Superpowers 实战指南：7 步工作流 + 14 个技能 + 3 条铁律，让 AI 编程更稳更守规矩

用 AI 写代码，爽吗？爽。翻车吗？也翻。

翻一圈技术社区的反馈，吐槽出奇一致：AI 太急了。你刚说完需求，它就开始输出代码；代码跑起来了，测试没写；bug 修了，根因没找——下次遇到同类问题，该错还是错。

Superpowers 就是冲着这个问题来的。GitHub 36.6K Star，MIT 协议，一套完整的 AI 编程 Agent 工作流系统。核心理念八个字：不是更强，而是更稳。

本文基于对 Superpowers 官方文档和源码的梳理，系统介绍 14 个 Skills、7 步工作流、3 条铁律，结合真实开发场景，说清楚怎么用它把 AI 编程从野蛮生长拉回到按流程办事。

1. Superpowers 是什么

一句话：Superpowers 是一套给 AI 编程 Agent 用的标准化开发流程。

它由 Jesse Vincent（GitHub: obra）创建，当前版本 v5.0.7（2026-03-31），支持六个平台：Claude Code、Cursor、Codex、OpenCode、Gemini CLI、GitHub Copilot CLI。

它的核心定位——不是让 AI 更聪明，而是让 AI 守规矩。传统 AI 辅助开发的通病：AI 急于写代码、缺乏系统化流程、不做测试不写文档。Superpowers 通过 14 个可组合的 Skills 加上强制触发机制，把软件工程的标准流程嵌入到 AI Agent 中。

它的工作方式与传统 AI 编程习惯截然不同：

1. Agent 看到引导指令后，不会直接写代码

2. 先退后一步，询问你真正想做什么

3. 通过对话提炼需求规格，分段展示供你审阅

4. 你审批设计后，生成实施计划

5. 启动子代理逐任务开发，自动代码审查

这个过程比直接让 AI 写代码要长。但前期多花的时间，会从后期的返工里省回来。

2. 核心工作流全景图

Superpowers 定义了 7 个 Agent 角色，每个负责一个明确的工作阶段：

整个流程从需求到代码审查，形成一个闭环。核心原则是：不做完当前步骤，绝不进入下一步。

3. 14 个核心 Skills

Superpowers 的 14 个 Skills 覆盖了开发的全生命周期，分为以下几类：

需求与设计类

• spec：从对话中提炼需求规格，产出结构化的 spec.md 文件

• plan：基于 spec 设计技术方案，含架构决策和关键技术选型

• story：将需求拆解为用户故事，每个故事附带验收标准

任务与执行类

• task：将用户故事拆解为可执行的任务清单

• code：按 task 清单逐项实现代码

• test：为每个功能编写单元测试

质量与审查类

• review：对 plan 进行技术评审

• audit：对代码进行审查，检查是否符合 spec

• docs：自动生成或更新文档

辅助与配置类

• context：收集项目上下文信息

• arch：记录架构决策记录（ADR）

• debug：结构化调试流程

• refactor：安全重构辅助

• onboard：新项目初始化引导

4. 三条铁律

Superpowers 的底层逻辑可以用三条铁律概括：

铁律一：先规格，后代码

这是最核心的一条。无论需求多简单，先写 spec，再写代码。Spec 不是文档负担，而是与 AI 对齐需求的高效方式。

铁律二：不走回头路

每个阶段完成后才能进入下一阶段。spec 没确认就不做 plan，plan 没 review 就不写 code。严格的分阶段机制防止 AI 跳跃式输出。

铁律三：审查自动化

每次代码产出后，由 Audit Agent 自动审查。检查点包括：是否满足 spec、是否有测试覆盖、代码质量是否达标。人只需要在关键节点做决策。

5. 三个实战场景

场景一：从零开始新项目

使用 onboard skill 初始化项目结构，然后依次走 spec → plan → review → code 流程。适合新建 API 服务、CLI 工具、前端项目等。

场景二：增量功能开发

使用 spec + plan + code 的组合。先描述新增功能的需求，由 Spec Agent 提炼出规格，Plan Agent 设计影响范围，Code Agent 精确实现。

场景三：Bug 修复

使用 debug skill 启动结构化调试流程：复现问题 → 分析根因 → 制定修复方案 → 实施修复 → 验证回归。避免修一个 bug 带出三个新 bug。

6. 适用场景与总结

Superpowers 最适合以下场景：

• 团队协作项目：多人使用 AI 编码，需要统一的流程规范

• 复杂多文件改造：涉及多个模块联动的重构或新功能开发

• 需要质量保障的生产代码：不是"能跑就行"，而是要有测试和审查

• 新人上手引导：通过结构化流程降低 AI 编程的学习曲线

不太适合的场景：一次性脚本、快速原型验证、个人实验性项目——这些场景下完整的流程反而拖慢速度。

Superpowers 的核心理念可以浓缩为一句话：不是让 AI 写得更快，而是让 AI 写得更稳。

在 AI 编程逐渐成为主流的今天，流程规范的重要性正在超越单次生成效果。从这个角度看，Superpowers 提供的不只是一套工具，更是一套值得参考的工程方法论。