如果你和我一样已经把 Claude Code 这类 AI 编程助手用进了日常工作流多半会遇到一种说不清道不明的别扭感它能写代码、能改文件、能跑命令但总觉得缺了点什么。缺的其实就是“章法”——每次对话都要重新交代项目背景任务一多它就分不清优先级改完代码也不知道回头验证一下。直到我接触到 superpowers 这套技能集才意识到问题不在模型能力而在我们没给 AI 配上一套“操作手册”。superpowers 是一套面向 Claude Code 的开源技能库核心思路是把工程经验、工作流程、甚至沟通套路固化成一堆结构化的技能文件skills让 AI 在干活时能自动“翻阅”对应手册而不是靠临时发挥。这篇文章我会从零开始讲清楚 superpowers 能做什么、里面有哪些常用技能、怎么安装、怎么真正把它用起来以及我踩过的坑和排查经验。无论你是刚听说这个东西的新手还是已经在用但觉得“差点意思”的老手这篇文章都值得看完。1. superpowers 到底是什么它在解决什么问题很多人第一次看到 superpowers 这个名字会以为它是个“给 AI 加超能力”的魔法插件。其实它的本质非常简单一个由社区维护的技能集合仓库专门为 Claude Code 的 skills 机制设计。你可以把它理解成给 AI 雇员配备的一套标准作业流程手册手册里写了遇到什么情况该走什么流程、先做什么后做什么、输出格式长什么样。1.1 一个核心机制把“经验”写成技能文件Claude Code 本身支持一种 skills 机制在项目的.claude/skills目录下或者用户全局的~/.claude/skills目录下放一组遵循特定格式的 Markdown 文件每个文件描述一个技能的名称、适用场景、触发条件和具体执行步骤。当对话内容命中某技能的场景时AI 会自动把对应的技能说明注入到上下文里然后照着这份说明来工作。superpowers 做的就是把这套机制的价值放大。它不只是提供一个两个技能而是把一整套经过验证的协作方法论比如头脑风暴、任务拆解、系统化调试、代码审查、经验复盘全部写成了规范化的技能文件。装好之后AI 不再是“裸奔”状态而是带着一整本工作手册上岗。有个类比我经常用你让一个实习生直接写代码他也能写但写出来的东西往往和你想要的差很远。如果你先给他一份团队规范告诉他提需求要先确认验收标准、写代码要先写测试、改完要自己跑一遍检查他的产出质量立刻就不一样。superpowers 干的就是这件事只不过服务对象不是实习生而是 Claude Code。1.2 AI 协作三大痛点这套技能集是怎么对症下药的先说痛点再说解决方案这样你才能理解为什么一个“技能文件集合”能引起这么大的关注。第一痛点上下文丢失。AI 没有长期记忆每次开新会话它对你的项目一无所知。你不得不反复说明目录结构、技术栈、代码规范、当前进度。哪怕是同一个项目隔几天再回来它照样把你当陌生人。superpowers 里的记忆类技能和日志类技能就是为了解决这个问题——让 AI 在每次任务结束后主动记录关键信息下次会话直接读取。第二痛点任务发散。你跟 AI 说“帮我做个功能”它可能直接开写写完发现理解偏了。原因是它缺少一个“先确认需求再动手”的强制步骤。superpowers 的规划类技能会引导 AI 在动手前先做目标拆解、风险评估、方案确认把“低头拉车”变成“先看路再拉车”。第三痛点事后不可复盘。AI 改完代码经常不验证就宣布完成。你问它改了什么它说得头头是道实际一跑就崩。superpowers 里的代码审查技能、调试技能、任务完成检查清单会逼着 AI 在收尾前做自检把“我以为改好了”变成“我验证过确实没问题”。这三大痛点几乎覆盖了所有 AI 辅助编程场景中的核心挫败感。superpowers 没有改变模型本身它改变的是模型的工作流程这也是它作为“技能集”而非“模型增强工具”的最大价值。2. 有哪些核心 skills一张清单看懂技能体系知道 superpowers 能解决什么之后接下来最实际的问题就是装完之后我到底能用上哪些技能网上很多介绍只提“有几十个技能”一笔带过这等于没说。我按照功能侧重点把技能大概分成三大类给你一份实用向的清单。