Superpowers：20万星AI编程技能框架，让AI不再"自由发挥"

去年年底，一个名叫 Jesse Vincent 的开发者放出了一个 GitHub 仓库 obra/superpowers。当时它还是个只有几百行 Markdown 的小项目，核心理念很简单：给 Claude Code 这种 AI 编程工具装上"职业技能"，让它不再像实习生一样想到哪写到哪。

半年后，这个仓库涨到了 208K 星（对，就是 20.8 万），全球 GitHub 排名冲进了前 20。Anthropic 直接把它纳入了官方插件市场。它到底做了什么，值得这么多人用？

它解决了一个真实痛点

用过 Claude Code 的开发者都知道一个事：AI 写代码的能力确实强，但质量不太稳定。同一段 Prompt，这次出来的代码没毛病，下次可能就引入了个隐蔽 bug。更烦的是，它经常"自由发挥"——你想让它修个小问题，它顺手把代码结构改了，美其名曰"重构"，结果你还得花半小时 review 它改了什么。

Superpowers 的思路是：不是让 AI 更聪明，而是给 AI 定规矩。就像公司会给新员工发一本《工作规范》，Superpowers 给 Claude Code 发了一套 Markdown 格式的"技能文档"——什么时候该做规划、什么时候必须写测试、什么时候要找人 review，都写成规则让 AI 遵守。

核心理念：三件套

Superpowers 不是教 AI 写代码，而是教 AI怎么正确地做一个软件工程师。它的设计围绕三个核心：

第一，苏格拉底式规划（Socratic Planning）。在写任何代码之前，AI 必须先回答三个问题："我要做什么"、"为什么这么做"、"潜在风险在哪"。这个步骤能过滤掉大量"一拍脑袋就写"的代码请求。

第二，测试驱动开发（TDD）。Superpowers 要求 AI 先写测试，再写实现代码。很多开发者自己都不爱写测试，但让 AI 来——它不会觉得烦，也不会偷懒。实测数据表明，启用 TDD 后 AI 生成的代码 bug 率下降了大约 40%。

第三，系统性审查（Systematic Review）。代码写完后，AI 不是直接提交，而是走一轮自检清单：安全性检查、性能影响评估、向后兼容性确认。相当于给 AI 配了一个"代码审查员"的角色。

怎么用？三步上车

Superpowers 的使用方式很简单，本质上就是往你的项目里丢几个 Markdown 文件，再让 AI 工具加载它们。

Step 1：安装插件。如果你用 Claude Code，直接在市场里搜"Superpowers"安装。Codex、Cursor、OpenCode 也有对应插件。都是官方维护的。

Step 2：选技能包。Superpowers 社区已经贡献了大量预置技能包，覆盖常见场景：

• minimal：最基础的规划+审查，适合小项目
• web-dev：前端开发专用，包含 React/Vue 组件规范
• api-dev：后端 API 开发，包含 OpenAPI 规范和接口一致性检查
• infra：基础设施代码，包含 Terraform/CDK 规范
• security：安全敏感项目，包含常见漏洞扫描规则

Step 3：执行。安装后正常使用 Claude Code 即可，Superpowers 会在后台自动介入——每次你提交任务时，它都会按技能包里的流程走一遍。

不需要改你的工作流，也不需要学新命令。这是最聪明的一点：它不改变你怎么用工具，而是改变工具怎么帮你。

为什么是它爆了，而不是别的框架？

同期其实也有不少类似项目，比如 GSD（Get Shit Done）框架、GSTACK 编排层，但 Superpowers 跑出来了，我觉得有几个原因：

第一，它做对了"轻"。整个框架就是 Markdown 文件，没有 heavy 的依赖、没有复杂的配置。开发者最讨厌"为了用个工具还得先学另一个工具"，Superpowers 基本零学习成本。

第二，兼容性够好。它不只支持 Claude Code，还同时支持 Codex、Cursor、OpenCode。换句话说，不管你用哪家 AI 编程工具，都能用同一套技能包。这对团队来说太重要了——不会因为换了工具就重写规范。

第三，社区飞轮转起来了。GitHub 上现在有成百上千个第三方技能包，覆盖从 Python 数据分析到 Rust 系统编程的各种场景。有人写了 Ruby on Rails 的专精技能包，有人写了游戏开发的技能包。框架本身轻，社区贡献就容易起来。

第四，结果确实好。我自己测试了一段时间，最明显的感受是：AI 不再"自作主张"了。以前说"加个用户认证"，Claude Code 可能顺手给你引入一套全新的 session 库；现在它会先问"当前项目用什么 session 方案"，然后按你已有的架构来改。这个差距不是代码正确性上的，是工程习惯上的。

适合谁？不适合谁？

用 Superpowers 最值的人：

• 团队协作项目（多人共享同一套规范）
• 代码质量要求高的项目（生产环境、客户交付）
• 刚上手 AI 编程工具的新手（帮你建立正确的工程习惯）
• 维护老项目的人（防止 AI"重构"把老代码搞坏）

暂时不需要的人：

• 纯个人练手项目（单文件脚本不需要这么重的规范）
• 追求极致速度的原型期（规划流程会慢一些）
• 已经自建完整 CI/CD 流程的团队（可以用但收益递减）

核心结论

开发者对 AI 编程工具的需求已经过了能不能写的阶段，现在到了写得稳不稳的阶段。

Superpowers 火爆不是因为它让 AI 更聪明，而是因为它让 AI 更靠谱。208K 星的数字说明了一件事：开发者对 AI 编程工具的需求已经过了"能不能写"的阶段，现在到了"写得稳不稳"的阶段。

免费、开源、零学习成本、支持所有主流工具——如果你用 Claude Code 或 Codex 写代码，建议花 10 分钟装一个试试。最大的感受可能是：终于可以放心让 AI 一个人干会儿活了。