1. 从“自由发挥”到“工程规范”Superpowers 到底解决了什么问题用过 Claude Code、Cline 这类 AI 编程工具的人大概率都经历过这种场景AI 接过任务后凭着一股热情就开始写代码写完就宣布“完成了”全程没有测试、没有拆解需求、没有跟项目现有代码风格对齐。小项目还能凑合一旦项目规模上来——几十个文件、多个模块、有历史包袱——这种“自由发挥”式的 Agent 协作方式就会迅速失控。我自己在做一个全栈项目时踩过很深的坑。项目有前端、后端、数据库三层AI 每次只盯着当前对话里的那一小撮代码改改完这一处另一处就崩。你跟它说“帮我加个用户反馈功能”它能一口气改出五六个文件看起来都合理但一跑起来全是报错。后来我意识到问题不在于模型能力不够而在于缺少一套约束和流程——Agent 需要一个“纪律引擎”。这就是 Superpowers 出现的意义。它是 obraJesse Vincent开源的一套 Claude Code skills 集合核心思路非常直接给 Agent 装上工程规范让它从“想到哪写到哪”变成“按流程走、按节奏交”。GitHub 上项目名叫 superpowers安装之后会注入一批可复用的技能包括 TDD、需求拆解、任务规划、记忆管理等等。这篇文章我会从安装配置、核心技能拆解、工作流原理、实际项目体验、参数调优、踩坑记录这几个角度把这套东西讲透。适合已经在用或者准备用 Claude Code / Cline 做实际项目开发的人尤其是被“AI 写着写着就跑偏”困扰的开发者。先说结论Superpowers 不是灵丹妙药它没法替代你的架构判断力但它能把 AI 的工作方式从“灵光一现型”扭转到“工程流水线型”。这种转变才是 Agent 能稳定交付全栈项目的关键。2. 安装与配置两种方式、三个容易翻车的地方2.1 在 Claude Code 里一键安装在 Cline 里走 MarketplaceSuperpowers 的安装方式取决于你用的是哪个客户端。用过一阵子你就会发现同样是 AI 编程助手不同客户端的插件机制差别挺大。Claude Code 的 Skills 目录机制比较开放Cline 则走了 Marketplace 插件市场路线。Claude Code 用户最简单的方式是直接去 GitHub 的 obra/superpowers 仓库页面找到安装说明。页面里有一个“Install on Claude Code”之类的按钮点击后会生成一条安装命令在 Claude Code 的输入框里粘贴执行就行。这种方式本质上是在你的项目里初始化一个.claude/skills目录把技能文件拉下来。Cline 用户则要走插件市场。在 Cline 的界面里找到插件 / Marketplace 入口添加 Superpowers 的 Marketplace 地址然后从市场里安装。装好之后Cline 就能识别到这些 skills。我个人两台电脑分别装了两种方式体验下来Claude Code 的安装路径更适合直接上手Cline 的 Marketplace 方式更适合已经习惯插件化操作的人。两种安装方式本身没有优劣之分选自己顺手的就行。2.2 环境准备Node 版本、系统权限这几个坑我替你踩过了安装本身很快但有几个前置条件如果没注意到装完会发现技能加载不出来。第一个是Node 环境。Superpowers 的某些技能会调用脚本比如文件操作、搜索、批量处理这些依赖 Node.js 运行时。我一开始用的是系统自带的旧版 Node结果技能调用时直接报错。建议装 Node 18 以上版本最好用 nvm 管理避免系统权限问题。第二个是目录权限。如果你在系统级目录比如/usr/local下做开发安装 skills 时可能会遇到写入权限不足的问题。解决办法很简单确保你有权在项目目录下创建.claude文件夹或者直接用普通用户目录下的项目来跑。这不是 Superpowers 特有的问题所有依赖本地文件写入的工具都会遇到但新手在这里最容易卡壳。第三个是版本兼容性。