去年底开始AI编程助手这块基本进入了“人手一个 Agent”的阶段。Codex CLI、Claude Code 这类工具大家装得都不少但用起来总有种“差口气”的感觉——简单需求还能应付一旦涉及多文件重构、跨模块排查问题AI 就开始东一榔头西一棒子改完 A 忘了 B前后逻辑对不上。后来我接触到一个叫 superpowers 的技能包算是把这块短板补齐了。这篇文章就围绕 superpowers 的完整使用流程从安装到实战把我验证过的东西一次性写清楚。先说结论superpowers 不是一个独立工具而是一套给 AI 编程助手使用的“能力增强包”你可以把它理解成给 Codex CLI、WorkBuddy、Trae 这类 Agent 环境预装的一套系统化工作流。装上之后AI 会按照“先规划、再拆解、后执行、再复盘”的方式工作而不是上来就改代码。这套思路对复杂项目尤其管用适合正在用 AI 写代码、但觉得生成质量不稳定的开发者也适合想把 AI 从“代码补全工具”升级成“结对程序员”的团队。1. 先搞懂 superpowers 到底是什么1.1 它解决的真正痛点我在刚用 Codex CLI 的那段时间最头疼的问题不是 AI 不会写代码而是它太容易“飘”。比如你让它实现一个带缓存的文件下载器它能给你写出来但如果你让它“在现有模块里加入断点续传同时保证旧接口不被破坏”它往往会一头扎进去只盯着新增需求把已有的错误处理逻辑全打乱提交出来的代码review时全是雷。这个问题的根源在于大部分 AI 编程助手默认的交互模式是“一问一答”。你问一句它答一句缺少整体规划。而 superpowers 做了什么呢它把一套成熟的软件工程方法论——需求梳理、方案设计、任务拆解、步骤执行、测试验证——封装成了 Agent 可执行的技能指令。AI 接到任务后不再急着动键盘而是先按照技能包里的标准流程走一遍。用生活化的方式理解普通模式下的 AI 像个随叫随到的实习生你说什么他做什么装上 superpowers 之后的 AI像带了一个 S.O.P. 手册的熟练工程师接到活先翻手册确认流程再动手。1.2 核心机制它靠什么起作用这个技能包的核心机制是斜杠命令 技能文件夹 规则文件三件套。斜杠命令是入口在 Codex CLI 或兼容环境里输入/superpowers:xxx就能触发对应的技能流程。技能文件夹是一组结构化的 Markdown 指令文件每个文件描述一个具体技能的目标、输入要求、执行步骤和输出格式。规则文件则是全局约束比如语言偏好、代码风格、文件读写策略这些规则会被 Agent 自动加载影响它在所有任务中的行为。你可以这样理解这套机制技能文件是“菜谱”规则文件是“厨房管理条例”斜杠命令就是你喊一声“上菜”AI 会按菜谱和条例干活而不是自由发挥。2. 安装 superpowers 前的环境准备2.1 一套能跑通的 Codex CLI 环境虽然 WorkBuddy 和 Trae 也支持 skill 机制但我的主力环境还是 Codex CLI所以先以它为例。安装前我建议先把 Codex CLI 更新到较新版本我在测试时发现老版本对 skill 目录的自动扫描支持不完整装完技能不生效排查了半天才发现是版本问题。确认环境是否就绪最快的方式是在终端里执行codex --version能看到输出版本号就说明基础环境没毛病。另外确保你的终端可以正常访问 OpenAI 接口这个属于 basic 前提不多说。如果你的主力环境是 WorkBuddy那要注意它的 skill 安装机制用的是 SKILL.md 规范和 Codex CLI 有细微差异但大体目录结构是通用的。Trae 则更特殊一些你需要在它的 Work 窗口里通过特定指令加载 skill 文件路径规则和前两者不完全一样。我本地的做法是在三个环境里各放一份技能包副本互相之间用版本控制同步避免在某个工具里装好了换个环境又抓瞎。2.2 Skill 目录的规划方案安装之前建议先规划一下目录。Codex CLI 默认会从~/.codex/skills目录扫描技能包。WorkBuddy 用的是~/.workbuddy/skills。如果你都在用我推荐做一个软链接把多个目录指向同一个技能包仓库的副本这样你更新技能包时只需要更新一次。具体操作是把 superpowers 仓库 clone 到本地的任意目录比如~/skills/superpowers然后执行ln -s ~/skills/superpowers ~/.codex/skills/superpowers ln -s ~/skills/superpowers ~/.workbuddy/skills/superpowers这个做法的好处是后续更新只需要git pull不用在两个目录里分别复制粘贴。我一开始没这么做结果在 Codex 里更新了技能切到 WorkBuddy 忘了同步排查问题时来回折腾浪费了不少时间。3. superpowers 安装完整实操3.1 第一种方式脚本一键安装superpowers 官方提供了安装脚本这种方式最省事适合第一次装的人。执行curl -fsSL https://raw.githubusercontent.com/obra/superpowers/main/install_skill.sh | bash脚本会自动完成三件事克隆技能仓库到本地、创建 skill 目录的软链接、输出安装完成的提示。