Codex Superpowers完整指南：14个技能让AI按工业级流程自动开发项目

什么是 Codex Superpowers

Superpowers 是一套专为编码代理（Coding Agent）设计的完整软件开发方法论。它并非单一技能，而是将一个顶级编程团队的能力拆解成 14 个可组合的 Skills，涵盖头脑风暴、计划编写、代码审查、测试驱动开发等完整环节。

编码代理是2024年以来AI辅助编程领域最重要的范式转变之一。与早期的代码补全工具（如GitHub Copilot的行内补全模式）不同，编码代理具备自主规划、执行和验证的能力，能够像一个初级开发者一样独立完成从需求分析到代码提交的完整流程。OpenAI的Codex、Anthropic的Claude Code、以及Devin等产品都属于这一类别。它们的核心区别在于：代码补全是被动响应，而代理是主动执行。

它的核心理念是：先规划，再执行。当你向 AI 提出需求时，它不会上来就乱写代码，而是一步步通过提问确认你的需求，整理思路，制定计划，再分步执行。这套「苏格拉底式」的设计改进流程，即便你完全不懂代码，也能产出质量相当不错的项目。

苏格拉底式方法源自古希腊哲学家苏格拉底的对话教学法，其核心是通过不断提问引导对方自行发现答案，而非直接给出结论。在软件工程语境中，这意味着AI不会根据模糊需求直接生成代码，而是通过层层追问来消除需求中的歧义和遗漏。这种方法在传统软件开发中对应的是需求分析师（Business Analyst）的角色——据统计，超过60%的软件项目失败源于需求阶段的问题，而非编码阶段。Superpowers 正是将这一洞察系统化地融入了AI工作流。

七步工作流详解

Superpowers 的官方 GitHub 文档给出了完整的七步工作流，这是强制性流程而非建议——代理会在执行任何任务前检查相关技能，严格按流程操作。

第一步：头脑风暴（Brainstorming）

在编写任何代码之前先启动头脑风暴阶段，AI 通过不断提问来完善你的初步想法，探索各种可行方案，分阶段展示设计以供验证，最终保存设计文档。整个过程会持续确认你的需求细节，确保方向正确。

第二步：使用 GitHub Work Tree 创建隔离环境

设计方案获批后，AI 会在新的分支上创建隔离工作区，运行项目设置，验证测试基线是否干净。这一步保证了开发环境的独立性和可回溯性。

Git Worktree 是 Git 2.5 版本引入的高级功能，允许在同一个仓库中同时检出多个工作目录，每个目录对应不同的分支。与传统的 git checkout 切换分支不同，worktree 创建的是物理隔离的工作空间，互不干扰。这对AI编码代理至关重要——当代理在探索性开发时，worktree确保了主分支的绝对安全。如果生成的代码不满意，直接删除工作树即可，不会留下任何污染。这也是为什么企业级CI/CD流程中越来越多地使用worktree来实现并行构建。

第三步：编写计划（Writing Plans）

根据已获批的设计方案，AI 将工作分解成易于处理的小任务，每个任务耗时约 20-50 分钟，包含精确的文件路径、完整的代码片段和验证步骤。

第四步：子代理驱动开发

根据计划为每个任务派遣新的子 Agent，并进行两段式审查：先审查规范符合性，再审查代码质量。这与实际工作中的 Code Review 流程高度一致。

子代理（Sub-Agent）模式是当前AI系统中实现复杂任务分解的主流架构。主代理负责全局规划和任务分配，子代理专注执行具体的原子任务。这种设计借鉴了微服务架构的思想——每个子代理拥有独立的上下文窗口和执行环境，不会因为全局上下文过长而导致注意力分散。OpenAI的Codex在底层就采用了类似架构：每个子任务在独立的沙箱容器中执行，既保证了安全隔离，又通过并行执行提升了效率。两段式审查（规范符合性+代码质量）则模拟了成熟开发团队中Tech Lead和Senior Developer的双重把关机制。

