写代码的人应该都有过这种体验同一个项目里翻来覆去地跟AI描述需求、贴上下文、重复解释技术背景稍微复杂点的任务还得一步步引导它语气像在教实习生。我去年开始重度使用AI辅助开发之后最大的痛点就是这个——每次打开新对话AI就像失忆了一样完全不记得我上周已经跟它讨论过的架构取舍。后来我找到了一个叫superpowers的开源技能集合才算是把这个顽疾治好了。superpowers本质上是一套可复用的AI技能包skills把项目管理、架构设计、代码审查、调试排错这些高频场景预先封装成结构化的指令模板。你只需要把它装进你的AI工作台让AI在遇到对应任务时自动加载这些技能就能省掉大量重复的口头交代。这篇文章我会从零开始把superpowers的安装、引入、核心技能清单以及使用中的坑全部讲透适合正在用AI写代码但总觉得差点意思的朋友。1. 先搞清楚superpowers到底是什么1.1 它解决的真实痛点我平时接私活比较多每个项目都要兼顾前端、后端、数据库设计、部署上线一个人的精力很有限AI辅助是我的主力生产力工具。但用久了发现一个问题AI的对话上下文是有上限的而且每次新开对话都要重新介绍项目背景、技术栈、业务规则我经常要花十几分钟做人肉上下文注入。这个过程的重复劳动非常明显你上周刚跟AI讨论清楚的技术方案这周打开新会话它又什么都不记得了所有的决策理由都要从头再讲一遍。更烦的是有些任务流程是高度重复的——比如代码审查我每次都要求它逐行检查、关注安全漏洞、确认错误处理、给出修改建议这个指令我可能写了上百遍。还有写单元测试、做技术方案对比套路都差不多。这就好比你每天上班都要重新学习一遍怎么用Excel荒谬吧superpowers解决的就是这个把那些高频、可模板化的AI工作流固化成一个个技能随取随用。我现在用的这套superpowers来自一个开源项目它把AI辅助开发的流程做成了标准化的skills目录。每个skill不是简单的提示词而是一套完整的操作协议包括触发条件、思考步骤、输出格式甚至给出了自动执行的判断标准。装好之后你不需要每次手动切换到某个模式AI会根据你正在做的事情自动匹配并激活相应的技能。1.2 Skills机制的核心逻辑说到这得稍微解释一下skills的运行原理要不然后面安装、自定义的时候会懵。你可以把superpowers里的每个skill想象成一份工作手册它是一份Markdown格式的结构化文档存放在固定的目录里。AI在回答你的问题之前会先扫描这个目录判断当前任务命中了哪个技能然后读取对应的手册按照手册里的流程来组织回答。这个机制的关键在于结构化。一份普通的提示词比如帮我审查代码太含糊了AI每次发挥的水平都随缘。而一份结构化的skill文档会明确规定适用场景什么样的任务应该激活这个技能执行步骤先做什么、再做什么、最后做什么检查清单哪些点必须检查避免漏项输出规范回答的格式、是否包含代码示例等这样就等于是把行业最佳实践固化成了AI的操作SOPAI不再是即兴发挥而是按套路出牌。我实测下来的感受是引入superpowers之后AI输出的稳定性和完成度有明显提升尤其是那些需要多步骤推理的任务不会聊着聊着就跑偏了。打个比方用裸奔的AI就像一个很聪明但是没有任何项目管理经验的新人你交给他一个任务他能做但质量看心情而superpowers给他的是一整套经过验证的做事方法他按照这个方法来下限一下子就被拉高了。2. 安装前的准备工作2.1 运行环境要求在动手安装之前先确认一下你的运行环境。superpowers目前主要面向支持自定义skills机制的AI客户端和开发工具比如Claude桌面版、一些主流的AI插件生态。不是说只能在某个固定软件里用而是它依赖技能自动加载这个底层能力所以你的工具必须支持读取本地技能目录。