Claude Code 和 Cline 都在快速迭代skills 的加载机制偶尔会变。如果你装的 Superpowers 版本很新但客户端版本很旧可能会出现“技能装上了但调不出来”的怪问题。稳妥的做法是两边都保持更新至少让客户端的 major 版本跟得上。2.3 安装后的快速验证确认 Agent 真的“记住”了流程装完之后怎么确认它真的生效了我的检查方法很简单新建一个测试目录在对话里输入/help或者直接问当前环境有哪些可用技能。如果看到输出里出现了 TDD、Brainstorming、Mobius 这些技能名说明安装成功。另外一个更实用的验证方式是随便给它一个小需求比如“帮我写一个计算器模块”然后观察它的行为。如果它的第一反应不是直接写代码而是先问需求、拆解步骤、提测试方案——恭喜纪律引擎已经上线了。如果它还像以前一样闷头就写那大概率是技能没加载或者被禁用了。注意Superpowers 的理念是“让 Agent 在行动前先思考”所以装好后最明显的变化就是响应链路变长了。这不是变慢而是它在按流程走。你需要给这种变化一点耐心。3. 核心 Skills 拆解TDD、Brainstorming、Mobius 各自管什么3.1 TDD 技能让 AI 先写测试再写实现治好了我的“改一处崩三处”Superpowers 里最核心、也最值得单独拎出来讲的就是 TDDTest-Driven Development技能。它的规则非常简单粗暴任何功能开发都要先写失败测试再写实现代码等测试通过后才算完成。听起来就是教科书里的 TDD 流程但放在 Agent 身上效果完全不一样。人写代码时TDD 靠的是自律Agent 写代码时TDD 靠的是 prompt 里的硬性流程约束。Superpowers 把“先测试后实现”变成了一个不可跳过的步骤Agent 如果尝试跳过系统会直接打断它。我在一个博客系统项目里实测了这个技能。以前我让 AI 加一个“文章标签筛选”功能它直接改了三个文件看起来挺完整但跑起来才发现数据库查询语句跟现有 ORM 的用法不兼容改完前端又发现接口字段对不上。用上 TDD 技能之后它先写了测试用例把“按标签查文章”“空标签返回全部”“标签不存在返回空列表”这几个场景都覆盖到了然后才动手写实现。整个过程虽然多花了几分钟但一次通过没有再出现“改一处崩三处”的连锁反应。TDD 技能的设计哲学是用测试用例当“护栏”。AI 的自由发挥空间被限制在测试覆盖的边界内边界之外的东西它不会乱碰。这对全栈项目尤其重要——前后端联调、数据格式约定、状态管理这些最容易出问题的地方恰恰是测试能兜底的地方。3.2 Brainstorming 技能动手之前先把需求和方案聊透如果说 TDD 管的是“怎么写”那 Brainstorming 管的就是“写什么”。这个技能要求 Agent 在接到需求后先进入“头脑风暴模式”跟用户来回讨论需求的边界、场景、取舍直到双方对齐了才开始动手。我记得第一次触发这个技能时我让 AI “加一个数据导出功能”。按照以前的经验它应该直接去后端加个导出接口再前端加个下载按钮。但装了 Superpowers 之后它反过来问我导出格式是 CSV 还是 Excel导出范围是筛选后的数据还是全部数据量大时是同步导出还是走异步任务上限是多少条要不要加权限控制这些问题我确实没想过。等我一个个回答完它才进入设计阶段。事后想一想如果当时让它直接写出来的大概率是“能跑但没法上线”的半成品——没有分页、没有权限、没有格式校验在真实业务场景里根本没法用。Brainstorming 技能的本质是把“需求澄清”这个原本该由产品经理或技术负责人做的事情内化成了 Agent 的固定流程。它对两类人特别有价值一类是单人全栈开发者没有人帮你把关需求边界另一类是团队协作中负责写实现的人Agent 帮你把模糊需求变成明确规格省去了反复沟通的成本。3.3 Mobius 技能把开发节奏变成循环避免“一次性交付大爆炸”Mobius 是 Superpowers 里另一个很有特色的技能。它的名字来源于一种循环开发模式思路跟 Scrum 的 sprint 类似但更轻量把任务拆成小块每一块走“分析 → 计划 → 实现 → 测试 → 反思”的循环完成一块再进入下一块。