最近把 Claude Code 的插件体系翻了个底朝天收获最大的一个项目叫superpowers。听名字就知道它是来给 AI 打工上限做加法的——一套开源的技能增强库。装上之前我以为它只是多几个提示词模板装上之后才发现它把 AI 的思考流程拆成了可调用的技能像给助手配了一套 SOP。这篇文章除了记录我自己从安装、踩坑到上手的完整过程也把superpowers里常见的 skills、具体使用方法和适合的场景一次性写完给正在折腾 AI 编程的人做个参考。1. Superpowers 到底是什么为什么值得装1.1 一个 AI 助手的“工具箱”而不是一堆提示词很多人在用 Claude Code 这类终端 AI 编程工具时最直观的感受是它很聪明但不够“稳定”。同一句话描述的需求它今天给你的回答可能是一套方案明天就换成了另一套。问题不在于模型能力而在于我们没给它一套固化的、高质量的工作流程。superpowers解决的就是这个问题它把常见任务——头脑风暴、规划、写测试、调试、代码审查、写文档——分别封装成独立的技能文件每个技能都有明确的输入、步骤、输出要求。AI 在需要时自动调用对应技能而不是临时发挥。这就像你请了一位很聪明的实习生他不缺脑子但缺一套公司内部的作业流程。你把流程手册给他他才知道接到任务后先做什么、后做什么、怎么交付。superpowers就是那本流程手册只不过它是开源的、可以自己改的、并且能被 AI 自动读懂并执行。1.2 和普通提示词模板的本质区别普通提示词模板是一次性的。你把它粘到对话里AI 照着做一次下次还得重新粘。superpowers里的技能是可持久化的它通常由 3 个部分组成一个SKILL.md文件负责描述技能的使用场景和执行步骤一个references目录放参考资料可能还有一些小的脚本或模板文件。技能被放到指定目录后AI 会在对话中自动感知到它并在相应场景下主动触发。也就是说你不需要每次手动告诉 AI “请你按照 XX 流程来”它会自己找对技能。举个例子我让 AI 开发一个小功能它会主动读取tdd技能先问我要测试用例写完测试再写实现。整个过程不需要我反复提醒“先写测试再写代码”因为技能已经内置了这套规则。这种“自动触发”的体验是普通提示词很难做到的。1.3 核心设计技能文件的结构和触发逻辑如果你打开superpowers的仓库会发现它的目录结构非常清晰一眼就能看懂superpowers/ ├── skills/ │ ├── brainstorm/ │ │ ├── SKILL.md │ │ └── references/ │ ├── plan/ │ │ ├── SKILL.md │ │ └── references/ │ ├── tdd/ │ │ ├── SKILL.md │ │ └── references/ │ └── ...每个技能文件夹里的SKILL.md是核心。它通常用 markdown 编写内容包括技能名称、适用场景、触发条件、执行步骤、输出规范。AI 在对话中会基于用户请求和这些元信息决定是否加载技能。从工程角度讲这其实是一种“上下文路由机制”与其把所有规则塞在系统提示词里不如按需加载让 AI 真正需要时再读取对应技能。这样做的好处是省 token、响应快、职责单一。我第一次看到这个设计时觉得它很像编程里的模块化不需要一个巨大的utils.js而是拆成string.js、array.js、date.js按需引入。superpowers把这种思想搬到了 AI 的工作流编排上难怪热度这么高。2. 安装 superpowers 的完整流程与注意事项2.1 安装前需要准备的环境在安装superpowers之前你至少需要具备两个条件。第一是本地已经安装了 Node.js 环境推荐 18 或更高版本第二是已经装好了 Claude Code 这类支持插件体系的 AI 编程工具。如果你还没有装先执行npm install -g anthropic-ai/claude-code装完以后在终端里敲claude能正常进入交互界面就说明环境没问题。superpowers并不是一个独立运行的软件它是给 Claude Code 等工具提供技能包的插件所以别想着单独启动它它会随着 AI 编程工具的启动一起加载。注意不同 AI 编程工具对插件目录的规定不完全一样安装前最好确认一下你用的是哪个工具以及它的插件目录默认在什么位置。superpowers的 README 里一般会写清楚别凭感觉乱放。2.2 获取并放置技能库拿到仓库本身很简单用 git 克隆到本地即可。我常用的做法是建一个专门的插件目录把它放进去mkdir -p ~/.claude/plugins git clone https://github.com/obra/superpowers.git ~/.claude/plugins/superpowers如果你用的是项目级配置也可以放到当前项目的.claude/plugins/目录下。