2.1 面向“思考与规划”的技能这类技能的定位是让 AI 在动手之前先把事情想清楚适合所有任务的启动阶段。头脑风暴brainstorming当你抛出一个开放性问题时这个技能会让 AI 先发散生成多个方案再收敛评估而不是一上来就给出一个“看似合理但没经过比较”的答案。任务拆解task planning把一个大需求拆成可执行的小步骤每个步骤包含目标、验收标准、依赖关系。我实测下来拆解结果比直接问“怎么实现这个功能”要靠谱得多。方案对比approach comparison当存在多个实现路径时这个技能会引导 AI 列出每种方案的优缺点、成本和风险最后给出推荐结论。这套“先想后做”的流程本质上是把敏捷开发里的需求分析和架构设计前置到了 AI 的推理过程中。你别小看这几步它能省掉大量返工。2.2 面向“编码与执行”的技能这是和日常开发关系最密切的一部分也是技能数量最多、使用频率最高的板块。测试驱动开发TDD这个技能会强制 AI 遵循“先写失败测试→再写实现→跑通测试→重构”的节奏避免一上来就堆代码。系统化调试systematic debugging遇到 bug 不再靠肉眼猜而是让 AI 遵循“复现问题→定位根因→修复→回归验证”四步法。对我这种容易心急的开发习惯来说这个技能简直是救命的。代码审查code review让 AI 以审查者视角过一遍代码检查逻辑漏洞、边界条件、可读性和潜在性能问题。实测能抓出不少自己写时候忽略的低级错误。重构refactoring这个技能会让 AI 在重构前先列出行为和接口的变化清单明确“行为保持不变”的边界再动手改动。2.3 面向“记忆与复盘”的技能这部分是 superpowers 和其他类似项目差异最大的地方也是我认为它最有价值的部分。项目记忆project memory每次任务结束后AI 会把关键决策、目录结构、技术约束写入记忆文件。下次会话启动时它能主动读取仿佛从来没有离开过这个项目。每日日志daily log类似于团队的站会纪要记录当天做了什么、遇到什么问题、下一步打算。你以为这很麻烦其实技能会自动生成你只需要扫一眼确认准不准。提交信息生成commit message generation根据当前改动生成规范的 commit 信息省去“想半天 commit message 怎么写”的时间。为了让你一眼看明白我把代表性技能和典型使用场景整理成了表格技能分类技能方向典型使用场景核心价值思考与规划头脑风暴、任务拆解、方案对比新需求启动阶段、技术选型讨论减少返工把目标确认清楚编码与执行TDD、系统化调试、代码审查、重构功能开发、bug 修复、代码优化提高代码质量和可控性记忆与复盘项目记忆、每日日志、commit 信息多会话协作、长期项目维护让 AI 拥有连续性记忆需要说明的是superpowers 的仓库迭代速度很快具体的技能列表一直有增删调整以上不是完整目录而是核心框架。动手安装前建议扫一眼仓库最新的 README 或 skills 目录以官方列表为准。3. 安装 superpowers两条路线和完整实操步骤“想要安装 superpowers” 是搜索频率最高的关键词但我在各种群里看到大家问得最多的也是安装问题。其实安装逻辑不复杂就是让 Claude Code 能找到这些技能文件。下面给你两条路线一条偏快、一条偏稳任选其一即可。3.1 路线一用插件/技能目录快速引入如果你用的 Claude Code 版本比较新官方已经提供了直接从仓库引入技能的机制也就是通过插件市场的形式一键添加。大致流程是这样打开 Claude Code 交互界面输入斜杠命令打开插件管理面板选择添加 marketplace 源填入 superpowers 的仓库地址github.com/obra/superpowers然后确认引入。引入成功后技能会自动下载到本地的技能目录并出现在技能列表里。需要提醒的是不同版本的 Claude Code 对插件市场的入口位置支持并不完全一致有的在斜杠命令菜单里有的在配置界面里。建议根据你当前版本的界面提示操作以官方说明为准。这条路线的优点是省事适合想快速体验的人。