开头直接进入情景。这个“superpowers”不是超能力而是GitHub上那个名为superpowers的Claude Code skills集合。很多朋友在热词里搜“superpowers 具体使用”“有那些skills”“怎么引入这些技能”“想要安装superpowers”其实就是想搞清楚这套技能框架的完整玩法。我前前后后用了一个多月跑了几个真实项目今天把安装、核心技能拆解、组合用法和踩过的坑一次性说清楚。如果你是刚接触Claude Code或者已经用了但总觉得它在复杂任务里“差口气”这篇文章会帮你搞明白一件事superpowers不是装完就完事的插件而是一套让你和AI协作方式发生改变的方法论。它把写代码这件事拆成了拆解需求、制定计划、逐步验证、复盘总结这几个环节让AI在每一步都有明确的“技能”去执行而不是靠一次对话里的自由发挥。1. superpowers到底是个什么东西先搞明白它解决什么问题先说个背景。Claude Code本身是一个命令行里的AI编程助手但它默认的工作方式更像“你问一句、它答一句”的对话流。对于简单脚本、单文件修改这种模式完全够用。可一旦任务变成“给我这个项目加一个完整功能模块”或者“这个bug涉及好几个文件、还有历史包袱”直接对话往往会翻车AI容易在一个文件里打转改完A处忘了B处甚至主动把已经稳定的逻辑也重构了。superpowers就是冲着这个问题去的。它不是单一工具而是一套skills集合。所谓skills你可以理解成给Claude Code预装的“工作模式”或“执行模板”。每个skill对应一类任务场景里面写好了该场景下的标准操作流程、提示词模板和检查点。当AI识别到任务属于某个skill的范畴时就会自动套用那一套流程而不是自由发挥。我打个生活化的比方。你让一个没经验的新人“帮我整理一份月度报告”他可能会凭感觉东写写、西凑凑最后交上来一份结构混乱的东西。但如果你先给他一套“报告模板”里面规定了先写数据概览、再分析异常点、最后给下月计划他在每一步都知道该干什么、按什么标准做。superpowers就是给Claude Code准备的一套套“报告模板”只不过覆盖的是软件开发里最常见的场景。它具体覆盖了哪些场景我简单列一下后面会逐个拆解brainstorming头脑风暴需求不明确时先探索方案再动手写代码planning / writing-plans制定计划把大任务拆成可执行的小步骤生成执行清单executing-plans执行计划按清单逐步推进每步验证不跳步test-driven-development测试驱动开发先写测试再写实现代码root-cause-tracing根因追溯遇到bug时从系统角度追踪根本原因而不是看到报错就猜debugging调试系统化定位问题分步骤排除变量code-review代码审查从全局审视改动发现逻辑漏洞和设计问题documenting文档生成自动补齐项目文档、架构说明这套东西真正打动我的地方在于它把“AI会不会做事”变成了“AI有没有按照被验证过的方法做事”。后者是可控的。你不需要赌AI今天状态好不好只需要确认它有没有触发对应的skill、有没有遵守流程。2. 安装与环境准备从零引入superpowers的完整步骤如果你现在就想试安装过程不复杂但有几个细节容易踩坑。我先把推荐的步骤写清楚再说为什么这样做。2.1 前置条件确保你的Claude Code版本和目录结构没问题在装superpowers之前先确认几件事Claude Code已经安装并能正常使用。这个不用多说了终端里输入claude能进入交互界面就算OK。检查skills目录是否存在。Claude Code会从特定目录读取用户级skills路径通常是~/.claude/skills/。如果这个目录不存在你需要手动创建。确认你的网络能访问GitHub。这只是因为项目托管在GitHub上clone下来之后就完全本地运行了。提示如果你用的是团队项目也可以把superpowers放到项目级的.claude/skills/目录下这样只有该项目会用更干净。个人使用建议放用户级目录全局生效。2.2 一键安装与手动安装两种方式任选方式一git clone手动安装打开终端执行mkdir -p ~/.claude/skills cd ~/.claude/skills git clone https://github.com/obra/superpowers.git就这么简单superpowers本体出现在~/.claude/skills/superpowers/目录下。这时你不用做任何额外配置因为Claude Code会自动扫描skills目录并加载里面声明的技能。方式二利用项目自带安装脚本superpowers项目文档里提供了一套安装机制你可以在项目目录里运行/Users/你的用户名/.claude/skills/superpowers/install.sh这个脚本做的工作主要是把readme、参考文档和必要配置同步到你的.claude目录里。