Claude Code 最强工作流：Superpowers为AI编程助手打造的工程化工作流

最近 GitHub 上最火的 Claude Code 项目之一不是新模型不是新 IDE也不是一套“神级提示词”。它叫 Superpowers。很多人看到这个项目爆火第一反应是它是不是 Claude Code 的外挂它是不是又一套 prompt 模板它是不是能让 AI 自动完成整个项目但如果你真的把它看懂会发现它最值得研究的地方不是“更强”而是“更稳”。Superpowers 真正解决的不是 AI 会不会写代码而是 AI 会不会按软件工程流程做开发。这句话非常关键。因为今天大多数人用 Claude Code、Codex、Cursor 的真实体验其实都差不多写一个小功能它很惊艳一旦需求复杂它就开始跳步骤spec 没写清就开工测试没跑就说完成改了一堆文件但项目并没有更接近可交付最后你会发现AI 最大的问题往往不是“不聪明”而是没有工程纪律。而 Superpowers 之所以最近这么火本质上就是因为它试图给 Claude Code 这类 coding agent补上一套完整的软件开发工作流。换句话说它不是让 AI 多写一点代码而是让 AI 少把软件开发做坏。如果你只想看结论我先把结论放前面它是什么一套给 coding agent 用的完整软件开发工作流它能做什么把需求澄清、计划拆解、TDD、代码审查、分支收尾串起来它适合谁已经高频用 Claude Code但开始被“流程不稳”困住的人它怎么用不要一上来全自动先让它做 spec再做 plan再做执行下面我们展开讲。一、Superpowers 到底是什么如果只给一个定义我会这样说Superpowers 是一套面向 Claude Code 等 coding agent 的“工程流程层”。它不是新模型新 IDE单纯的提示词模板只会帮你生成代码片段的插件它更接近于一套给 AI 工程助手使用的标准作业流程一套把“需求澄清、方案设计、计划拆解、测试驱动、代码审查、分支收尾”串起来的方法论一层覆盖在 Claude Code 之上的“工程管理系统”项目 README 的原始定义很直接它是一个 “complete software development workflow for your coding agents”。来源https://github.com/obra/superpowers这句话翻成大白话就是它要做的不是让 agent 更能说而是让 agent 更像一个真正的软件开发者。为什么这个定位很重要因为过去一年大家对 AI 编程的优化重点大多放在 Prompt Engineering 上怎么提问更准怎么补充上下文怎么让它“仔细思考”但 Superpowers 提供的是另一条路线与其优化一句 prompt不如优化整个开发流程。这不是 Prompt Engineering。这是 Workflow Engineering。二、它为什么会火因为它打中了一个越来越明显、但很多人没说透的问题大模型会写代码不等于它会做软件开发。这两件事差别非常大。会写代码意味着它能补函数生成组件写脚本改 bug会做软件开发意味着它还得能理解需求比较方案控制范围拆执行计划写测试做 review验证完成度问题就在这儿。Claude Code 很强但很多人真正卡住的不是“它写不出来”而是“它越写越乱”。典型表现就是还没搞清需求就急着写代码方案没比对就直接默认第一反应一次修改十几个文件自己都说不清改了什么没有失败测试就直接写实现改完之后凭感觉说“应该可以了”这时候你会发现AI 的能力像一个非常聪明、但流程意识很差的工程师。Superpowers 最有价值的地方就是试图解决这个问题。它不是在补模型智商而是在补模型的工程行为。三、它的核心思路到底是什么很多人以为 Superpowers 的亮点是“技能很多”“子代理很酷”“自动化很完整”。这些都对但还不是本质。它最核心的思路其实只有一句话不要再指望 AI 自觉遵守开发流程而是把正确流程做成默认动作。这就是它和大量“Claude Code 高级提示词合集”最本质的区别。别人是在教你怎么问。它是在规定 agent应该怎么工作。根据官方 README目前它强调的主流程大致包括brainstorming先澄清需求形成 specusing-git-worktrees先隔离工作区别在主分支乱改writing-plans先把任务拆到很细subagent-driven-development按任务交给子代理执行test-driven-development先写失败测试再写实现requesting-code-review每一步都 reviewfinishing-a-development-branch最后再验证和收尾如果你把这 7 步放在一起看就会发现它真正做的事情其实是把 AI 的行为从想到哪写到哪变成先理解问题再设计再计划再实现再验证再收尾这就是它火的根源。因为这不只是“用 AI 写代码”而是在试图把 AI 纳入正式的软件工程流程。四、你可以把它理解成什么如果一定要类比我觉得最准确的说法是Superpowers 不是更强的 Claude Code而是更像团队开发流程的 Claude Code。它至少扮演了三个角色。1. 它是 AI 的工程纪律层模型天然擅长生成不天然擅长克制。但真实的软件开发很多时候靠的恰恰是克制不提前实现不跳过需求澄清不跳过测试不越过 review不凭主观感觉宣布“完成”Superpowers 的作用就是把这些克制写进技能里变成流程约束。