具体需要满足的条件我整理了一下操作系统Windows、macOS、Linux都行本质上是读目录、读文件跟平台无关AI客户端建议使用支持功能配置的桌面版或API接入方案浏览器网页版一般不支持自定义技能目录基础工具装了Git方便克隆项目文本编辑器随便VSCode、Sublime都行我这里以Claude桌面版为例因为我自己用的是这个步骤最清晰。其他工具原理相同只是配置文件的路径和写法有一点差异。如果你用的是别的工具思路是一样的找到它的配置目录和技能目录就成功了一半。还有一点要提醒技能机制本质上是在本地读取文件所以不需要额外联网环境也不用担心隐私问题你的代码数据仍然只在你和AI的会话中出现。2.2 获取superpowers项目文件确认环境没问题之后第一步就是拿到superpowers的源码。这个项目在GitHub上开源直接克隆到本地就行。我习惯把它放在一个专门的目录里比如~/dev/superpowers方便统一管理。命令如下git clone https://github.com/your-superpowers-repo.git ~/dev/superpowers提示如果你访问GitHub的速度不理想也可以直接从项目的Release页面下载压缩包解压后效果一样。启动脚本和配置步骤不受下载方式影响。克隆完成之后你会看到一个比较清爽的目录结构核心就两个东西一个是存放技能定义的skills/目录一个是用来自动同步技能的启动脚本。别急着运行先打开目录看一下里面到底有哪些内容做到心里有数。我建议你重点翻一翻skills/目录因为这就是superpowers的武器库后面所有安装、引入、扩展都是围绕它展开的。看过一遍之后你至少能知道里面有哪些技能、它们的命名规则是什么、每个技能文件夹里放了什么文件。这一步虽然简单但对后面排查问题非常有帮助。3. 完整安装与引入技能实操3.1 把技能挂载到客户端这块是整个安装过程中核心的一步。因为superpowers不是靠你手动把技能内容粘贴到对话里用的而是要把技能目录挂载到AI客户端的技能路径下让客户端在每次会话启动时自动加载。换句话说它不是一次性模板而是常驻内存级别的存在。以Claude桌面版为例你需要在配置文件中添加一个指向superpowers技能目录的路径。打开配置文件macOS上通常在~/Library/Application Support/Claude/下Windows在%APPDATA%\Claude\下路径里找不到就用系统搜索直接搜claude_desktop_config.json然后在里面加入类似这样的内容{ skills: [ { name: superpowers, path: ~/dev/superpowers/skills } ] }保存配置之后重启客户端。注意这里一定要重启不是刷新页面就行。启动时客户端会扫描这个目录把里面每一个子文件夹都识别成一个可用的技能。如果配置正确你可以在客户端的设置界面或者日志里看到类似已加载N个技能的提示。看到这个提示说明挂载成功了。我第一次装的时候就是没重启配置一直不生效还以为是路径写错了白白折腾了半天。3.2 理解技能引入的触发方式技能挂载好之后很多人会有一个误区以为要像切换插件一样手动启用。实际上不是。superpowers采用的是自动触发手动兜底的双机制。自动触发指的是你在对话中描述的任务如果和某个技能的适用场景匹配AI会自动激活该技能并按照它的流程来执行。比如你说帮我看看这段代码有没有内存泄漏AI会先扫描技能目录发现performance-linter这个技能的触发条件包含了内存泄漏于是自动套用该技能的检查流程。这个过程的背后原理是技能文档里的适用场景部分是经过精心设计的AI通过语义匹配来决定何时调用。手动兜底则是为了应对AI判断不准的情况。