本文经授权转自公众号 程序员库森（微信号：Coolsen88）
最近刷 GitHub Trending，一个叫 superpowers 的项目引起了我的注意——92k+ star，一天涨了 3000。
这个项目干了一件我一直想要有人干的事：给 Claude Code、Cursor 这些 AI 编程工具，补上了一套完整的软件工程流程。
现在 AI 编程最大的问题
说个现实的问题：现在 AI 编程翻车，大部分时候不是因为模型不够强，而是因为它太着急写。
我之前用 Claude Code 写项目，需求刚说了两句，它代码就出来了。表面上效率很高，但你仔细看——需求理解偏了、设计没想过、测试没写、全是技术债。后面改起来比自己动手还慢。
说白了，现在的 AI 编程工具，就像一个手速很快的实习生：你让它写什么它就写什么，但它不会问你"这个需求确定是这样吗"，也不会说"这个架构有问题我们换个方案"。
superpowers 在做什么
superpowers 的作者是 Jesse Vincent，他的思路很明确：AI 不缺写代码的能力，缺的是一套工程纪律。
这个框架用 skills 机制，给 AI 编程工具强制绑定了 7 个开发阶段，每个阶段必须完成才能进入下一步：
阶段 1：头脑风暴（Brainstorming）
AI 不会直接写代码，而是先像苏格拉底一样追问你的需求：你到底想做什么？有没有什么边界条件？需不需要兼容什么场景？
问清楚之后生成设计文档，分段给你看，确认了才往下走。
阶段 2：创建隔离工作区（Git Worktree）
设计方案通过后，自动创建新分支和独立工作区，不污染主代码。跑一遍项目设置，确认测试基准是干净的。
阶段 3：拆任务（Writing Plans）
把设计方案拆成一个个小任务，每个任务 2-5 分钟 就能完成。关键是它拆得很细——具体到哪个文件、写什么代码、怎么验证，清晰到一个刚入行的新人都能照着做。
阶段 4：子 Agent 驱动开发（Subagent-Driven Development）
主 Agent 当调度员，给每个任务分配一个独立的子 Agent 去执行。完成后做两轮审查：第一轮看是不是按规格来的，第二轮看代码质量行不行。
这一步的意义在于，AI 可以自主跑很久——官方说法是 Claude 能自主工作好几个小时不跑偏。
阶段 5：严格 TDD（Test-Driven Development）
这一步它卡得很死：必须先写测试，看它失败，再写最少量的代码让它通过。
如果你还没写测试就开始写业务代码——删掉，重来。这个不是建议，是强制执行。
阶段 6：代码审查（Code Review）
每完成一个任务就触发审查，对照计划检查实现是否一致，问题按严重程度分级。Critical 级别的问题直接阻塞，不让你继续往下推。
阶段 7：收尾合并（Finishing）
所有任务完成后，跑一遍全量测试，然后给你几个选项：直接合并、开 PR、保留分支、或者丢弃。不管选哪个，工作区都会自动清理。
它跟普通 prompt 有什么本质区别
很多人可能会说：我也可以在 system prompt 里写"先思考再写代码"，效果差不多吧？
差别很大。
prompt 只是"建议"，AI 随时可以忽略。superpowers 是用 skills 机制实现的硬性流程——每个阶段都有独立的 skill 文件，必须满足条件才能进入下一阶段。设计没签字不让写代码，测试没过不让提交。
这就是"我建议你先想想"和"你必须先想清楚"的区别。
支持哪些工具
目前支持 4 个主流 AI 编程工具：
| |
|---|
| /plugin install superpowers@claude-plugins-official |
| /add-plugin superpowers |
| |
| gemini extensions install https://github.com/obra/superpowers |
装完就自动生效，不需要手动触发。开始写代码时，相关的 skill 会自动介入。
完整的 Skills 清单
除了核心的 7 步工作流，superpowers 还内置了一些实用技能：
测试类
- test-driven-development：严格的红绿灯 TDD 循环
调试类
- systematic-debugging：4 阶段根因定位（根因追踪、纵深防御、条件等待）
- verification-before-completion：修完之后确认是真修好了
协作类
- writing-plans / executing-plans：任务拆解与批量执行
-
dispatching-parallel-agents：多 Agent 并行
- requesting-code-review / receiving-code-review：代码审查
- using-git-worktrees：并行开发分支
- subagent-driven-development：子 Agent 驱动 + 双重审查
我的看法
不得不说，这个项目切中了一个很真实的痛点。
现在 AI 编程工具越来越强，但大部分人的使用方式还停留在"丢需求→接代码→手动修 bug"这个循环里。superpowers 相当于把一个高级工程团队的工作流程直接注入到 AI 里，让它从"能写"变成"会按规矩写"。
92k 星不是没道理的。
当然也要说句实话：再好的流程框架也不能解决所有问题。如果你的项目本身需求就不清晰、架构就有问题，框架只能帮你更快地发现问题，不能帮你变出正确答案。
但对于大部分用 AI 做正式项目的人来说，这类东西是刚需。
GitHub 地址：https://github.com/obra/superpowers