所以它本质上是在给 agent 加一层“工程纪律”。2. 它是 AI 的项目经理 Tech Lead你也可以把它理解成一个内嵌在 agent 里的项目管理系统。因为它不只是告诉 AI “做什么”还规定先做什么后做什么哪一步不能跳哪些输出要先交付哪些验证必须完成这其实很像一个团队里的 Tech Lead 一直在旁边盯着先别写代码先写 spec先别上实现先把 plan 拆清楚先让测试 fail先过 review先确认分支收尾流程所以它增强的不只是编码速度而是交付过程的可控性。3. 它是一个“可扩展的技能框架”它不是一大段巨型 prompt而是一组可组合 skill。这意味着它有两个现实优势可以按场景触发而不是每次塞一整套冗长提示可以持续演进每个 skill 单独强化从仓库文档看它也不只面向 Claude Code已经在适配 Codex、Cursor、Gemini CLI 等环境。来源README 与docs/README.codex.md这说明作者想做的不是一次性热帖而是一套跨 agent 的工程化工作流。五、它到底能为你做什么这一段最重要。因为很多 AI 项目看起来很热闹但真正到工作里并没有多少实用价值。Superpowers 之所以值得研究是因为它确实能解决一些很现实的问题。1. 它能把“模糊需求”逼成可执行 specAI 写代码翻车很多时候根本不是代码问题而是需求问题。用户脑子里只是一个模糊想法但 agent 却常常把它当成明确需求直接实现于是就会出现漏约束误解目标默认了错误的数据结构做成了用户并不想要的交互Superpowers 的brainstorming强制先做澄清、比较方案、形成 spec。这一步的价值非常大因为它把“拍脑袋开工”变成“先定义问题再开工”。很多 AI 项目不是死在编码而是死在没把问题定义清楚。2. 它能把“大任务”拆成 AI 真能稳定执行的小任务这点极其重要。很多人说 AI 不靠谱其实不是模型不够聪明而是你一次给它的任务太大了。例如帮我把这个后台系统升级成多租户再补权限系统、账单模块和管理员面板这种任务即使是很强的 agent也很容易失控。Superpowers 的writing-plans会强调非常细的任务拆解。每一步都尽量明确改哪些文件写什么测试跑什么命令怎么验证完成这件事的本质不是形式主义而是降低 AI 一次犯大错的概率提高人类中途纠偏的效率降低上下文污染让子代理能在有限上下文里稳定执行说白了它是在把“让 AI 做项目”变成“让 AI 连续完成一串可控的小工程任务”。3. 它能建立更可靠的 TDD 和验证闭环Superpowers 很强调 TDD这不是理想主义而是对 agent 很现实的约束。因为 AI 最大的问题之一是会把“看起来对”当成“真的对”。而 TDD 至少能提供三个保险先定义行为再写实现减少跑偏用失败测试锁定目标避免偷偷改题用自动验证替代主观自信这对 agent 特别重要。因为模型太容易一边写实现一边悄悄改目标用“差不多”的代码掩盖没完成的地方用解释代替验证所以你可以把 TDD 理解成一种针对 AI 幻觉的工程防护层。4. 它能让子代理协作变得更有意义现在很多人喜欢讲多 agent 协作但大多数时候只是“多开几个窗口”并没有真正解决问题。Superpowers 的思路更务实不是人越多越好而是任务边界越清楚越好。subagent-driven-development的意义不是炫技而是每个子代理只拿到当前任务需要的上下文每个子任务都在独立边界里执行做完后再经过 review这样做最大的好处是能显著降低“长对话越聊越脏”的问题。5. 它能提高“可交付性”而不是只提高“输出量”这是我认为它最值得关注的一点。AI 很容易给你一种“干了很多活”的错觉写了很多代码改了很多文件输出了很多解释看起来非常忙但最后项目不一定更接近交付。Superpowers 的价值就在于它试图把“工作量”变成“交付结果”。它不只是让 agent 干活而是让 agent 按可验收的方式干活。六、它最适合什么人不是所有人都需要 Superpowers。它最适合的是下面几类人已经高频使用 Claude Code 的开发者已经明显感受到“AI 很强但流程不稳”的团队要做中大型功能、复杂 bug、模块重构的人希望让 AI 真正进入工程流程而不是只做代码生成的人如果你只是偶尔写个脚本改个单文件 demo临时生成一段 SQL对测试、review、分支管理都不敏感那它很可能会显得偏重。因为它本质上是在用更多前置约束换更稳定的中后期交付。所以它不是“每次都更快”而是“复杂任务更不容易失控”。七、普通开发者最应该怎么用它这是比“它是什么”更重要的问题。因为很多人就算装了也会用错。1. 不要把它当成“一键自动开发神器”最常见的错误用法就是一句话扔过去帮我把这个项目重构一下顺便加支付、权限和仪表盘这种方式就算有 Superpowers也很容易失控。正确姿势是把它当成一个遵守流程的工程搭档让它先做 spec再做 plan再进入执行你在关键节点确认它擅长的是有流程的自主执行不是无边界的万能代工。2. 最推荐的用法分三层用第一层先把它用成“需求和方案整理器”刚开始别急着让它写代码。先只让它做brainstorming帮你澄清需求给出 2 到 3 个方案把想法整理成结构化 spec只做到这一步你就已经比直接裸用 Claude Code 稳很多了。第二层再把它用成“计划拆解器”spec 稳了以后再让它出 implementation plan。