这样这个项目的 AI 会话会优先加载适合团队共享技能包。个人使用的话放在用户根目录下更省事全局都能用。克隆完成后检查一下目录里有没有skills这个文件夹。如果没有可能是分支或版本不对可以切到默认分支再拉一遍cd ~/.claude/plugins/superpowers git checkout main2.3 启用并验证技能是否被加载把仓库放好以后还需要让当前会话重新加载插件。最简单的方法是退出当前的claude会话再重新进入。如果你想保留上下文也可以直接输入插件重载命令让 AI 重新扫描插件目录。重载之后可以问 AI 一句话你现在加载了哪些可用的 skills如果superpowers安装成功它会列出brainstorm、plan、tdd、debug等技能名。如果没有列出大概率是插件目录路径没配对或者 AI 没有权限读取该目录。这时候先检查路径再检查目录权限基本都能解决。2.4 初始化工作区技能的几个心得成功加载后我还建议你做一次“技能初始化”也就是让 AI 把当前工作目录的结构扫一遍生成一份项目级的说明文件方便后续技能更好地匹配项目上下文。实际操作中我会在项目根目录放一个简短的项目说明把目录结构、技术栈、构建命令写清楚。这样 AI 在调用plan、tdd等技能时能更快理解项目背景给出的计划也更贴合实际。我踩过的一个坑是一开始我把所有技能都放到全局插件目录但项目里用的是不同的代码规范AI 生成的计划总是“太通用”。后来我改用项目级插件目录并把项目规范写进说明文件效果立刻好了很多。所以如果你在团队里用强烈建议把技能库和项目规范放在同一个目录别嫌麻烦。3. 常见 skills 盘点superpowers 具体能做什么3.1 核心技能拆解从 brainstorm 到 reviewsuperpowers里包含的技能数量并不固定不同版本会增删但几个核心技能几乎一直在。我把自己用得最多的几个整理成了表格方便你按场景查找技能名主要用途典型适用场景brainstorm需求发散、创意整理、多个方案对比刚接到模糊需求不知道怎么落地plan生成分步实施计划、拆解依赖关系开始写代码前需要明确任务顺序tdd测试驱动开发先写测试再写实现功能模块开发希望保证可回归性debug问题复现、原因定位、修复验证运行报错或者测试用例失败review代码审查、风险提示、改进建议提交代码前需要第二双眼睛docs生成 README、接口文档、操作手册功能完成需要沉淀交付文档这些技能并非互斥实际使用时经常串联。比如一个功能可以先brainstorm再plan然后用tdd开发最后review收尾。每个技能都会要求 AI 在关键节点和你确认信息而不是闷头输出。3.2 每个技能最值得注意的细节brainstorm的最大价值在于“对抗思维惯性”。它会要求 AI 先列出至少三种思路而不是直接给你一个方案。比如我让它设计一个日志告警模块它先给了一个基于规则匹配的方案又给了一个基于统计异常检测的方案最后一个才是用 AI 做语义分析。虽然最终不一定用后面两个但至少让我看到了不同路径。plan技能让我印象最深刻的是它会主动生成“完成定义”definition of done。也就是说它不只是列任务还会告诉你每个任务做到什么程度才算完成。这对协作很有用AI 不会做到一半就告诉你“已经完成了”因为它需要对照完成定义逐项检查。tdd技能比较严格。它会先帮你把测试框架跑通再引导你写一个失败测试然后才写实现代码最后跑全量测试确认是绿。这个过程对习惯了“先写代码再补测试”的开发者来说一开始会有点别扭但只要坚持几次就能体会到安全网的好处。debug技能不是简单的“请修复这个 bug”它会先让你提供最小复现步骤然后引导 AI 做二分定位缩小问题范围再动手改。这套方法论其实和人类专家调试的思路一致只是被 AI 执行得更快。3.3 如何判断哪些技能适合你不要一上来就把所有技能都用一遍那样反而会拖慢节奏。我的建议是先只启用一个plan和tdd跑一两个任务感受一下技能带来的流程变化觉得可以接受再逐步引入brainstorm、debug、review。团队协作场景下review和docs很值得优先启用因为它们能直接提升交付质量。如果你需要的技能不在默认列表里superpowers也允许你自定义。你只需仿照现有结构新建一个文件夹写好SKILL.mdAI 就能自动识别。我后来自定义了一个“release 检查单”技能每次发版本前让它逐项检查版本号、CHANGELOG、构建结果效果非常好。这个扩展能力算是superpowers最被低估的地方。4. 实操示例从一句话需求到完成代码4.1 一个真实场景做一个带周报统计的小工具光讲概念不好理解我用一个实战例子把整套流程串起来。假设我要做一个命令行小工具它能读取 Git 提交记录统计本周每个人提交次数和改动行数最后输出一份周报。按照以往习惯我可能会直接让 AI “帮我写个脚本”。