沃顿商学院证明过的Agent Skills，Superpower狂揽23.7k star，CC、Codex直接用

这是一个拥有23.7k star的Skills开源项目。支持一键部署在Claude code、Codex以及最近非常火的Opencode。

极客们选择它的原因很简单：它解决了Vibe coding中AI“瞎猜”、“写完代码不主动测试”和“盲目自信”的三大顽疾。

Superpower将一套完整的软件工程方法论与心理学领域的经典著作《影响力》一书相结合，最终浓缩成14个Agent Skills供大家使用，本文将深入探讨Superpowers的设计哲学和工程原理，带您一览它是如何做到狂揽23.7k star的。

项目地址：https://github.com/obra/superpowers

Superpowers的核心设计哲学

Superpowers的项目作者Jesse Vincent在他的博客中曾深刻地指出，AI编程助手目前面临的最大问题不是能力不足，而是缺乏纪律。在面对复杂任务或模拟的“高压环境”时，AI往往会像初级工程师一样，为了“赶进度”而跳过测试、忽略架构、写出难以维护的代码。

Superpowers的核心价值，在于它通过心理学原理和严格的工程方法论，构建了一套“防弹”的行为准则。

从《影响力》到沃顿商学院实证

Jesse Vincent的灵感最初来源于心理学大师Robert Cialdini的经典著作《影响力》（Influence）。他认为，既然LLM是基于人类语料训练的，那么那些能对人类生效的“说服原则”（如权威、承诺、稀缺性），对AI也应该同样有效。

这一直觉随后得到了科学界的强力证实。Jesse提到，他与Dan Shapiro交流了一项来自沃顿商学院（Wharton School）的最新研究报告——Call Me A Jerk: Persuading AI to Comply with Objectionable Requests。

该报告通过28,000次对话实验，严谨地证明了LLM具有一种“类人（Parahuman）”的响应机制。研究发现，当运用Cialdini的说服原则时，AI对指令的依从率（Compliance Rate）从33%飙升至72%。

Superpowers正是利用了这一“Bug级”特性，将其转化为Feature。它通过Prompt Engineering对AI进行“反向心理干预”，不仅是为了让AI更听话，更是为了让它更职业：

• 权威（Authority）：在 requesting-code-review 技能中，Superpowers引入了一个专门的“代码审查员”角色。这种角色设定让AI产生了一种“面对资深Tech Lead”的压迫感，从而不敢在代码质量上造次。
• 承诺（Commitment）：using-superpowers 技能要求AI在开始任务前必须明确宣誓使用哪个技能。沃顿商学院的研究表明，这种“登门槛”式的承诺机制能让AI后续违约的概率大幅降低。
• 稀缺性（Scarcity）：在模拟“生产环境宕机，每分钟损失巨额资金”的测试场景中，未受约束的AI往往会选择跳过测试直接修补。而Superpowers通过技能强制AI意识到时间紧迫下的唯一正确路径是查阅文档，从而抑制了其“走捷径”的本能。

TDD for Skills：给“规则”写测试

这是该项目最令人眼前一亮的元理念。Jesse Vincent提出：编写技能文档本身，也应该遵循TDD（测试驱动开发）的流程。

• 红（Red - 失败）：首先构建一个高压场景（例如：最后期限临近，功能已完成但没写测试），观察AI是否会选择“先提交，以后补测试”的错误路径。
• 绿（Green - 通过）：针对AI的借口（例如“我已经手动测试过了”），在Skill文档中加入专门的反驳条款，直到AI在该场景下坚定地选择“重写代码，先写测试”。
• 重构（Refactor - 优化）：不断精炼规则，封堵新的逻辑漏洞。

这确保了Superpowers中的每一个Skill不是纸上谈兵，而是经过实战对抗、能有效约束AI行为的“法律条文”。

核心工作流：从灵感到交付的闭环

基于上述哲学，Superpowers定义了一套不可动摇的基础工作流（The Basic Workflow）。正如Jesse Vincent博客中所描述的，这套流程将AI的工作从“盲目生成”转变为“有序生产”。

第一阶段：思考与规划 (Think Before You Code)

1. Brainstorming（头脑风暴）：AI被禁止直接写代码。它必须先通过苏格拉底式的提问，澄清模糊需求，并生成一份详细的设计文档。
2. Writing Plans（编写计划）：将设计文档转化为极细颗粒度的实施步骤（每个步骤耗时2-5分钟），确保任务可执行且无歧义。
3. Worktree Isolation（环境隔离）：自动为新功能创建Git Worktree，确保开发环境的纯净，互不干扰。

第二阶段：红绿循环 (The TDD Cycle)

