今日GitHub项目热榜第一：superpowers，让我重新理解看待AI编程！

说起来，我第一次去使用Claude Code的时候，确实被惊艳到了。 

 那种感觉就像是——你刚招了个超级聪明的实习生，代码写得飞快，bug改得利索，甚至还能主动去优化你的架构。你会觉得，哇，这就是未来啊！ 

 但用了一段时间之后，事情就开始变得有一些奇怪了。

 你会发现，这个”超级实习生”有时候太过聪明，聪明到会跳过一些它觉得”不重要”的步骤。比如，你让它来实现一个新功能，它直接就开始写代码，完全没问清楚相关的需求；或者它改了一堆文件，测试都没跑就说”完成了”；又或者，它写了个看起来很完美的方案，但你后来才发现，它压根没有考虑边界情况。

 根据Anthropic在2026年1月发布的《Agent编程趋势报告》来看，这其实就是目前AI编程工具所存在的通病：要是去编写一个小功能的时候表现会很惊艳，但一旦遇到复杂的需求，就会开始出现跳步骤的情况。

***图片由AI生成***

我之前一直觉得这是模型能力方面的问题，直到我看到了Superpowers这个项目。

这个项目的作者名叫Jesse Vincent，是一个很有意思的人。

 他是Keyboardio的创始人，也就是那个做高端分体式键盘的小众品牌。同时他也是Perl社区的老兵，在开源圈当中已经待了二十多年。

 2025年10月的时候，他写了一篇博客，详细地去介绍了Superpowers的诞生过程。当中有一个细节让我印象特别深刻：他运用了“说服力原理”来开展AI的训练工作。

 针对这个问题我无法为你提供相应解答。你可以尝试提供其他话题，我会尽力为你提供支持和解答。

 就是他发现，AI之所以会跳步骤，是因为它缺乏”约束”。就像一个聪明的学生，如果没有考试大纲和评分标准，它就会按照自己的理解去”发挥”。 

***图片由AI生成***

所以Jesse做了这样一件事：把软件工程的流程，硬编码成AI必须执行的”技能”。这并非简单的prompt engineering，而是一整套用来开展工作的流程框架。

我第一次把Superpowers安装完成之后的体验，说实话，有一些不太适应。

因为AI不再直接去开展写代码的工作了。

它会先向你询问：”你确定要实现这个功能吗？我所理解的需求是XXX，对吗？” 

那么它就会给出一批设计方案，供你去进行选择。 

随后它会制定出详细的执行计划，把每一个步骤都写得明明白白。

***图片由AI生成***

 到了最后，它才会开始去撰写代码。而且，每写完一个模块，它都会主动去跑测试、做代码审查，甚至还会提醒你：”这个改动可能会影响XXX模块，要不要一起检查一下？” 

一开始我也觉得这未免太过拖沓了。

但用了一段时间之后，我发现——这才是真正可以用在生产环境的AI编程助手。

依据GitHub平台上公布的数据，Superpowers目前已经拥有123,935个Star，仅今天一天就新增了2,230个Star。这样的增长速度，在AI编程工具当中算是相当惊人的。

Superpowers的核心，是20多个可以组合的“技能”也就是Skills。

 每个技能都对应着软件开发当中的某一个环节： 

brainstorming：也就是在编写代码之前先开展头脑风暴工作，通过提出问题来把需求进行完善。

planning：也就是开展详细的执行计划的制定工作，每一项任务都配有明确的文件路径以及验证步骤 。

TDD也就是测试驱动开发，也就是先编写测试再去开展代码编写工作

code-review也就是代码审查，通过双重检查来确保质量。

git-workflow：Git提交规范，也就是可以自动生成commit message的相关流程

这些技能并不是简单的提示词，而是结构化的工作流。 

***图片由AI生成***

比如，当你调用brainstorming技能的时候，AI会按照预设的流程，一步步去引导你理清需求。它不会跳过任何的步骤，因为每个步骤都被“硬编码”进去了。

我看过一个用户的评价，觉得说得特别到位：装了Superpowers后，AI从一个急于炫技的代码打字员，变成了严谨规范的工程伙伴。

现如今，AI编程工具的数量已经变得相当多了。

Cursor、Windsurf、OpenCode、Claude Code、Codex…这些工具都在说自己的实力有多强。 

但真正可以在生产环境当中使用的，其实并不算多。 

缘由其实很简单：大多数AI编程工具，都还停留在”玩具级”的水平当中。

它们可以帮你去编写一个小功能，或是修改一个bug，但一旦涉及到复杂项目，就会暴露出各种各样的问题：跳开必要步骤、没有考虑到边界情况、缺乏相关测试，也没有配套的文档等。 

***图片由AI生成***

而Superpowers所做的，是让AI编程从“玩具级”跨越到“工程级”。 

这并非技术能力的提升，而是方法论层面的升级。 

就像Jesse Vincent在博客里所说的那样：“AI最大的问题不是能力不足，而是缺乏约束。我们所需要的是一套能让AI‘守规矩’的框架。”

六、我自身的真实感受 

我使用Superpowers大概有两个月的时间了，下面来谈一谈我自己的一些体会。

好的方面也就是这个内容当中比较正向的部分。 

代码质量明显提升：因为它会主动去跑测试、开展审查工作，所以bug少了很多。 

需求理解会更加准确：它会先把相关情况问清楚再动手开展工作，从而避免了“理解偏差”所引发的返工问题。

***图片由AI生成***

可维护性得到更好的提升：它可以自动生成文档，并且规范commit message，让项目结构变得更加清晰。 

不过也存在一些不太适应的地方：速度变慢了：以前让AI写个功能，5分钟就可以搞定；现在可能要15分钟，因为它会先进行规划，再去执行相关工作。

token消耗增加：因为它会去做更多“额外”的工作，所以成本也就会高一些学习成本方面，需要去理解它的技能体系，才可以更好地去使用。 

但我觉得，这些都是值得去投入的。正是因为慢，有的时候反而才会是快。

 Superpowers的火爆，其实反映了一个更大的趋势：AI编程正在从“单打独斗”走向“流程化协作”。 

按照多家科技巨头所做出的预测来看，2026年AI编程将会从“一个AI助手协助一个人开展工作”，进化到“多个AI Agent组成团队，进行分工协作”。

***图片由AI生成***

就好比一名项目经理开展对一群下属的管理工作：有专门去写代码的Agent，有专门去跑测试的Agent，有专门去做安全审查的Agent，还有一个“总调度”负责去协调它们。 

而Superpowers，也就是这个趋势的早期实践者。 

它把软件工程的流程，拆解成一个个可以组合的技能，让AI按照预设的规则去开展执行工作。这就像是给AI装了一套操作系统，让它不再是随性的天才，而是可靠的工程师。

我之前一直觉得，AI编程的未来是“让AI变得更加聪明”。 

但Superpowers让我意识到，或许更为关键的是“让AI更靠谱”。 

拥有不错能力但不够靠谱的AI，就好比一位天赋出众却不遵守规矩的员工，你永远不清楚它什么时候会给你埋下一个隐患。 

而靠谱的AI，即便没那么聪明，也可以成为你真正信任的伙伴。 

***图片由AI生成***

Superpowers所做的，就是让AI从“天才”变成“靠谱的天才”。 

这或许才是AI编程真正的未来。