但这次我故意用了superpowers的流程先说“我们来 brainstorm 一下怎么做这个周报统计工具。”AI 加载brainstorm技能后并没有急着写代码而是先问了我几个问题统计粒度是按天还是按周需要区分业务模块吗输出是 Markdown 还是纯文本有没有多人协作需求这些问题让我意识到这个需求看着简单实际边界很模糊。如果没有前置梳理AI 大概率会直接写一个“读 log、算数字、打印”的脚本但可能不满足多人、多模块的统计需求。4.2 一个流程走完plan、tdd、review 的分工与输出需求梳理清楚后我让 AI “基于刚才的结论生成一个实施计划”。它先加载plan技能输出了一个分阶段的计划准备阶段初始化 Node.js 项目设计命令行参数。核心逻辑解析 Git 日志按作者分组统计提交数和改动行数。输出格式生成 Markdown 表格支持按日期筛选。验证阶段用示例仓库跑通全流程。这个任务拆得并不复杂但重要的是它标出了每步的完成定义。比如“核心逻辑”的完成定义是“能够解析至少三种常见的 Git 日志格式并且结果准确”。有了这个标准后续测试和 review 都有据可依。接着我让它走tdd流程。它先帮我写好测试文件覆盖“空仓库”“单人提交”“多人提交”三种情况然后才开始实现。说实话看到 AI “先红后绿”的那一套动作我一度觉得有点机械化但那份安心感是真实存在的。最后跑测试全绿这时候代码改动就有底气了。最后我请 AI 做一次review。它指出了几个我没注意到的问题比如解析 Git 日志时容易踩编码问题Windows 和 Linux 的换行符不同还有对提交信息里的特殊字符没做转义。这些问题如果我自己写可能要到上线后才发现。经过 review 后我让 AI 直接修复修复完再跑一遍测试确认无回归。4.3 流程带来的最大变化是什么使用superpowers之后最大的变化不是 AI 写代码更快而是它的工作过程变得更可控。以前我担心 AI 生成的一次性代码难维护现在它自带测试、计划和审查代码质量大幅提高。另一个变化是我自己的角色从“写代码的人”变成了“审核方案的人”我会花更多时间在需求定义和计划确认上反而少了很多“返工改 bug”的精力消耗。当然这套流程也有代价那就是前期多了一些沟通成本。比如brainstorm阶段会多问几个问题plan阶段会输出较长计划。但对于中大型需求这点成本完全值得。如果只是临时改一行文字我也不会走完整流程直接让 AI 改就行。关键是你得知道什么时候该用哪套工具。5. 安装和使用中的常见问题排查5.1 症状对照表遇到问题先别慌我在使用过程中遇到过不少问题这里整理成一个速查表方便你直接对照症状可能原因解决办法AI 回答不知道有哪些技能插件目录路径不对检查~/.claude/plugins/下是否有 superpowers 文件夹技能能列出但不会自动触发技能描述里的适用场景和当前任务不匹配重新表述需求或者手动指定要使用的技能更换机器后技能不生效没把全局插件目录同步过来用 git 重新 clone 一次或做配置备份技能执行到一半卡住引用的参考资料缺失或路径错误检查references目录里的文件是否存在自定义技能无法被识别SKILL.md格式不符合要求参考自带技能文件的写法补充必要的元信息大多数问题都不是代码 bug而是配置和路径问题。所以排查时先把路径、权限、格式这老三样过一遍通常能解决八成问题。5.2 一条我常用的排查路径如果你遇到“技能加载了但好像没生效”的情况我建议按这个顺序排查。第一步退出会话重进第二步让 AI 列出所有可用技能确认技能名出现在列表里第三步输入一个故意触发该技能的指令比如输入“我们用一个技能来规划这个任务”观察 AI 是否加载第四步如果还没反应打开SKILL.md看看触发条件是否写得过于狭窄。印象比较深的一次是我的自定义技能怎么都不触发后来发现是因为我在SKILL.md里把触发场景写成了“仅当用户明确说出某个英文关键词时”结果我全程用中文提问自然触发不了。把这个条件放宽成“当用户提到计划、规划、任务拆解时”立刻就生效了。这类问题很容易忽略尤其是对 AI 的能力边界理解还不够深时。5.3 几个独家避坑建议最后分享几个我自己用出来的小技巧。第一别把技能当银弹。superpowers擅长的是流程控制不是让 AI 突然变聪明如果你的基础提示本身就很模糊再好的技能也救不回来。第二更新前先备份。技能库迭代很快更新前最好把当前版本 tag 记下来万一新版有 bug还能快速回退。第三多写自定义技能。默认技能是通用的你实际使用中沉淀的流程才是真正值钱的把它们固化下来比反复粘贴提示词靠谱得多。我现在已经把团队里常用的“上线检查”“接口文档生成”“需求拆分”都写成了技能每次打开项目都会自动加载。这套东西用到后面你会发现自己越来越依赖它不是因为懒而是因为 AI 的工作方式确实变得更专业了。如果你也在折腾 AI 编程强烈建议装一个试试从plan和tdd开始慢慢你就会理解我为什么说它像给 AI 加了 buff。