这是Superpowers的心脏。无论任务大小，AI必须严格遵守RED-GREEN-REFACTOR循环：

• RED：编写一个失败的测试。铁律：没有失败的测试，严禁编写生产代码。
• GREEN：编写最小量的代码让测试通过。
• REFACTOR：在测试保护下重构代码。

第三阶段：双重审查 (Two-Stage Review)

任务完成后，不会直接合并，而是进入严格的审查流程：

1. Spec Compliance（规格审查）：检查是否严格实现了需求（没少做，也没过度设计）。
2. Code Quality（质量审查）：只有通过规格审查后，才检查代码风格和可维护性。

这套闭环彻底消除了Vibe coding中常见的“幻觉”和“虎头蛇尾”现象。

Skills第一部分：核心工作流与规划技能详解

这一组技能构成了开发的“快乐路径”（Happy Path），确保在编写任何生产代码之前，需求是清晰的，计划是可执行的，环境是隔离的。

1.using-superpowers（超能力总纲）

这是整个系统的入口技能，也是最重要的元规则。它解决了AI常见的“自作聪明”和“偷懒”问题。

• 强制触发机制：该技能规定，如果在对话开始时，有哪怕1%的可能性适用于某个技能，Agent就必须调用它。
• 反合理化（Anti-Rationalization）：LLM经常会找借口跳过流程，例如“这只是个简单修改”、“我知道该怎么做”。该技能列出了一份“红旗（Red Flags）”清单，明确指出这些想法是错误的，必须停止并加载技能。

• 技能优先级：规定了“流程类技能”（如头脑风暴、调试）优先于“实现类技能”。
• 执行协议：在做出任何响应（包括澄清问题）之前，必须先检查并加载技能。

2.brainstorming（头脑风暴与设计）

这是在编写代码前的必经步骤。项目作者强调：在任何创造性工作之前，必须使用此技能。

• 苏格拉底式对话：禁止LLM一上来就抛出代码。它必须先检查当前项目上下文，然后一次只问一个问题来澄清需求。
• 方案探索：必须提出2-3个不同的技术方案，并给出推荐理由和权衡分析（Trade-offs）。
• 增量验证：设计方案确定后，AI必须将其拆分成200-300字的小节，逐步向您展示并获得确认。
• 文档化产出：

• 最终必须生成一份设计文档，保存在 docs/plans/YYYY-MM-DD-<topic>-design.md。
• 必须遵循YAGNI（You Aren't Gonna Need It）原则，无情地剔除不必要的功能。

3.writing-plans（编写实施计划）

有了设计文档后，LLM往往容易在实现细节中迷失。此技能负责将设计转化为极细颗粒度的行动指南。

• 微任务粒度：计划中的每一个步骤（Step）必须能在2-5分钟内完成。例如，“编写失败测试”、“运行测试确认失败”、“编写最小实现”都是独立的步骤。
• 无上下文假设（Context-Free）：编写计划时，假设执行者是一个没有项目背景知识、但充满热情的初级工程师。因此，计划必须包含：
• 精确的文件路径。
• 完整的代码片段（不仅仅是“添加验证”）。
• 具体的验证命令。
• 产出物：生成详细的实施计划文件 docs/plans/YYYY-MM-DD-<feature-name>.md。

4.using-git-worktrees（使用Git工作区）

为了保持开发环境的整洁，该技能强制使用Git Worktree进行并行开发。

• 目录选择逻辑：自动检测 .worktrees 或 worktrees 目录，或者读取 CLAUDE.md 中的配置。
• 安全验证：这是关键一步。在创建工作区之前，Agent必须运行 git check-ignore 来验证目标目录是否已被 .gitignore 忽略。如果未忽略，必须先修复 .gitignore，防止工作区文件意外提交到仓库。
• 基准验证：创建工作区并安装依赖后，必须运行测试以确立“清洁基准（Clean Baseline）”。如果基准测试失败，必须报告并询问是否继续。

第二部分：高级执行与协作技能

有了计划，如何执行？Superpowers引入了基于“子Agent”的高级模式。

5.subagent-driven-development（子Agent驱动开发）

这是本项目的核心执行引擎。它不仅仅是按顺序执行任务，而是引入了类似真人团队的双重审查机制。

• 单任务单Agent：对于计划中的每一个任务，主Agent会分派一个新的、上下文干净的Sub-Agent去执行。这避免了长对话导致的上下文污染和注意力漂移。
• 双重审查循环（Two-Stage Review）：

1. 规格合规性审查（Spec Compliance Review）：任务完成后，首先由一个“怀疑论者”Agent进行审查。它的指令是不要相信实现者的报告，必须亲自阅读代码。它检查的是“是否严格实现了需求？有没有少做？有没有多做（过度设计）？”。
2. 代码质量审查（Code Quality Review）：只有通过了规格审查，才会进入这一步。第二个审查Agent会检查代码风格、可维护性、测试覆盖率等。

