就输了一句话，AI 自己确认需求、拆任务、先写测试再实现
用 AI 辅助编程的人大多遇到过同一个问题：把任务扔给 AI，它开始改代码，改着改着偏了，等你发现时已经动了很多不该动的地方。或者反过来，AI 做完了，你不知道该怎么验证，只能靠肉眼过一遍。
Superpowers 试图解决的就是这类问题。它不是一个编辑器，也不是一个新的 AI 模型，而是一个运行在 AI 编程助手之上的「工作流插件」，通过一套结构化的流程和可组合的「技能」模块，约束并引导 AI 从任务开始到结束的每一步行为。
目前项目在 GitHub 上有超过 145k Star，最近一次更新是 2026 年 4 月 10 日，活跃维护中。
它在解决什么问题
AI 编程助手本身没有工作流意识。它回答你的问题、执行你的指令，但不会主动问「我这样做对吗」，不会拆解任务粒度，不会在实现前确认设计，也不会在完成后做系统性 Review。
Superpowers 在 AI 助手之上叠加了一套结构，把开发过程拆成几个阶段：设计确认、任务拆解、实现、测试、Review、收尾。每个阶段 AI 该做什么、以什么方式输出、什么时候等待人工确认，都由框架里的「技能」来定义。
核心机制：技能（Skills）
Superpowers 的核心单元是「技能」，每个技能是一段对 AI 行为的结构化描述，告诉 AI 在特定场景下应该遵循什么流程、输出什么、避免什么。
目前内置的技能覆盖几个主要场景：
规划类
brainstorming：头脑风暴阶段，引导 AI 提出问题、确认需求writing-plans：拆解任务，生成 2–5 分钟粒度的小任务，每个任务包含具体文件路径和验证步骤executing-plans：按计划执行，带两阶段 Review
测试类
test-driven-development：强制执行红绿重构循环（先写失败测试、再写实现、再重构）verification-before-completion：完成前验证，防止 AI 自己说「好了」但实际没验证
调试类
systematic-debugging：根因分析式调试，而不是随机尝试修复
协作类
dispatching-parallel-agents：拆分子任务给多个 AI 子代理并行处理using-git-worktrees：用 Git Worktree 管理并行分支，让多个子任务不互相干扰requesting-code-review/receiving-code-review：结构化的代码 Review 流程finishing-a-development-branch：分支收尾、合并决策和清理
技能可以单独启用，也可以组合使用，根据具体项目的需要选取。
安装方法
Claude Code
分两步，先注册 marketplace，再安装插件：
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace安装后重启 Claude Code 会话，Superpowers 会自动注入上下文，之后直接呼叫对应技能名即可。
Codex
Codex 的安装方式更简单——直接告诉它去读官方安装文档并执行：
Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.mdCodex 会自动拉取安装步骤并完成配置，不需要手动操作。其他平台的安装方式也大同小异，可以查看 https://github.com/obra/superpowers (opens in a new tab) 了解。
实操演示：购物车
下面是我用 Codex + Superpowers 实际操作的过程，从一句话需求到跑通测试。
只输入了一句话：
实现一个购物车案例
Superpowers 接管之后，它没有直接开始写代码，而是先进行需求确认——问了几个关于购物车业务逻辑的问题。
需求确认完，它先生成测试用例，把预期行为定义清楚，然后再去实现。
紧接着是任务拆解，把整个购物车拆成若干个小任务，逐步推进。
全部完成。
注意这里的顺序：需求确认 → 测试用例 → 任务拆解 → 实现。这个顺序是 Superpowers 在约束，不是 AI 自己会做的。
与直接使用 AI 助手的差异
不加任何框架地使用 AI 助手，AI 的行为完全取决于每次对话的上下文。任务粒度、验证方式、Review 深度，都是随机的。
Superpowers 的作用是让这些行为变得可预期：同一个技能，不同的会话、不同的项目，AI 遵循的流程是一致的。这对需要保持代码质量稳定的长期项目有一定帮助。
需要注意的是，技能本质上是对 AI 行为的「引导」，不是硬约束。框架提升的是流程的有序程度，而不是结果的确定性。
写在最后
Superpowers 的定位是「让 AI 编程助手按照合理的软件工程流程工作」，它不改变 AI 模型本身的能力，而是通过结构化的技能模块，约束 AI 在不同开发阶段的行为方式。
技能模块是可组合的，可以从最需要的场景开始引入，比如只用 systematic-debugging 来改善调试体验，而不需要一次性改变所有工作方式。
项目目前活跃维护，MIT 协议，感兴趣的可以直接看仓库里的技能文件，结构很清楚。