我更推荐第一次接触时用脚本装因为它还会往你的Claude Code配置里写入一些推荐默认项比如让AI在任务开始时自动识别skill。2.3 安装后必须做的三件事装完之后别急着开干按这个顺序做一遍验证第一步确认skills被识别。打开Claude Code随便输入一句请列出你目前可用的所有skills如果安装成功AI的回答里会出现superpowers相关的一批技能名比如planning、brainstorming、executing-plans等。如果完全没有提到先检查目录路径对不对再检查你启动Claude Code的当前用户是不是装skills的那个用户权限问题是最常见的坑。第二步查看你的.claude/settings.json。里面应该能看到enabledSkills或类似的配置字段确认没有把superpowers下的技能禁用。默认情况是全部启用但如果之前你手写配置过白名单新skills可能进不了执行列表。第三步跑通一个最简单的skill。我建议从一个你肯定会用到的场景开始比如让它“写个计划”。你对Claude Code说请使用planning skill帮我制定一个计划把当前项目里的登录接口从JWT改成OAuth2。观察它的行为。如果它开始输出结构化的计划文件、拆分步骤、列出验证方式说明superpowers正在工作。如果它还像普通对话一样直接开始改代码说明skill没有触发这时候需要检查一下是否漏了配置或者直接看下一节。2.4 为什么我把安装写得这么“啰嗦”说实话我第一次装的时候只花了三分钟但真正的坑不在安装而在“装完你以为能用了实际它没触发”。Claude Code的skills机制不是命令式的不是你说“调用planning”它就一定严格执行它更像一个基于上下文自动触发的模式匹配系统。AI需要先“理解”当前任务属于哪种类型然后才从superpowers里选合适的skill。所以安装这件事的关键不在于复制文件而在于让AI的“默认工作习惯”被这套技能框架接管。这也是为什么好多人在热词里搜“怎么引入这些技能”——他们卡在了“装了但用不上”这一步他们缺的不是安装命令而是对触发机制的理解。3. 核心skills逐个拆解哪些技能值得优先启用怎么触发superpowers的skill不是越多越好我个人把它的核心能力分成四个梯队规划类、执行验证类、排错类、收尾类。下面按我建议的掌握顺序逐个拆。3.1 规划类brainstorming、planning、writing-plans这三个技能是superpowers的“灵魂”也是我第一个月用下来收益最大的部分。它们的定位是在动手写代码之前先通过一系列结构化的对话把方案想清楚。brainstorming适合任务边界模糊、有多条实现路径的场景。比如有人跟你说“给系统加个缓存”问题是你不知道到底缓存什么、用什么中间件、热点在哪。直接开写必然翻车。正确的用法是让AI启动brainstorming流程它会反过来向你提问比如“缓存主要为了解决读压力还是写压力”“数据一致性要求多高”“有没有现成的Redis实例”。多轮对话之后它会输出一个包含选项分析、推荐方案和取舍说明的文档。writing-plans则进一步把方案落地成可执行的计划。我理解它做的事情是把“在项目里实现XXX”这件模糊大事拆成一系列明确动作。比如“修改auth.py”“新增migration文件”“更新测试用例”每个动作还带验收标准。执行完writing-plans后AI通常会在项目目录下生成一个计划文件并把它作为后续所有工作的参照。planning更像是前两者的“调度器”。它负责判断当前任务应该进入头脑风暴模式还是计划编写模式然后调用对应的子技能。实际使用中我会直接说“请你先规划一下这个任务”AI会自动决定怎么处理。注意事项规划类技能产出的是文档和清单不是代码。一开始我总急着让它“顺便把代码也写了”结果打乱了流程。后来发现先让计划完整地跑一遍后面执行阶段反而快得多因为方向定了代码是一次性写对的。3.2 执行验证类executing-plans、test-driven-development计划写得再好如果执行阶段又回归“自由发挥”前面就白干了。这一对技能负责把计划落到实处。executing-plans的逻辑是拿着上一阶段生成的计划文件逐条执行每执行一条就自查一次是否达到验收标准然后才进入下一条。你可以把它理解成“清单驱动开发”。这个设计是为了杜绝AI最常见的一个毛病——改到一半发现新思路就抛开原计划开始重构。test-driven-development是另一个执行层的硬核技能。它要求AI先写测试再写实现。具体触发流程是AI先根据需求设计测试用例运行测试确认它们是失败的red写最小实现代码让测试通过green重构代码保持测试全绿我在一个订单状态流转的功能上试过这个流程。以前直接让AI写逻辑它往往把状态机的边界条件想漏了后来用TDD模式AI先把“订单已支付不能再取消”“已发货不能退款”这类用例全列出来再逐条实现交给QA后一次通过这比我手写代码的质量预期好不少。