Superpowers：狂揽31万星的AI编程方法论

AI写代码早已不稀奇，难的是让AI在写代码之前先想清楚要做什么。一个名为Superpowers的开源项目，用一套强制性的工作流把这件事做到了极致——它在GitHub上收获了超过31万颗星和2.7万次fork，用Shell编写，遵循MIT许可。

它到底解决什么问题

大多数AI编程工具的默认姿势是：你给一句需求，它直接吐代码。结果是代码也许能跑，但和你想的不是一回事，返工成本高。Superpowers的思路是把“沟通”和“拆解”前置，逼AI在动手前先和你对齐。这套方法论以“技能（skill）”的形式组织，每个技能负责流程中的一个阶段，环环相扣。

据YouTube频道的介绍，它的完整链路依次是：头脑风暴 → 写计划 → 子代理驱动开发 → 代码审查。值得逐个拆开看。

第一步：头脑风暴，先别写代码

Superpowers的第一个技能叫brainstorming，在任何代码被写出来之前就会激活。它会主动问你：你到底想构建什么？

关键设计在于“复述”：它不会听完就埋头干活，而是把自己的理解反射回给你，让你有机会纠正偏差。这个看似简单的动作，实际上把需求歧义消灭在了最便宜的阶段——改一段描述，远比改一堆代码便宜。

对开发者来说，这相当于AI替你当了一次产品经理，逼你把模糊的想法说具体。

第二步：写计划，拆到“字节级任务”

设计被确认后，writing plan技能接手，把方案拆成一粒一粒的小任务。每个任务都标明确切的文件路径和清晰的验证步骤。

这一步的价值在于可执行性。传统AI编程里，“帮我实现登录功能”这种粒度会让模型自由发挥，结果不可控。而拆到“改哪个文件的哪一段、怎么验证改对了”的粒度，AI的自由度被收窄，可预测性大幅提升。验证步骤内置在计划里，也意味着每个任务自带验收标准。

第三步：子代理驱动开发

计划获批后，subagent-driven development登场：每一个任务都派发给一个全新的代理去执行。

“每个任务一个新鲜代理”是个有意思的选择。长期对话的上下文会越滚越脏，早期信息干扰后期判断；而每个代理只面对一个边界清晰的小任务，上下文干净，注意力集中。这相当于把一个大工程切给一群各管一摊的工人，而不是让一个人扛完所有活。

与此配合的是Code Review环节——它先拿每个任务的产出对照计划检查，而不是脱离计划自由评审。计划成了唯一的验收基准，评审也就有了客观依据。

子代理（Subagent） 指的是由主代理派生出的、拥有独立上下文窗口的从属代理实例。在主流 AI 代理框架中，主代理负责任务编排与状态维护，子代理则专注于执行某个具体子任务并返回结果。由于子代理不共享主对话的历史消息，它的上下文是“干净”的，这正好避免了长对话中常见的上下文污染与注意力稀释问题。代价是子代理缺少全局视野，因此必须依赖足够详尽的任务描述和验收标准——这也是前一步“字节级任务拆解”成为必要前提的原因。子代理返回后，主代理负责汇总、校验并决定下一步动作，形成“编排-执行-校验”的闭环。

安装：一条命令的事

安装方式取决于你用的代理工具。据视频介绍，Clawed Code可以通过官方插件市场用一条命令装好，其他受支持的工具也走类似路径。项目在GitHub上的地址是abra/superpowers，同样支持一条插件命令安装。

低门槛安装加上MIT许可，是它能在开源社区快速扩散的重要原因——31万星和2.7万fork的数字，本身就说明了开发者对这套流程的认可。

文中提到的“技能（skill）”可以理解为一种可被代理自动调用的结构化提示词包：它通常包含触发条件、执行步骤、输入输出约定以及检查清单，以文件形式存放在项目仓库中。与普通提示词不同，技能强调何时激活与按序执行，代理在识别到当前任务阶段后加载对应技能，从而把一套方法论固化为可复用的流程单元。这种组织方式的优势在于可组合、可版本管理、可被社区贡献和审查，也便于针对不同代理工具做适配，而不必把全部逻辑塞进一段超长系统提示里。

为什么这套方法论值得关注

Superpowers的核心洞察不是让AI写得更快，而是让AI写得更对。它把软件工程里被反复验证的实践——需求澄清、任务拆解、代码评审——搬进了AI协作流程，并用技能的形式固化成强制步骤。

对于习惯“一句话生成整个应用”的开发者，这套流程初看会觉得啰嗦；但当你被AI的自由发挥坑过几次之后，就会明白前置对齐和细粒度计划的性价比。视频结尾抛出的问题也很实在：你会先试哪个技能？如果只能选一个，brainstorming大概是最值得先体验的。