你要重点看四件事任务边界清不清楚文件路径明不明确测试动作具不具体验证命令能不能落地如果 plan 还是停留在“实现登录模块、优化体验、完善接口”这种抽象层那它就还没拆到 AI 可稳定执行的程度。第三层最后再进入执行和 review只有当 spec 和 plan 都过关后再让它进入子代理执行。这时候成功率会明显高很多。3. 最务实的上手顺序如果你今天就想开始试我建议按这个顺序在你熟悉的项目里安装它先别拿大重构开刀选一个 1 到 2 天能完成的功能先体验brainstorming再看writing-plans的拆解粒度最后再试subagent-driven-development每一步都看它有没有真的遵守流程而不是口头说自己遵守这个顺序会比一上来追求“全自动开发”靠谱得多。4. Claude Code 里怎么装根据官方 READMEClaude Code 官方 marketplace 的安装命令是/plugininstallsuperpowersclaude-plugins-officialREADME 里也保留了通过superpowers-marketplace安装的方式/plugin marketplaceaddobra/superpowers-marketplace /plugininstallsuperpowerssuperpowers-marketplace装完以后官方建议开新会话再给一个能触发 skill 的任务例如“help me plan this feature”“let’s debug this issue”来源README5. 如果你不是 Claude Code 用户呢这也是它有意思的地方。Superpowers 现在并不只面向 Claude Code。根据仓库 README 和docs/README.codex.md它也在适配CodexCursorOpenCodeGemini CLI例如在 Codex 场景下官方文档给出的入口是Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.md这意味着它在往一个跨 agent 的工程工作流层发展而不是局限在某一个工具生态里。八、你必须看清的三个边界如果只讲优点这篇文章就没有意义了。Superpowers 再火也不是魔法。1. 它不能替代你的判断它只是让 agent 更守流程不代表流程产出就一定正确。如果方向错了spec 也可能错plan 也可能错最后只是更有纪律地把错误执行完。所以你仍然要盯住需求有没有真的说清楚方案是不是合理验证标准是不是足够硬2. 它会增加前期开销用了它之后你会明显感觉聊得更多文档更多拆解更多review 更严格短期看慢了。但只要任务稍微复杂这些成本通常会换来更少误解更少返工更少“看起来完成了实际没完成”所以它本质上是在用流程成本换工程稳定性。3. 它不适合所有任务最适合它的不是最小任务也不是无限复杂任务。它最适合的是这种任务有明确业务目标可以拆成多个子任务需要测试和 review需要持续推进几个小时甚至几天比如给系统增加权限模块为产品加入账单与订阅流程重构老旧模块并补测试系统性排查一个跨文件 bug这种任务非常适合 spec → plan → execution 的节奏。九、最值得记住的一个判断如果只让我留给你一个判断我会说Superpowers 的意义不在于它让 AI 更像搜索引擎而在于它让 AI 更像团队里的工程师。它代表的其实是一个很大的趋势变化AI 编程的竞争正在从模型能力转向工作流能力。未来真正拉开差距的可能不是谁会写更长的 prompt而是谁能给 agent 建立更稳定的需求澄清机制设计确认机制任务拆解机制测试验证机制review 与收尾机制从这个角度看Superpowers 最近爆火并不意外。它火不是因为它“更炫”而是因为它比很多同类项目更接近真实软件开发。十、最后总结如果你已经在高频使用 Claude Code而且开始明显遇到下面这些问题AI 会写但越写越乱AI 很快但返工很多AI 能输出但不稳定可交付那 Superpowers 非常值得认真研究。因为它解决的不是“怎么让 AI 多写一点代码”而是“怎么让 AI 少把软件开发做坏”。这也是我觉得它最有意义的地方。它不是又一个“让你更爽”的 AI 工具。它更像是一套“让你和 AI 能长期协作下去”的工程方法。本文首发于公众号【AI早班车】感兴趣的可以关注一下专注 AI 工具实践与效率提升参考资料GitHub 仓库https://github.com/obra/superpowersREADMEhttps://raw.githubusercontent.com/obra/superpowers/refs/heads/main/README.mdCodex 文档https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/docs/README.codex.mdCodex 安装说明https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.mdRelease Noteshttps://raw.githubusercontent.com/obra/superpowers/refs/heads/main/RELEASE-NOTES.md注本文基于 2026 年 3 月 16 日可访问到的仓库 README、Codex 文档、安装说明与 release notes 整理同日 GitHub 页面显示该仓库约为 86.9k stars。