3.3 排错类root-cause-tracing、debugging如果说规划类技能帮我“少写错代码”那排错类技能就是“更快找到错在哪”。我更建议大家提前熟悉它们因为项目一旦跑起来你迟早要和定位问题死磕。root-cause-tracing的核心设计思想是先画系统全景再追根因。启动它后AI不会盯着你贴过来的那一段报错信息直接猜而是会先梳理代码链路这个报错的输入从哪来经过了哪些模块哪些数据流转环节可能导致异常然后逐层深入。debugging则更偏向技术层面的系统性排查。比如它会建议你在哪些关键位置加日志、用二分法定位问题区间、把同时变化的变量隔离出来单独验证。有一次我处理一个偶现的内存泄漏AI没有让我盲目去翻代码而是让我去对比几次GC日志里的内存增长曲线再锁定期内被频繁创建的大对象。确实比我的常规做法更接近本质。3.4 收尾类code-review、documenting这两个没那么性感但能让项目交付质量上一个台阶。code-review不是简单跑一遍Linter它会从“这段改动会不会引入回归”“这里的命名和抽象是否误导后续维护”“有没有更简洁的等价实现”这种高度去审视代码。每次我写完一个大模块都会让AI用这个skill再过一遍改动经常能抓出我在局部修改时忽略的全局影响。documenting则负责把AI在项目中产出的所有关键信息沉淀下来。包括架构说明、模块职责、关键流程文档。启动后你不需要自己写提纲它会根据代码和计划文件自动组织内容。对于“代码写完人就忘了当初为什么这么设计”的问题这算是一个很直接的解决方案。下面这个表格是我整理的核心skills与典型触发词方便你参照。技能名触发场景典型提示词brainstorming需求模糊、方案未知“帮我发散一下这个功能的实现思路”writing-plans方案明确、待落地“给这个功能写一份详细执行计划”executing-plans计划在手、逐步实施“按刚生成的计划开始执行逐步验证”root-cause-tracing线上bug、原因不明“从系统层面追一下这个报错的根因”debugging定位到模块、需深入排查“用debugging流程帮我找一下这个bug”test-driven-development新功能开发“用TDD方式实现这个接口”code-review修改完成、待检查“对当前改动做一次code review”documenting项目交付、知识沉淀“给这个模块生成一份架构文档”4. 实战组合用法我如何把superpowers用进一个真实需求单独看每个skill都很好理解但superpowers真正厉害的地方是技能之间的串联。下面用一个例子完整走一遍为某个Web项目的新增“导出数据报表”功能。4.1 第一轮brainstorming摸清需求一开始产品经理丢过来的需求就一句话“用户需要能导出订单报表”。这信息根本没法写代码。我让AI启动brainstorming先主动提出了一系列问题导出格式是CSV还是Excel数据量大不大是否需要异步生成是后端生成文件还是前端调接口权限怎么控制AI通过几轮问答之后产出了一个决策文档里面给出了几个方案对比方案A同步导出适合千级数据量方案B异步任务生成文件适合万级以上方案C流式导出合并下载适合大数据量场景结论是采用方案B原因是业务订单量大概率会持续增长同步接口在早期可能够用但架构上不好扩展干脆一步到位。4.2 第二轮writing-plans生成执行清单方案定了接下来让AI用writing-plans把它拆成可操作步骤。生成的文件里包含新建export模块定义导出参数DTO新增异步任务扫描订单表并生成CSV文件实现文件上传OSS的逻辑生成临时下载链接在订单管理接口上挂载导出入口补充权限校验仅允许管理员触发准备测试数据编写集成测试用例每个步骤后面都标了验收标准。比如“第3步的验收标准是文件上传后在5秒内可下载下载链接有效期10分钟”。4.3 第三轮executing-plans test-driven-development执行计划文件生成完后我对AI说“按计划开始执行”。它就开始逐项完成每次完成一个步骤后都会停下来确认输出是否符合验收标准再继续下一步。在写导出核心逻辑时它主动切到了TDD模式先写了三个测试空数据导出不报错、百万行级数据分页取数不超时、无权限用户触发导出返回403。测试先行这个策略帮我避免了一个潜在问题最初的需求书里完全没提“无权限用户”这个场景但由于TDD流程要求AI“想一想这个功能可能会出什么错”它把异常路径也覆盖了。上线后正好有安全团队来测权限直接通过。4.4 第四轮code-review documenting收尾功能全部跑通后我用code-review让AI从全局角度再看看这次改动。结果它发现导出模块里直接引用了订单Mapper的查询方法但这个方法没有加索引数据量上来之后可能把数据库拖垮。