你可以随时在对话里明确指定比如使用 code-review 技能检查这段代码或者启动 test-writer 技能为这个函数生成测试AI就会强制加载对应的技能不会跑偏。我在实际使用中大约七成靠自动触发三成靠手动指定手动指定尤其适合那种我知道该用哪个技能但你判断错了的场景。如果你发现AI经常选错技能可以试着把提问里的描述写得更接近技能的触发词让语义匹配更明确。3.3 验证技能是否真的生效挂载和触发机制搞清楚之后下一步是验证。我最开始装完不确定技能到底有没有生效就随便问了一个很抽象的问题结果AI回答得很粗糙一度以为没装上。后来才发现得用测试题来验证而不是凭感觉。我推荐三个有效的验证方法方法一直接点名技能。在对话里输入请使用 tech-planning 技能来安排这个项目。如果技能生效AI会按该技能的结构输出比如先给需求分析再给风险列表最后给里程碑计划。如果没生效它可能只会笼统地回你几句。方法二检查技能日志。很多支持skills机制的客户端会把技能加载和调用记录写到日志文件里。我用的桌面版能在日志目录下看到日志里面会列出每次会话激活的技能名称。日志里出现你预期的技能名称就说明触发没问题。方法三做对比测试。同一个任务分别在技能挂载前后问一遍。比如让它评审一段包含SQL注入风险代码挂载前它可能只给出笼统意见挂载后如果激活了安全审查技能它会按检查清单逐条输出甚至给出修复代码。这个对比非常直观能让你感知到superpowers带来的实际增量。我建议每个新装的技能都这么测一轮花不了多少时间但能确保你对工具的状态心里有底。4. 核心Skills清单与实战场景4.1 项目规划与需求分析类superpowers里面第一个值得重点说的是项目规划类技能。我接私活时最头疼的就是需求不明确甲方说我想要个类似淘宝的东西这句话信息量几乎为零。没有superpowers之前我会花大量时间在对话里引导AI帮我拆解需求现在好多了直接用 tech-planning 技能AI会按预设的流程帮我完成需求澄清、功能拆解、优先级排序这几个环节。以我这个仿淘宝项目为例激活 tech-planning 之后AI会自动反问一系列关键问题目标用户是谁、核心交易流程是什么、是否需要支付和物流模块、预计的并发量级是多少、技术栈有没有限制。这些问题平时你可能要逐条向导但现在变成了一套标准化的澄清SOPAI会帮你把模糊的意图收敛成一个有结构的方案。它最终输出的是包含功能清单、优先级、里程碑、风险评估的完整开发计划拿来就能和甲方对齐。这个技能对自由职业者和独立开发者尤其友好。以前接需求我可能聊一下午才把边界划清楚现在通过结构化提问半小时就能把需求文档的初稿拉出来剩下的就是跟甲方确认细节。最重要的一点是它不会让你陷入过度设计。方案里它会根据你的项目规模自动判断哪些功能可以砍哪些必须保留这恰恰是独立开发者最需要的——不是能力不够而是容易什么都想做最后什么都做不好。4.2 编码与实现类编码类技能是目前实际使用中调用频率最高的一类。superpowers里面跟写代码相关的技能覆盖比较全先上一个清单方便你对照自己最需要的功能技能标识核心用途典型触发场景code-review系统化代码审查提交PR前、接管他人代码时test-writer生成单元测试用例新写函数、改动核心逻辑后refactoring-advisor重构路径分析与风险提示代码坏味道明显、长期未维护模块doc-generator自动生成接口与模块文档项目交付、新成员接手举个例子我有一次写一个Python的支付回调接口需要同时处理签名验证、金额校验、幂等控制、异常记录。我把代码贴给AI让AI用 code-review 技能查一下。它按照检查清单走了一遍很快就指出我的签名验证放在了金额校验之前导致攻击者可以伪造金额字段同时还发现我的幂等判断用了数据库查询而不是唯一索引并发场景下会出问题。