这个技能解决的核心痛点是AI 一次性处理大任务时越到后面越容易失去上下文。比如你让它“重构整个用户认证模块”它可能会一口气动十几个文件改到一半就忘了最初的设计约束导致后面代码跟前面的风格不一致、接口关系混乱。Mobius 把这过程拆成若干个小循环每个循环都有一个明确的“完成定义”完成一个再继续下一个上下文始终控制在可管理的范围内。我实际用下来觉得 Mobius 特别适合那些“任务边界模糊、需要边走边看”的开发场景。比如新功能模块的搭建、旧代码的渐进式重构。它在每个循环结束后还会总结当前状态、下一步计划相当于给整个开发过程做了时间线记录后期回溯找问题时非常有帮助。3.4 TCR、Artifacts Builder 等其他技能一个全家桶式的技能矩阵除了上面三个主力技能Superpowers 还内置了其他几个实用技能。TCRtest commit || revert这个技能很有意思逻辑是跑测试通过了就自动提交代码没通过就把改动全部回退。这是极端主义的 TDD 变体用来防止垃圾代码进入仓库。说实话我在正式项目里不敢开这个技能风险太大但在个人练习项目或者实验性项目里它非常好用——逼着你先写测试不然一切白干。Artifacts Builder 则在 Artifact 相关场景下有用。如果你需要一次性构建一个完整的小应用或完整模块比如一个交互式组件它可以结合其他技能帮你组织文件结构、确定技术栈、实现功能。本质上它是对“Agent 构建新项目”流程的一种标准化封装。从整体上看Superpowers 提供的不是某一个技能而是一整套“技能矩阵”。TDD 管代码质量Brainstorming 管需求边界Mobius 管开发节奏其他技能补充具体场景。这些技能可以组合使用也可以单独启用你可以根据自己的项目类型灵活配置。4. MAWG 机制解析为什么 Agent 能“记住”项目规范并自动纠偏4.1 MAWG 是什么——项目记忆与工作流指南的运作原理Superpowers 能持续输出规范行为靠的不只是几个技能文件背后还有一套记忆机制叫 MAWGMemory and Workflow Guide全称在项目文档里也有叫 Project Memory and Workflow Guide 的版本。这套机制的作用相当于给你每一个项目创建了一个“长期记忆库”和“工作流手册”。传统 AI 编程对话有一个致命弱点上下文是临时的。你跟 AI 说“本项目用 TypeScript不用 any”它在这一轮对话里记住了但下一次新开会话它又忘了。MAWG 解决的就是这个问题——它把项目相关的规范、偏好、教训、工作流定义写入一个持久化文件每次 Agent 启动时自动加载从而实现了跨会话的“记忆”。你可以在项目配置里找到 MAWG 相关文件它分为几个部分一部分记录项目的基本信息和技术栈偏好另一部分记录“流程规范”比如“开发时必须先写测试”“接口变更需要更新文档”这样的项目级约定还有一部分记录历史经验比如“上次联调时发现 Socket 连接在断网后没有重连后续要加心跳机制”。这些内容不是安装时自动生成的而是在使用过程中逐步积累起来的。AI 每次完成一个任务、遇到一个问题、做一个决策都可以把对应的经验写入 MAWG。用得越久这个文件越丰富Agent 对项目的理解也越深。4.2 三种工作流类型流程定义、漂移检测、自我纠偏MAWG 不只是“备忘录”它还能定义“工作流”。在 Superpowers 的架构里工作流分为三种类型理解它们有助于你配置适合自己项目的工作流体系。第一种是流程定义类它规定了 Agent 在特定场景下必须经过的检查点。比如“新功能开发”这个流程必须经过“需求理解 → 方案确认 → 测试先行 → 实现 → 验证”这几个阶段。Agent 调用这个流程时会被一步步引导着走。第二种是漂移检测类这类工作流负责监控 Agent 是否偏离了预设规范。比如你规定“所有函数必须带 JSDoc 注释”Agent 在写代码时会有一个工作流专门检查这个约定是否被遵守如果没有遵守就提醒补上。