它的建议是把查询拆成只查必要字段的专用方法并为过滤条件加上联合索引。这个发现的价值很高因为按我原本的习惯能跑通就提交了。最后让AI用documenting生成了导出模块的文档把异步流程、文件生命周期、权限模型全部记录下来。这份内容基本可以直接丢给后续接手这个模块的同事看省去了不小的沟通成本。5. 踩坑记录与调优经验配置参数、触发失败和上下文管理superpowers用了一个多月我遇到的坑大概可以归成三类。每个都整理了原因和解决办法希望对你有参考价值。5.1 skill没触发问题多半出在上下文和提示词我见过最普遍的困惑是“装了之后好像没效果”。实际上Claude Code的skills机制不是拿了就用它需要AI在生成回复前先识别“当前任务属于哪个skill”。如果这个识别失败了一切白搭。从我的使用经验来看识别失败的原因大致有三类任务描述太笼统。比如“优化一下订单页”。这个指令没有包含足够的任务类型信号。AI会倾向于直接用普通对话方式处理。解决办法是明确加上skill名称比如“用brainstorming先探索优化方向”。上下文窗口里已有历史对话干扰。如果之前聊了好几十轮固定任务AI可能受限于已有的趋势判断惯性延续普通模式。解决办法是把对话清空在新会话里第一时间声明“本次应该使用writing-plans”。项目的CLAUDE.md文件里写了更强的自定义指令。Claude Code会优先遵守项目级配置如果里面要求“直接回答不要用额外流程”skills就会失效。我后来把项目配置里所有“不要多步骤”之类的字样都清了冲突才消失。我的建议是不要依赖自动触发在关键需求上主动用“请使用XX skill”这类句式。等用习惯了你自然会预判哪些任务值得用技能来处理。部分情况下还可以手动在配置中把某个skill标记为任务模板但仍需要你在提示语中使用明确的触发词。5.2 擅自扩展计划软件执行跑偏的边界控制superpowers受限模型本身的行为倾向它偶尔会在执行计划中途冒出“额外灵感”想给代码做点“顺手的优化”。比如我明明在按计划给导出模块加文件上传它突然问我“要不要把订单列表接口也改成异步分页”。这种好心的跑题方向是好的但很影响节奏尤其在有严格排期的项目里。我的解决方案是在计划文件或任务提示词中明确写一行“本计划之外的所有优化先记录到待办文档不要直接执行。”这样AI有了边界依据即使头脑风暴有新想法也会先写进待办列表里不会中断当前任务。执行计划的稳定性明显提升了。5.3 权限与目录规范两个容易被忽视的细节用superpowers的过程里AI会经常读写项目目录生成计划文件、文档、临时脚本。这里有两个经验不要把skills装在项目根目录的.claude/里却不检查gitignore。否则某些内部信息文件会产生git变更以及提交风险比如计划草稿甚至临时配置文件被推送到远程仓库。我建议在.gitignore里加上.claude/logs/和计划文件目录或者将个人工具统一放在用户级~/.claude/skills/中。注意目录读写权限。如果你的项目位于系统保护目录或需要管理员权限的路径下AI生成文件时很可能静默失败表现为技能流程跑一半就停了。把项目放在普通用户目录下几乎能杜绝这类问题。5.4 进阶调优把它变成自己的方法论superpowers默认的skill设计已经够用但真正的自定义高手会去改skills目录里的提示词模板。每个skill本质上就是一个带system prompt描述的目录结构你可以打开随意改。比如你在团队里经常做前端重构可以新建一个frontend-refactor的skill把团队规范、代码风格、必用组件库都写进去让AI见到这个任务就自动执行你定义的整套流程。改动的时候注意保持格式正确改动后先在Claude Code里跑一个简单任务验证再投入正式使用。我自己就把所有技能说明文件里的语言改成了中文描述对后续输出的一致性有帮助。算一笔账superpowers值不值得装从投入产出比来看它的学习成本算低的了。安装需要几分钟跑通第一个完整技能流程可能需要半天但一旦你习惯了“规划-执行-验证-复盘”这套循环写代码的质量和可维护性会有一个比较明显的提升。尤其是高频开发场景比如多人协作、业务逻辑复杂的项目它的价值非常直观AI的产出稳定了你审查代码的时间自然就少了。另外一个容易被忽略的好处是知识沉淀。以往我和AI合作完一个功能对话窗口一关思路就丢了。现在通过计划文件、文档、测试用例整个过程都有迹可循任何人接手都能快速看懂来龙去脉。这是一种比代码注释更立体的项目资产。我用它的这段时间最大的感受是与其说superpowers给了Claude Code一套新能力不如说它逼着人先想清楚再动手。它提供的那些流程本身就是行业里被反复验证过的良好实践只是多数人懒于每次手动执行。现在有了这套技能组合等于把最优秀的开发习惯自动化了让AI按标准流程替你把该想的都想了你负责判断方向它负责稳定落地。需要长期在Claude Code里做真实项目的话这套东西值得花一个下午装好、试透。