这些问题它以前也会发现但经常是零散地提没有这次这么系统和完整。关于编码类技能我这里补充一个实操心得这类技能的输出质量高度依赖你给的信息完整度。在让AI执行 test-writer 之前最好把函数的输入输出、依赖的外部服务、需要mock的边界都说清楚。比如你要写的函数依赖一个外部API如果不告诉AI它生成的测试就只能纯mock覆盖不了真实的超时和重试逻辑。所以使用编码类技能信息前置是关键。4.3 调试排错类调试排错类的技能怎么说呢属于平时用不上、用上就救命的那种。我印象最深的一次是帮朋友排查一个诡异的线上问题服务每隔一段时间就卡死一次重启后恢复过几个小时又卡。日志里能看到大量的io timeout但看不出是哪儿出的问题。我用superpowers里的 debug-helper 技能按它的流程来收敛问题。这个技能要求我先提供完整的错误日志、最近的变更记录、相关配置然后它会分三步走第一步先分析日志里的共通模式第二步列出可能的原因并给验证方法第三步出诊断结论和修复建议。它给我的排查方向里提到了连接池参数配置不当我顺着查下去发现确实是把连接池的最大连接数调到了远低于实际并发的数值排队等待把线程池耗尽了。事后回想如果没有技能引导我可能会在日志里翻半天最后靠重启机器治标不治本地拖很久。另一个值得说的是性能分析技能。它比较适合在写代码阶段用发现逻辑里潜在的慢查询、循环里的重复计算、无谓的数据序列化等。它不会做真正的profiling但能在代码评审阶段提前筛掉一批常见的性能坑等于帮你做了一次静态层面的性能体检。这种技能的价值在于防患于未然等线上出问题再排查成本和压力都大得多。4.4 文档、复盘与知识管理类还有一类容易被忽略但实际很好用的技能文档与知识管理类。以前我写项目总结非常敷衍写了跟没写一样。用复盘类技能之后AI会引导我从目标回顾、结果对比、偏差分析、动作沉淀四个维度去整理输出就不悬浮、有结构了。这类技能在团队协作里价值更大。举个例子我们小团队每周都会做技术分享每个人负责一个专题。以前输出质量完全取决于个人水平高的时候信息密度大但没人记录总结低的时候就是对着PPT念。用 superpowers 的复盘技能统一格式之后分享资料会自动生成一个结构化摘要包括关键结论、代码示例、后续行动计划沉淀到团队文档库里面后面的人查起来非常方便。文档生成技能也值得一提。它不只是帮你写注释而是会按照你的代码结构自动生成接口说明、模块依赖关系、部署步骤而且格式统一。如果你是一个需要维护多个项目的自由职业者这个技能可以帮你省掉大量整理文档的时间。我自己现在的新项目上线前都会让AI跑一遍 doc-generator产出的文档既给甲方看也留给自己做维护手册。以前最讨厌的写完代码写文档环节现在反而成了最轻松的一步。5. 使用过程中的常见问题与排查技巧5.1 技能没生效先查这四处从我自己的经验以及群友反馈来看superpowers装上之后不生效是最常见的入门问题。但绝大多数情况不是工具坏了而是配置没到位。我总结了一套排查顺序按照这个顺序走一般十分钟内能找到原因。排查顺序检查项常见原因与处理方式1技能目录路径写法使用了~简写而工具不支持需改为绝对路径2技能目录内部结构缺少技能定义文件SKILL.md客户端会跳过该技能3配置文件格式JSON多逗号、少引号导致语法错误整个配置失效4客户端是否重启未重启导致配置没有重新加载需彻底退出再打开第一检查技能目录的路径是不是绝对路径。有些客户端不识别~这种简写需要写成全路径比如/Users/你的名字/dev/superpowers/skills。第二检查二级目录结构。每个技能的文件夹里必须有一个SKILL.md或者对应客户端要求的技能定义文件名如果文件缺失客户端会跳过这个技能。第三检查配置文件有没有语法错误。JSON格式只要多一个逗号、少一个引号整个配置就失效了。