第三种是自我纠偏类当 Agent 发现自己走偏了或者代码有潜在问题会触发纠正流程。比如测试失败了Agent 会调用纠偏工作流分析失败原因是需求理解错了还是实现有缺陷然后给出修正方案而不是急着打补丁。这三种工作流叠加在一起就组成了一个“纪律闭环”流程约束行为检测发现问题纠偏恢复规范。这正是 Superpowers 能被称为“纪律引擎”的核心原因。4.3 MAWG 的实际效果项目规范可以跨会话传承我自己体会最深的一点是 MAWG 让项目规范实现了“跨会话传承”。以前我给每个新开对话的 AI 都要重新交代一遍项目背景、技术栈、编码偏好遇到复杂项目光背景交代就要写上百字还经常漏掉细节。现在不用了MAWG 文件在项目里Agent 每次启动都能自动读新会话直接进入正题。更妙的是MAWG 的数据会随着项目的推进持续丰富。比如我第一次在某个项目里约定“日期时间统一用 Unix 时间戳存储前端再格式化成可读文本”这个约定被 Agent 记到 MAWG 里之后后续所有涉及时间的开发任务它都会默认按这个规则来不用我再重复提醒。这种感觉就像给项目配了一个越用越懂你的 AI 同事。你不需要给它一份冗长的入职说明书它自己会在工作过程中记录、归纳、形成经验。从这个角度看MAWG 机制才是 Superpowers 区别于其他单纯 prompt 或 skill 集合工具的真正护城河。5. 实战复盘用 Superpowers 跑完一个全栈需求的全流程记录5.1 实战背景一个带有用户系统的简易任务管理工具理论讲了这么多不上点实测总觉得不够踏实。这里我把最近用 Superpowers 跑完的一个真实需求完整复盘一遍给大家看看整个流程长什么样。项目背景一个全栈任务管理工具前端是 React Vite后端是 Express SQLite。已有基础的用户注册登录功能新需求是“加一个任务循环提醒功能”——用户可以设置某个任务的重复频率每天/每周/每月系统会在到期时生成一个新任务。这个需求看起来简单但涉及的点不少数据模型的扩展、定时任务机制、前端 UI 的增量提醒、用户配置的持久化。在以前没有纪律引擎的状态下AI 大概率会直接改数据库表结构、写个 setInterval、加个开关 UI——看起来功能都有了跑起来才发现频率表达式解析不对、时区处理有问题、老数据的兼容性没考虑。5.2 完整流程从头脑风暴到 TDD 循环到最终交付在 Superpowers 的约束下整个过程分成了明显的阶段。第一阶段是 Brainstorming。Agent 没有直接写代码而是先抛出一串问题重复频率的粒度是多少“每天”是基于自然日还是用户设置的时区提醒是生成新任务还是把原任务标记为“到期”要不要支持跳过某次提醒老任务数据默认继承什么频率这些问题让需求边界清晰了很多。第二阶段是方案设计。Agent 在确认需求后给出了一个结构化方案数据层加repeat_rule字段用 cron 表达式存储频率服务层加一个 scheduler 模块每秒扫描一次到期任务并生成新任务前端在任务设置弹窗里加频率选择器所有改动都放在独立分支上。它甚至画出了数据流图用文字形式方便我确认整体思路。第三阶段是 TDD 实施。进入开发后Agent 先写测试用例。它写了“cron 表达式解析测试”“到期任务生成测试”“每日频率在跨天场景下的正确性测试”等一组用例这些用例一开始都是红的失败然后它才去实现具体逻辑。实现过程中每完成一个功能点就跑一遍对应的测试全绿了再继续下一个。第四阶段是收尾验证。所有功能实现后Agent 跑了一遍完整测试集确认没有破坏旧功能又把前端 UI 的交互流程描述了一遍让我手动确认。整个流程走完我没有像以前那样疲于应付各种 bug基本就是回答了几个需求问题然后验收结果。5.3 与传统 AI 编程方式的行为对比一次需求两种结局如果把这次实验跟以前用裸 Claude Code 处理同样需求对比差异非常明显。以前的方式像“放手让实习生干”AI 拿到需求就开始写写到哪算哪。结果往往是要么功能不全、要么引入新的 bug我作为“代码审查者”要花大量时间做清理工作。