• 自我反思（Self-Reflection）：实现者Agent在提交前必须进行自我反思，检查是否满足了所有边缘情况。
• 上下文优化：主Agent会直接将任务的完整文本提供给子Agent，而不是让子Agent自己去读计划文件，节省了Token并提高了准确性。

6.executing-plans（执行计划 - 批处理模式）

如果您不想使用子Agent模式，或者需要在独立的会话中执行计划，可以使用此技能。

• 批处理执行：默认每次执行3个任务。
• 人工检查点：每批任务完成后，Agent必须暂停，展示实现结果和验证输出，等待您的反馈。
• 严格遵循：要求Agent严格按照计划步骤执行，遇到阻塞必须停止并询问，严禁猜测。

7.dispatching-parallel-agents（分发并行Agent）

当面临多个相互独立的问题时（例如三个不同文件的测试失败），串行处理效率极低。

• 判断标准：Agent必须先判断问题是否独立（修复一个不会影响另一个）且无共享状态冲突。
• 并行分发：如果满足条件，Agent会同时启动多个子Agent，每个Agent专注解决一个特定的故障域。
• 集成与验证：所有Agent返回后，主Agent负责审查摘要、检查冲突并运行全套测试。

第三部分：工程纪律与质量保证

这部分技能是“资深工程师”的灵魂所在，它们对代码质量有着近乎偏执的要求。

8.test-driven-development（测试驱动开发TDD）

这是Superpowers的铁律。技能文档明确指出：“违反规则的字面意思就是违反规则的精神。”

• 红-绿-重构循环：
• 红：必须先写一个失败的测试。
• 验证红：必须运行测试并看着它失败（Verify Red）。如果测试通过了，说明测试写错了或者功能已存在。
• 绿：编写最小量的代码让测试通过。
• 重构：在测试通过的前提下清理代码。
• 绝对禁止：
• 严禁在没有失败测试的情况下编写生产代码。
• 如果AI先写了代码再补测试，技能要求它必须删除代码，重新开始。
• 测试反模式（Testing Anti-Patterns）：该技能包含一个附录 testing-anti-patterns.md，专门纠正AI常见的错误测试习惯：

• 测试Mock而非真实行为：如果测试只是验证Mock对象被调用了，而没有验证实际业务逻辑，这是无效测试。
• 在生产代码中添加仅供测试的方法：严禁为了测试方便而在生产类中添加 destroy() 等方法。
• 不理解依赖就Mock：必须先理解依赖的真实行为（通常通过阅读接口定义），然后再编写Mock。

9.verification-before-completion（完成前验证）

这个技能旨在消除LLM的幻觉和虚假承诺。核心原则是：证据胜于主张（Evidence over Claims）。

• 门控机制（Gate Function）：在Agent声称“任务完成”、“Bug已修复”或“测试通过”之前，它必须：

1. 确定能证明该主张的命令。
2. 运行该命令。
3. 读取完整输出。
4. 只有在输出证实主张的情况下，才能向用户报告成功。

• 禁止用语：严禁使用“应该修复了”、“看起来是对的”、“逻辑上是通的”等模糊语言。没有运行验证命令的结论被视为不诚实。
• 配置变更验证：特别强调验证配置变更（如切换LLM提供商）时，不能只看“操作成功”，必须验证“输出是否反映了变更”（例如检查响应头中的模型名称）。

10.requesting-code-review（请求代码审查）

• 触发时机：在任务间隙、功能完成时或合并前。

• 标准化模板：使用 code-reviewer.md 模板，要求审查者对比 {WHAT_WAS_IMPLEMENTED} 和 {PLAN_OR_REQUIREMENTS}。
• 问题分类：审查结果必须将问题分为：致命（Critical）、重要（Important）、次要（Minor）。

• Git范围：明确指定 BASE_SHA 和 HEAD_SHA，确保审查范围精确。

11.receiving-code-review（接收代码审查）

这个技能教导AI如何专业地处理反馈，核心原则是：技术正确性 > 社交礼仪。

• 禁止表演性同意：严禁LLM说“你说得太对了！”、“极好的建议！”等客套话。
• 先验证后执行：收到反馈后，必须先在代码库中验证反馈的准确性。
• YAGNI检查：如果审查者建议添加“专业”但当前未使用的功能，Agent必须检查代码库，如果确实未被调用，应建议删除（YAGNI）而不是盲目实现。
• 有理有据的反驳：如果审查意见在技术上不正确或不适合当前架构，Agent必须基于技术理由进行反驳，而不是盲从。