第四也是最容易忽略的改完配置之后有没有彻底重启客户端。有些客户端并不会热加载配置你必须先退出再重新打开。如果上面四处都正常技能还是没触发那就要考虑是不是触发条件没写清楚。比如你问的问题比较隐晦AI没识别到它该用哪个技能这时候直接用请使用xxx技能的方式点名调用可以作为兜底方案。我用这个办法解决过很多次明明装好了但好像没生效的困惑后来才发现其实是触发的语义匹配没到位点名调用立刻就好了。5.2 多个技能冲突时的处理策略技能装多了之后另一个典型问题是冲突。举个例子我同时挂载了 code-review 和 performance-linter有一次让AI审查一段含循环嵌套的代码它两个技能都激活了输出内容一会儿侧重安全审查一会儿跳去分析性能整体结构很乱观感也不好。这种问题我在实践中摸索出一个办法在提问时明确编排技能的优先级。比如我会在需求描述里加一句先做性能分析再做安全审查输出分开写。有了这个排序约束AI会按顺序执行不会混乱。另外如果两个技能处理的是同一类任务也可以只保留一个主技能把另一个的适用场景里增加排他条件从源头避免激活冲突。还有一个更省事的思路把常用的技能组合打包成一个新技能。比如我发现自己经常需要先代码审查、再生成测试、最后补文档这条流程就新建了一个叫做 release-ready 的技能它的执行步骤里依次调用了 review、test、doc 三个子技能。这样一条指令就能完成整条流水线非常节省时间。当你真的把几个高频技能组合用起来之后会觉得这已经不是简单的提示词优化了而是在真正建立自己的AI工作流。5.3 如何自己写一个自定义技能如果你已经把内置技能用熟了强烈建议试试自定义技能。门槛比想象中低核心就是写清楚四个部分技能名称、适用场景、执行步骤、输出格式。我用一个实际例子说明。假设你想做一个技术选型对比技能专门用来在多个方案之间做决策。那么技能文件夹里新建一个tech-compare/SKILL.md内容大致这样# 技能名称Tech Compare ## 适用场景 - 用户需要选择技术方案/框架/数据库时触发 - 用户列出了多个可选方案并希望对比时触发 ## 执行步骤 1. 先让用户明确对比的评估维度包括但不限于性能、生态成熟度、学习成本、维护成本、License 2. 逐一对各方案在选定维度上做打分和理由说明 3. 根据用户项目的实际约束给出推荐排序说明限制条件 ## 输出格式 输出一张三列以上的对比表格表头包含评估维度、方案A、方案B、方案C最后给出明确的推荐项和备份项禁止模棱两可的结论。写完保存重启客户端这个技能就会和内置技能一样被自动加载。我自己就是靠着这套方法逐渐把常用的工作流都沉淀成了技能现在的AI使用效率比一开始高了很多。写自定义技能的时候有个小技巧执行步骤要写成可检验的动作。比如不要写分析代码质量而要写检查是否有未处理的异常、是否有关键路径的日志缺失、是否缺少输入校验这样的颗粒度AI执行起来才稳定。越具体越不容易跑偏。另外建议每写一个技能都顺手写一个极小但可验证的测试场景后面迭代维护的时候能省很多心。最后说一点我的体会。用superpowers这半年最大的收获不是某一个技能多好用而是建立了一套持续沉淀工作流的习惯。以前写提示词每次都是临时抱佛脚用完就扔现在看到任何一个经常重复的工作第一反应是能不能把它固化成技能。这种思路上的转变带来的效率提升是长期的、复利式的。如果你刚接触superpowers我的建议是别急着把所有技能都装上先挑两三个和你日常工作最相关的用熟了再逐步扩展。技能这个东西装得越多不一定越好关键是每个技能你都真的理解它在什么场景下能被激活、该怎么配合使用。踩过几次坑之后你就会发现与其跟AI反复扯皮讲上下文不如给它一套完整的流程让它按流程执行。这个习惯一旦养成你回头再看以前那种每次重新教AI的用法大概率是回不去了。