD): 逐个实现
→ 先写测试 → 实现代码 → 测试通过 → 重构

Step 4 (code-review): 最终审查
→ 质量 + 安全 + 性能 三维审查 → 合入

每步的上下文只有前一步的输出。AI 不会在 Step 4 时忘了 Step 1 的接口签名。

三大实操避坑

雷区 1：万能 Prompt 替代专用模板

以为自己一次能写出完美 Prompt，其实是次次中彩票。

解决方案：为重构、调试、原型等不同任务建模板文件，Reuse 而不是 Re-write。

雷区 2：无版本控制的 AI 输出

AI 生成 180 行代码，你直接替换——然后项目崩了。

解决方案：在 AI 执行破坏性操作前打一个 Git Tag：

git tag ai_before_refactor_v1

雷区 3：缺乏交叉验证

AI 说"改好了没问题"，你很开心——然后线上用户发现数据全算错了。

解决方案：用断言脚本验证重构前后输出一致。

在 Hermes Agent 中使用

Hermes Agent 原生支持 Superpowers 技能体系。三级渐进式加载：

只需将 skills 目录复制到项目的 .hermes/skills/ 即可。

写在最后

多数人停在"操作工"阶段，不知道 AI 背后有一整套控制面板。Superpowers 就是你从"AI 操作工"升级为"AI 指挥家"的捷径。

现在就行动起来——访问 Superpowers 项目页 查看更多详情：

记住：AI 是你的副驾驶，但机长永远是你自己。

---

> 本文由 Agency-Orchestrator (AO) 多 AI 专家团队协作生成。