用 Superpowers 的方式则像“带人干活的 Tech Lead”先对齐目标、拆解步骤、写好测试、再动手实现过程虽然走得慢但很少需要返工。从时间成本看用 Superpowers 完成这个需求大概多花了 20%-30% 的时间但这些时间花在需求澄清和计划上不是花在调试返工上。从结果上看一次通过、无回归 bug省掉的返工时间远超多花的流程时间。6. 参数调优与高级玩法把“纪律引擎”调教成适合你风格的样子6.1 核心参数说明enableAllProjectSkills、Supress、debugMode 等Superpowers 不是一套死板的规则它给了不少调优自由度。在项目配置或对话参数里你可以控制技能的行为方式。enableAllProjectSkills和disableAllProjectSkills这组参数很有意思。Superpowers 安装后默认会启用一批“项目级技能”这些技能会自动应用到当前项目。如果你发现某些技能不适合你的项目类型可以用disableAllProjectSkills关掉它们只保留自己需要的。反过来如果你想在某个项目里全量启用用enableAllProjectSkills就能一次性打开。SuperpowersSupressTaskCompletionMessage这个参数我一开始看名字有点懵后来明白了它控制 Agent 完成任务时是否输出“任务完成”这类收尾消息。如果你经常用自动化流程不想让 AI 每次完成一个小步骤都发一条“已完成”消息刷屏把这个参数设为 true 就能让消息更精简。debugMode 系列参数更精细。debugModeNoPlanMode和debugModeNoBrainstormingMode分别控制是否跳过“计划模式”和“头脑风暴模式”。有些简单任务比如“给某个函数加一个类型注解”你不想让它走完整流程可以临时关掉这些模式让 AI 直接干活。在我实际使用中这个参数特别适合“小改动不想走流程”的诉求。6.2 自动模式与手动模式的思维切换什么场景用哪种最合适Superpowers 提供了“自动模式”和“手动模式”两种思维切换方式。理解这两者的区别对你日常使用的体验影响很大。自动模式下Agent 会自行判断当前任务该走什么流程、调用什么技能不需要你干预。这种模式适合需求明确、边界清晰的任务比如“按既定方案实现一个接口”“把某个组件从 class 组件改造成函数式组件”。AI 自主判断流程效率高也不太会跑偏。手动模式则更强调交互。Agent 会在关键节点暂停向你确认方案、展示计划、等待批准然后再继续。这种模式适合需求模糊、影响面大的任务比如重构、新功能模块设计、涉及数据迁移的工作。手动模式虽然繁琐但能确保每一步都在你的掌控之中。我个人的使用习惯是大任务手动、小任务自动。接到需求先切手动模式让 AI 给出完整方案和计划确认没问题后切成自动模式执行。这样既能保证方向正确又不牺牲执行效率。6.3 自定义技能与流程让 Superpowers 适配你的团队规范Superpowers 不光能用现成的还支持自定义技能和流程。如果你团队有特定的代码规范、开发流程可以把它写成自定义 skill挂到 Superpowers 里。具体做法是参考自带的 skills 格式新建一个 skill 文件定义它的名称、描述、触发条件和执行逻辑。比如我给自己项目的 code review 环节写了一个 skillAI 在提交代码前必须检查是否符合团队的目录结构规范、命名规范、是否包含必要注释任何一条不满足就拒绝提交。这个自定义 skill 的格式其实不复杂核心是告诉 Agent“当任务涉及代码审查时按以下清单逐项检查”。用丁点的 prompt 工程知识就能完成。自定义技能让 Superpowers 从“通用纪律引擎”进化为“团队专属纪律引擎”上限取决于你对流程的理解深度。7. 避坑实录我踩过的五个典型问题及排查思路7.1 TDD 陷入死循环测试先行的“无底洞”困境TDD 技能好用但有副作用。