3.2 路线二git clone 后手工放置最稳如果你和我一样更喜欢把每一步都握在手里那直接把仓库 clone 下来、把技能文件放到指定目录也行。这也是兼容性最好、最不容易出问题的方式。首先确保本机已安装 git然后进入一个你希望存放技能库的目录执行git clone https://github.com/obra/superpowers.git克隆完成后进入项目目录你会看到仓库里有一个 skills 或类似名称的子目录里面全是 Markdown 技能文件。接下来要做的事只有一件把这些技能文件复制到 Claude Code 实际会扫描的目录。如果你想让技能仅对当前项目生效放进项目根目录的.claude/skills/下mkdir -p /你的项目路径/.claude/skills cp -r superpowers仓库里的skills目录/* /你的项目路径/.claude/skills/如果你想所有项目都能用上这些技能放进用户全局目录mkdir -p ~/.claude/skills cp -r superpowers仓库里的skills目录/* ~/.claude/skills/有一点值得解释为什么技能文件放在这个特定目录因为 Claude Code 启动时会自动扫描这些目录把其中的技能描述加载进可用上下文。你放错位置它就不会被识别这也是很多人“明明装了却用不了”的头号原因。3.3 装完之后的三步检查安装完成后别急着开始干活先花两分钟做三个检查确认真的装好了。第一步确认文件结构正确。技能目录下应该直接是一堆.md文件每个文件顶部有标题和描述信息而不是仓库那层外壳。路径放错或者层级不对技能是不会被加载的。第二步在 Claude Code 里输入斜杠命令列出可用技能检查列表里是否出现了 superpowers 相关的技能名称。不同版本命令显示样式略有差异但基本都能通过斜杠菜单看到。如果看不到多半是路径或文件格式有问题。第三步随便触发一个技能做验证。比如提一个新需求看 AI 是否按照规划、拆解、确认的流程来响应而不是直接甩代码。能明显感觉到行为变化说明技能已经生效了。4. 怎么把技能真正用起来调用姿势与实战流程装好只是开始“怎么引入这些技能”才是大家最想知道的部分。很多人装完之后还是用原来的方式对话发现 AI 行为和之前没区别于是觉得 superpowers 没用。其实问题不在技能而在调用方式——你得学会把技能“勾”出来。4.1 唤起技能的四类姿势第一类自然触发。当你的描述恰好命中某个技能的触发条件时AI 会自动加载对应的技能文件。比如你直接说“帮我想想这个功能有哪几种实现方案”它可能会自动唤起头脑风暴技能。这种方式最自然但对描述精度有要求。第二类显式点名。直接在 prompt 里提到技能名称例如“请使用代码审查技能检查刚改的这段逻辑”。这种方式最直观适合你已经很清楚自己需要哪个技能的场景。第三类斜杠命令。如果技能有对应的斜杠命令可以直接通过命令唤起。使用体验比纯文本提示词更稳定因为它的命中路径是确定的。第四类编写个人偏好设置。你可以在 Claude Code 的配置里写一条偏好规则比如“所有涉及新功能开发的任务必须先进行任务拆解再动手”。这样相当于给 AI 设定了一条默认行为准则它会在每次相关任务启动时主动加载相应技能。我个人的习惯是重要任务用显式点名加自然触发双保险日常小改动靠个人偏好设置兜底。你不用纠结哪种方式“更正确”怎么顺手怎么来。4.2 一个功能需求走完技能全流程光说理论没意思我给你走一遍真实流程。假设我要给一个内部工具加一个“批量导出 CSV”的功能。第一轮我先表述需求“这个工具现在需要支持批量导出 CSV帮我想想方案。”这时 AI 大概率会进入头脑风暴流程先问清楚数据量多大、字段有哪些、是前端导出还是后端生成下载链接然后给我几个方案前端纯内存导出、后端生成临时文件、后端流式写入。这比它直接写死一个前端导出功能要好得多因为数据量一大前端方案直接就爆内存了。第二轮需求确认后我点名下指令“按任务拆解流程把这个功能拆一下。”于是 AI 给出步骤清单定义导出字段和格式、确认分页查询逻辑、实现后端生成逻辑、提供下载接口、写测试用例、前端加导出按钮。每一步后面都带验收标准比如“导出的 CSV 用 Excel 打开不乱码”这种细节都被写进去了。