实测在 macOS 和 Linux 环境下都能跑通。有一点要注意装完之后必须重启终端再启动 Codex CLI。不然新技能文件不会被扫描进去。我第一次装完没重启敲斜杠命令怎么都出不来技能列表还以为是脚本装错了。3.2 第二种方式手动部署如果你不太放心直接执行远程脚本或者你的环境不允许手动部署也很简单。先把仓库 clone 下来git clone https://github.com/obra/superpowers.git然后创建目录并复制文件mkdir -p ~/.codex/skills cp -r superpowers ~/.codex/skills/这里要提醒一下复制之后检查一下目录结构。正确的结构应该是~/.codex/skills/superpowers/skills/下能看到一堆 Markdown 文件每个技能一个文件。我见过有人直接把仓库根目录当成技能目录把AGENTS.md文件拷贝错位置结果技能一个都没被识别。3.3 安装后的验证方法装完怎么确认生效启动 Codex CLI直接输入/触发命令列表如果在列表里能看到superpowers:menu、superpowers:summary之类的命令就说明装好了。还可以进一步验证在任何对话里输入/superpowers:menu如果返回一个技能菜单包含 brainstorming、writing-plans、executing-plans 等选项那就说明核心技能都已被正常加载。这一步是我每次装完必做的检查能避免“假装装好了”的情况。4. 核心技能包拆解superpowers 里到底有什么门道4.1 主推的几类核心技能我不打算把每个技能文件都过一遍只挑实际用下来频率最高、价值最明显的几类来说brainstorming头脑风暴适合需求还不明确的场景。你只给一个大概想法AI 会主动追问并展开思路最后产出一份需求说明。我通常会在接到一个模糊需求但不太确定方向时先用它生成的文档直接作为后续计划的输入。writing-plans编写计划它会引导 AI 把事情拆成一条条可执行的任务每个任务包含目标、涉及文件、验收标准。这一步输出的计划文档我会带着它去做 code review相当于一份 check list。executing-plans执行计划在计划文档的基础上逐条执行。它的亮点是每完成一步就做一次验证而不是全部改完才告诉你结果。writing-code写代码执行具体编码任务的技能特点是会严格遵循已有的代码风格并主动识别和复用项目里的公共组件。code-review代码审查让 AI 扮演 reviewer 而不是 writer专门挑毛病。它不只是看有没有 bug还会关注架构是否合理、命名是否清晰、有没有重复代码。debugging调试这个是重点技能。它会强制 AI 先复现问题、定位根因再提出修复方案。用这个技能修 bugAI 不会一上来就改代码而是先输出一份“问题分析”给你确认。4.2 常用斜杠命令实测分享在实际使用中我最喜欢的是/superpowers:menu和/superpowers:summary。menu用于随时查看当前可用的技能列表这个适合刚安装完还不熟悉的人。summary则用于任务完成后让 AI 生成一份变更摘要包含改了什么、为什么改、影响范围我直接用这个摘要来更新项目文档和提 MR非常省事。还有一个比较隐蔽但很好用的命令是/superpowers:custom-skill-creator。它用来创建自定义技能你在对话里描述你希望 AI 具备的新能力它会自动生成对应的技能文件然后你就可以像内置命令一样使用它。这个能力是 superpowers 最“super”的地方它让技能包变成了一个可生长的体系而不只是一堆写死的规则。5. 实战把 superpowers 用在真实项目里5.1 一个多文件重构任务的完整过为了让你有更直观的感受我用一个实际遇到过的场景来讲。之前一个内部工具项目需要把上传模块从 HTTP 轮询改成 WebSocket 推送。涉及文件有六个还牵扯到前端消息格式的兼容问题。放到以前我会按下述方式让 AI 直接改——大概率改到一半就得返工。但这次我换了个流程第一步先用/superpowers:brainstorming把“上传模块改造为 WebSocket 推送兼容旧版前端消息格式”这个需求丢进去。AI 生成了约八百字的需求说明里面把兼容策略、断线重连机制、消息格式映射表都列清楚了。第二步用/superpowers:writing-plans基于需求说明生成执行计划。它拆成了四个阶段服务端 WebSocket 服务搭建、前端连接管理模块改造、旧消息格式适配层编写、集成测试用例编写。每个阶段都标出了涉及的文件和验收标准。第三步用/superpowers:executing-plans按计划执行。期间我注意到它每一步都会停下来打印验证结果比如某一步发现旧版前端发送的心跳包格式和新服务端不匹配AI 会在执行日志里主动标注而不是悄悄跳过。第四步最后用/superpowers:code-review对全部改动做审查AI 找出了一个我在代码里漏掉的重复订阅问题并给出了修复建议。整个流程下来项目一次测试通过比我之前手动指挥 AI 改三版才通过效率高了不少。5.2 自定义技能把内部规范变成 Agent 能力superpowers 最吸引我的一点是自定义技能机制。