最典型的是 Agent 进入“写测试 → 测试失败 → 写实现 → 测试还是失败 → 再改”的死循环连续四五轮都没有进展。我一度怀疑是技能配置有问题后来排查发现根因是需求本身有歧义测试用例和预期的行为对不上。遇到这种情况别急着让 AI 继续试先暂停回到需求层面问清楚最终要的行为到底是什么测试用例覆盖的核心场景是不是真的成立把歧义消除后再让 Agent 继续 TDD 循环通常会很快恢复正向推进。7.2 MAWG 文件越来越大记忆也会成为负担MAWG 的长期记忆功能是把双刃剑。项目跑久了MAWG 文件里积累了大量的项目细节、历史教训、流程规范文件越来越长。副作用是每次对话启动时Agent 加载这些上下文的成本越来越高响应变慢甚至可能出现“记忆过载”——它抓不住重点了。解决办法是定期“归档清理”。项目进入稳定期后把 MAWG 里那些已经固化的规范比如技术栈选择、目录结构约定精简成一句话把历史经验里不再适用的部分删除。保持 MAWG 文件的“精炼密度”效果远好于一股脑全留着。7.3 技能之间互相打架多个工作流同时触发的处理策略Superpowers 装完之后有多个技能有时候会同时触发。比如你让它处理一个“来一个复杂的新功能”TDD 技能要它先写测试Brainstorming 技能要它先聊需求Mobius 技能要它先拆循环——三个技能同时对 Agent 下达指令它会有点蒙。这种“技能打架”的问题我一开始以为是 bug后来发现是没做好优先级配置。解决方法是在 prompt 里明确指定“本任务以 X 技能为主其他技能仅作参考”或者在自定义工作流里定义好技能的触发顺序。现在我的通用约定是复杂需求先 Brainstorming 再 TDD日常小改动直接 TDD 跳过 Brainstorming。分工明确后体验顺畅多了。7.4 客户端版本升级引发技能失效兼容性问题排查Superpowers 依赖 Claude Code / Cline 的 skills 加载机制这两个客户端版本更新频繁偶尔会出现“升级后技能神秘消失”的情况。排查思路是先看是不是技能文件被覆盖了重新安装一次即可再看客户端版本跟技能版本的兼容性最后到项目的.claude/skills目录下确认文件是否完整。大多数情况下重装一遍就能解决。我在版本升级前都会检查一下技能目录的完整性避免升级后发现“纪律引擎”不见了。7.5 过度纪律导致的创造力缺失什么时候该放开缰绳最后讲一个反直觉的坑Superpowers 不是什么时候都好用。在探索性、原型验证阶段比如你只是想试试某个库能不能实现某个效果或者快速验证一个 idea 是否可行过度的流程约束反而会成为负担。TDD 先写测试、Brainstorming 反复确认需求这些在探索期都是浪费时间。我的经验是探索期把纪律引擎关小一点——用 disableAllProjectSkills 临时禁用大部分技能让 AI 快速试错进入正式开发期再全量启动。明确什么时候该用纪律、什么时候该放飞这本身就是一种更高级的工程判断力。8. 最后分享两个实用技巧在使用 Superpowers 的过程中踩过不少坑也积累了一些个人觉得特别有用的小技巧。最后分享两个给大家。第一个是把 Superpowers 的分支操作和 Git 工作流绑定。我在实际项目里养成了一个习惯让 AI 在进入开发阶段前先建一个独立分支开发过程中每个调试关键节点做一次 commit。配合 TCR 技能的“测试通过自动提交”逻辑项目的历史记录会非常清晰——每个提交都对应一个真实通过的测试用例回溯问题时效率极高。第二个是定期检查 MAWG 文件内容。这文件是 AI 自动维护的但它记录的内容不一定完全准确。每过一段时间我会打开 MAWG 文件看一遍纠正里面跟当前项目状态不一致的描述删掉过时的经验补充一些我作为人类才发现的关键背景信息。别小看这一步——你亲手整理过的记忆库AI 后续的表现会有质的提升。工具会更新、技能会迭代但“让 AI 用工程化的方式工作”这个方向是值得长期投入的。Superpowers 是我目前见过这方面做得最完整的开源方案之一推荐给每个想让 AI 从“自由发挥”走向“工程规范”的开发者。