第三轮我开始让它实现。因为前面拆得足够清楚实现过程非常顺滑。每写完一个模块它自己会补测试跑完一遍告诉我结果。第四轮功能完成之后我不放心补了一句“用代码审查技能过一遍这次改动。”它很快就发现了一个隐患导出接口没有限制最大行数万一数据量暴涨服务端可能内存溢出。于是它自动补了一个分页导出的方案。这个流程你感受一下四个回合从思想到落地的每个环节都有章法可循。相比之下如果一开始就让 AI 直接“写个导出功能”后面大概率会经历“写得快、返工也快”的循环。4.3 多技能组合的常用套路单个技能很好用但真正提效的是多技能串联。我实测下来最顺手的组合套路有三个。组合一方案对比加任务拆解再加 TDD。适合新功能开发从选型到落地全流程覆盖前置把方案想透中间用测试约束实现质量。组合二项目记忆加代码审查。适合长期项目维护。每次开会话先让它读项目记忆快速恢复上下文改完再审查一遍质量基本能兜住。组合三系统化调试加复盘日志。适合疑难 bug 修复。调试过程会被记录进日志里下次再遇到同类问题AI 可以直接从日志中检索到当时的原因和修复方式。这三个组合套路是我在真实项目里反复用过的你可以直接照搬也可以根据自己的项目特点调整。5. 常见问题排查与避坑记录以下是我使用 superpowers 这段时间里自己踩过或者看别人踩过的坑按频率从高到低整理给你。每个问题都附了排查思路希望你别在同样的地方浪费时间。5.1 高频问题速查表问题表现可能原因排查与解决技能列表看不到 superpowers技能文件放错目录检查文件是否在.claude/skills/下注意是隐藏目录技能文件放对了但没生效文件格式不符合要求查看技能文件头部是否有名称、描述、触发条件等字段某些技能对当前项目不生效你装的是全局但项目有本地覆盖检查项目.claude/skills是否覆盖了同名技能AI 不按技能流程走触发的关键词不够明确尝试直接点名技能比如“请使用任务拆解技能”技能更新时间落后没有同步最新仓库在仓库目录执行git pull更新到最新版不同项目想要不同的技能组合全局统一导致冲突改按项目安装而不是使用全局目录多个技能互相抢指令prompt 中同时命中多个技能显式指定只使用某一个技能避免模糊诉求这个表格基本涵盖了我会在社群里被问到的高频问题。实际上超过一半的“没效果”案例最后都归结到同一个原因技能文件根本没被正确加载。所以第一步排查永远是确认路径和文件格式。5.2 与本地既有规范冲突的处理superpowers 的技能描述是通用方法论不会提前知道你项目的私有规范。比如它的 TDD 技能默认用一个通用测试框架但你项目里可能强烈依赖另一个它建议的任务拆解粒度可能跟团队精细度要求不一样。我的方案是不要直接改技能源文件而是给每个技能写一个附注文件。在附注里写明项目特化的差异比如“本项目所有测试必须使用 Mocha不要用 jest”然后让 Claude Code 在加载技能时优先读取附注。这样既保留了技能原版的通用流程又叠加了项目个性化要求以后同步上游技能更新也不会被冲突卡住。5.3 技能写坏了怎么办一次故障修复的思考最后分享一个教训。有段时间我在日常日志里发现 AI 记录的内容越来越啰嗦每次收尾都写一大段总结占了大半个上下文窗口。一开始我还以为是模型抽风后来排查发现是我自己前阵子改过日志技能的文件加了一句笼统的“尽量详细描述”结果 AI 把“详细”理解成了“越长越好”。解决方案说起来也简单把那个技能文件恢复原样在附注里加了一条明确约束“每个任务日志不超过 200 字”。日志立刻恢复清清爽爽。这件事给了我很深的一个启发技能文件就是给 AI 看的代码任何含糊的表述都会被它放大执行。你写“尽量详细”它就能给你写两千字你写“不超过 200 字”它就真的控制在 200 字以内。与其抱怨 AI 不理解你不如先检查自己的技能描述是不是够精确。最后再分享一个小建议别试图装完所有技能然后一股脑全用上那样只会让 AI 行动策略互相打架。我的做法是先只启用规划类和记忆类技能跑两个星期感受行为变化再逐步加编码执行类。等你熟悉了每个技能的手感之后再开始做组合调整——你会惊讶于这套流程体系带来的效率提升会超出你的预期。