我们团队有自己的一套错误码规范要求所有新增的错误必须先在错误码表里登记代码里才能引用。这个规范以前靠人肉 review漏检查是常事。我用/superpowers:custom-skill-creator创建了一个“团队规范检查”技能。我跟 AI 描述当检测到代码中出现新的错误码定义时必须检查错误码表文件是否已同步更新。AI 自动生成了一个技能文件里面包含了触发条件、执行步骤和验证方式。之后再跑任务AI 会主动执行这个检查不需要我每次提醒。这个能力把团队的最佳实践沉淀成了 Agent 的默认行为长期积累下来相当于团队多了一个从不偷懒的规范化执行者。5.3 与 MCP 生态配合使用superpowers 和 MCP 生态也是可以打通的。我在 Codex CLI 里配了文件系统 MCP 服务superpowers 在执行 writing-plans 时AI 可以直接通过 MCP 读取项目里的目录结构文件基于真实的代码结构来生成计划而不是靠猜测。这样生成的计划落地性更强不大会出现“让 AI 改一个不存在目录”的尴尬。配置方式是编辑 Codex CLI 的配置文件把 MCP 服务地址加进去然后在技能文件里通过规则约定“生成计划前必须先通过 MCP 读取项目结构”。这个组合用起来非常顺手。6. 常见问题与排查技巧6.1 技能命令不出现的排查流程这是新手最容易踩的坑。装完一切正常但输入斜杠命令看不到 superpowers。按我的经验排查路径是这样的先确认技能文件位置对不对检查~/.codex/skills/superpowers/skills/目录下是否有文件再确认终端是否已重启最后确认 Codex CLI 版本够不够新老版本不支持技能扫描。我遇到过一次比较隐蔽的情况技能目录里文件名是中文导致加载异常。superpowers 的技能文件名是英文但用户一旦自己创建了中文命名的技能文件在某些终端环境下会扫描失败表现就是部分技能不出现。解决方案就是全部用英文命名。6.2 技能触发了但效果不符合预期的调试思路有时候斜杠命令能弹出来但 AI 执行结果跟你想要的不一样。这种情况八成是技能文件里的指令和你的需求不匹配。我的做法是去查看技能文件的具体内容搜到对应技能的 Markdown 文件头部的description字段决定了 Agent 在什么场景下选择这个技能正文部分则决定了执行逻辑。如果你发现 AI 在合适的场景下没有调用技能往往是 description 写得不够明确没有命中 AI 的判断逻辑。比如某次 AI 总不调用 debugging 技能我看了文件才发现 description 里写的是“用于处理运行时异常”而我的问题是逻辑错误AI 认为不匹配。我改成“用于分析和解决所有不符合预期的行为”调用率就明显上来了。6.3 一次“模型越强效果越差”的反常经历前面提到过GPT-5 和 Claude 3.7 下部分技能行为有差异。一个有代表性的现象是Claude 3.7 在 executing-plans 阶段容易“发挥过度”计划里说改 A 文件它会顺手把 B 文件里相关的代码也优化了。原因在于模型自身指令遵循能力和技能文件约束之间的博弈。技能文件要求“严格按计划执行”但模型更倾向于把上下文分析到的东西都处理掉。解决方案是在技能文件的执行规则里加一句强制约束“执行过程中不得修改当前任务之外的任何代码。如发现需要额外修改先暂停并等待用户确认。”加完之后AI 收敛了很多。这个经验让我认识到技能文件不是写给人的是写给模型的。你需要根据底层模型的特性去调整指令措辞才能拿到预期行为。6.4 集成测试和回滚的兜底手段最后聊一个老生常谈的问题任何新技能都可能引入意外行为。我给团队引入 superpowers 之后强制规定了一条纪律——技能包本身纳入 Git 管理每次升级前先建立稳定的 baseline。具体操作是在技能包目录里初始化一个 Git 仓库测试版本打上 tag。如果升级后发现新版本行为不稳定直接git checkout回到上一个 tag。这个操作不复杂但能在关键时刻救你一命尤其当你在赶交付的时候发现 AI 突然因为技能升级而不按套路出牌回滚是止损最快的办法。7. 进阶玩法把 superpowers 变成团队协作的底座技能包用顺了之后我还做了一件事把团队内常用的开发规范、代码风格、提交信息规范全部写入自定义技能并推送到团队的共享仓库。新人加入时只需要拉取了同一个技能包Codex CLI 的行为就和老成员的保持一致。这就把 superpowers 从一个“个人效率工具”升级成了“团队知识沉淀平台”。即使不写文档团队里每个人的 AI Agent 都遵循同一套规范干活产出的代码风格自然对齐review 的压力小了很多。不少人遇到过类似的问题——团队里三个人用 AI 写代码写出来的风格南辕北辙最后 review 的人苦不堪言。superpowers 这类技能包给了我们一个统一的控制层。底层模型可以一样但技能包里的规则不同AI 的行为就不同这一点只要试过就会明白。从安装到实战踩坑这基本就是我对 superpowers 这套工具的完整使用心得。一开始我也以为它不过是给 AI 加了一堆指令但用久了你会发现真正有价值的是它背后的那套工程方法论。把方法论交给 AI 执行让 AI 变成有章法的工程师而不是只会补全代码的实习生这才是 superpowers 最大的意义。