第五步：测试驱动开发（TDD）

强制执行经典的「红-绿-重构」循环：

1. 红：编写一个会失败的测试
2. 绿：编写最小代码使测试通过
3. 重构：优化代码结构并提交

这种 TDD 模式确保每一行代码都有对应的测试覆盖。

TDD 由极限编程（XP）先驱 Kent Beck 在2003年正式提出，其「红-绿-重构」循环看似简单，却蕴含深刻的工程哲学。红色阶段的失败测试本质上是在用代码描述期望行为，相当于一份可执行的需求文档；绿色阶段强调的「最小代码」避免了过度工程化；重构阶段则在测试保护下安全优化。在AI编码场景中，TDD尤为重要——它为AI生成的代码提供了客观的正确性验证标准，使得代码质量不再依赖主观判断。Google内部研究表明，采用TDD的项目缺陷密度比传统开发低40%-90%。

第六步：请求代码审查

根据计划进行系统化审查，按严重程度提交审查报告。过于严重的问题会阻碍进度，触发代码重新生成，从源头保证代码质量。

第七步：完成开发分支

验证所有测试通过后，AI 提供保留、创建 PR、合并或丢弃等选项，最后清理工作树，完成一个完整的开发周期。

安装与使用方法

在 Codex App 中安装 Superpowers 非常简单：

1. 点击左侧「插件」面板
2. 搜索「Superpowers」
3. 点击安装即可

安装完成后可以看到它集成了 14 个技能，每个技能默认开启。

使用时，在对话窗口中通过斜杠命令 /superpowers 即可激活。一个容易被忽略的技巧是：不会使用就直接问它，它会详细告诉你核心用法——每次开始处理任务前先判断有没有相关 Skill，匹配后打开对应的 skill.md 文件，按流程执行。

常见的技能匹配场景：

• 修复 Bug → 自动调用 Debug Skill
• 做新功能 → 调用 Brainstorming Skill
• 实施计划 → 调用 Writing Plans Skill
• 代码审核 → 调用 Review Skill

实战案例：开发贝壳找房风格的微信小程序

为验证 Superpowers 的实际效果，作者用它开发了一个类似贝壳找房的二手房源微信小程序，全程未写一行代码。

需求确认阶段

AI 通过大量提问逐步确认需求：小程序类型（展示型/可运营版本/商业版本）、房源类型（二手房/新房/租房）、预约看房功能的实现方式（表单模拟/本地云数据库/微信云）等。

它甚至主动确认了数据模型与交互流程：本地使用 mock 文件、Node.js 环境、data 目录下的 JS 数据源结构，以及用户进入首页、搜索、列表、点击、收藏、填写表单等完整交互路径。

计划生成与分步执行

确认完成后，AI 生成了详尽的计划文档，包含文件结构、每个任务的具体内容和验证步骤。整个项目被分解为 6 个任务，每个任务都经过规范审查和代码质量审查的双重检验。

最终成果

完成后的微信小程序包含以下功能模块：

• 首页：城市定位、地图找房、地铁找房、搜索功能
• 二手房列表：价格筛选（500万以下/5-800万等）、户型筛选（两居室等）
• 房源详情：户型、朝向、面积、小区位置、房源介绍、图片展示
• 收藏功能：收藏/取消收藏，在「我的」页面统一管理
• 完整的小程序结构：app.js、app.wxss、配置文件、页面组件一应俱全

关于 Token 消耗的真实反馈

需要特别说明的是，Superpowers 会显著增加 Token 消耗。网上有博主称增加了 10%-15%，但作者个人体验感觉至少增加了 50%，消耗成倍增长。

Token是大语言模型计费的基本单位，大致上1个Token约等于0.75个英文单词或0.5个中文字符。以GPT-4o为例，输入Token约$2.5/百万，输出Token约$10/百万。Superpowers增加Token消耗的原因在于：每个阶段都需要额外的上下文传递（计划文档、设计方案、审查报告等），子代理之间的协调通信也会产生开销。

但作者认为这笔开销是值得的：完整的流程意味着中间任何环节不满意都可以精准修改，比起「一边写一边改」的方式，结构化的开发流程减少了反复推倒重来的成本，本质上反而更省 Token。从ROI角度看，如果一次结构化开发能产出可用代码，而非结构化方式需要3-5次推倒重来，实际总消耗反而更低。这与软件工程中的「前期设计成本vs后期返工成本」经典权衡如出一辙。

总结

Superpowers 的核心价值在于它把软件工程的最佳实践固化成了 AI 可执行的标准化流程。对于开发者来说，它是一个严格遵循规范的编程搭档；对于非开发者来说，它大幅降低了从零构建软件工具的门槛。

用它做几个项目后，「先规划再执行」的思维方式会自然内化——这种结构化思维的养成，或许才是 Superpowers 带来的最大价值。

核心要点