12.finishing-a-development-branch（完成开发分支）

• 最终验证：在结束开发前，必须再次运行全套测试。
• 标准化选项：向用户提供四个明确选项：

1. 本地合并回主分支。
2. 推送并创建PR。
3. 保留分支（暂不处理）。
4. 丢弃工作（需二次确认）。

• 清理：根据用户的选择，自动清理Git Worktree，保持环境卫生。

第四部分：系统化调试技能

当事情出错时，AI往往倾向于“试错法”（Shotgun Debugging）。Superpowers强制其像福尔摩斯一样工作。

13.systematic-debugging（系统化调试）

• 铁律：在找到根本原因之前，禁止尝试修复。
• 四阶段流程：

1. 根本原因调查：阅读错误日志，复现问题，检查最近变更。如果是多组件系统，必须添加日志以确定故障发生的边界。
2. 模式分析：寻找代码库中类似的、正常工作的代码作为参考。
3. 假设与测试：提出单一假设，用最小的改动验证假设。
4. 实施：编写一个失败的测试用例（Reproduction），修复它，然后验证。

• 架构质疑：如果尝试了3次修复都失败了，或者每次修复都引发新问题，Agent必须停止并质疑架构本身，而不是继续打补丁。

该技能还包含几个强大的子工具：

• root-cause-tracing（根因追踪）：教导AI不要只修复报错的地方（症状），而是要沿着调用栈反向追踪，直到找到错误数据的源头。例如，git init 在错误目录执行，不应只在执行处加判断，而应追踪为何传入了错误的路径变量。
• defense-in-depth（纵深防御）：修复Bug后，要在数据流经的每一层（API入口、业务逻辑、环境卫士、调试日志）都添加校验。目标不仅是修复Bug，而是让该类Bug在结构上不可能再次发生。
• condition-based-waiting（基于条件的等待）：解决测试不稳定性（Flaky Tests）。严禁使用 sleep(1000) 这种随意的延时，必须使用轮询机制等待特定状态或事件（如 waitForEvent）。
• find-polluter.sh：一个二分查找脚本，用于定位是哪个测试用例污染了全局环境（如遗留了文件或进程）。

第五部分：元技能

14.writing-skills（编写技能）

既然TDD for Skills是如此核心的哲学，那么如何执行呢？这个Skill就是执行该哲学的操作手册。

它是专门为那些想扩展Superpowers技能库的开发者准备的。当你告诉LLM“我要写一个新的Skill”时，这个技能会引导您：

• 构建测试场景：它会强迫您先写出那个“高压剧本”，即模拟LLM最容易偷懒或违规的真实业务场景（例如：紧急修复线上Bug时是否会跳过测试）。
• 捕获合理化借口：它会帮您记录下LLM在压力下为了绕过规则而编造的具体理由，从而在Skill指令中进行针对性的“补丁”防御。
• 文档结构优化：它会指导您如何编写 SKILL.md 的Frontmatter，特别是提醒您描述字段（Description）应仅包含“触发条件（Use when...）”，严禁包含流程摘要，以防止LLM产生“我已经懂了”的幻觉而跳过阅读正文。

简而言之，这是一个技能工厂，它确保了这套体系具备持续的自我进化能力。

如何部署Superpowers

Superpowers的安装因平台而异。Claude Code拥有内置的插件系统，而Codex和OpenCode则需要通过简单的Agent指令进行引导。

1. Claude Code (通过插件市场)

如果您使用的是Claude Code，请依次执行以下命令：

# 注册Superpowers市场

/plugin marketplace add obra/superpowers-marketplace

# 安装插件

/plugin install superpowers@superpowers-marketplace

安装完成后，输入 /help。如果您能看到 /superpowers:brainstorm、/superpowers:write-plan 和 /superpowers:execute-plan 等命令，则说明安装成功。

2. OpenCode

直接向您的OpenCode发送以下指令，它将自动获取并完成剩余的配置工作：

Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.opencode/INSTALL.md

3. OpenAI Codex

直接向您的Codex发送以下指令：

Fetch and follow instructions from https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.codex/INSTALL.md

结语

Superpowers项目不仅仅是一组工具脚本，它是一次将人类高级工程智慧“蒸馏”并注入AI的尝试。通过这一系列Agent Skills，项目作者构建了一个自我纠正的闭环：

• brainstorming 确保方向正确；
• writing-plans 确保路径清晰；
• test-driven-development 确保代码可用；
• systematic-debugging 确保修复有效；
• subagent-driven-development 确保过程受控。

对于希望利用AI提升开发效率，同时又不愿牺牲代码质量和工程文化的团队来说，Superpowers提供了一个极具参考价值的范本。它证明了：限制AI的自由度，反而能最大化它的生产力。

文章来自于“AI修猫Prompt”，作者 “AI修猫Prompt”。