21万星的Superpowers，宣告AI编程「慢」时代的到来
2026年7月第一周，Superpowers突破21万星、Matt Pocock skills 14.8万星、agency-agents 12.3万星同时爆发。这不是巧合——AI编程正在从「能不能写」转向「能不能信」，从Vibe Coding走向方法论。
2026年7月第一周，GitHub Trending炸了
不是某个新模型横空出世，不是某笔巨额收购，也不是某条安全禁令。是一个叫 Superpowers 的 GitHub 项目，21万颗星，7天涨了9万颗。
更诡异的是：它一行可执行的代码都没提供。它做的事情恰恰相反——禁止 AI 直接写代码。
同一周，TypeScript 宗师 Matt Pocock 的 skills 项目冲到 14.8 万星，agency-agents 拿下 12.3 万星。三个项目同时爆发，指向同一个信号：AI 编程行业的需求，已经从「能不能写」转向了「能不能信」。
Superpowers 是什么：一套 AI 的开发 SOP
Superpowers 由 Jesse Vincent（GitHub ID: obra）创建，本质上是 14 个 SKILL.md 文件——用 Markdown 写成的工程纪律，不锁定任何模型，不需要自己的运行时。它跨 Claude Code、Cursor、Gemini CLI、Codex CLI 等所有主流 AI 编程工具运行。
核心是一套强制性的 7 阶段工作流：
- Brainstorming（需求澄清）：苏格拉底式提问，逼 AI 在写代码之前暴露它对需求的假设
- Git Worktree 隔离：建干净分支，防止 AI 污染主工作区
- Writing Plans（任务分解）：拆成 2-5 分钟的原子任务，每个有明确文件路径和验证步骤
- Subagent-Driven Dev（子 Agent 并行）：每个任务派给全新子 Agent，上下文干净、判断独立
- TDD（测试驱动）：铁律级强制执行——没有失败的测试，就没有实现代码
- Code Review（代码评审）：Critical 级别问题阻断后续任务
- Branch Finishing（分支收尾）：合并 / PR / 保留 / 丢弃，强制决策
跳过一步？框架直接拒绝执行。
TDD 铁律：最暴力的设计
Superpowers 最狠的一条规则：如果发现 Agent 在没有失败测试的情况下写了实现代码，直接删掉那段代码，退回去重写。
不是警告，不是标记，是删除。
这听起来激进，但背后有充分的工程理由。AI 有一个已被大量数据验证的坏习惯：自信地瞎写。边界条件全漏，异常处理没写，空值检查跳过。更致命的是，如果让 AI「先写代码再补测试」，它写的测试永远能通过——因为测试不是在验证需求，是在复读实现。
测试是合约。没有合约，AI 在两周后面对新需求时不知道之前做了哪些隐性承诺，它会合理地把它们违反掉。这就是为什么依赖「Vibe Coding」的项目，首次迭代快如闪电，第三次迭代寸步难行。
真实数据支撑：Python 字符编码检测库 chardet 的维护者用 Superpowers 重写 v7.0.0，跑完 2161 个测试文件、覆盖 99 种编码，性能提升 41 倍，准确率从 94.5% 提升到 96.8%。
同一周，圈子里还发生了什么
Matt Pocock 的 skills 项目——21 个 Markdown 文件夹，把他数十年的 TypeScript 工程经验编码成 AI 可执行的结构化工作流。他的总结极其精准：「我不是让 AI 更聪明，我是让它更守规矩。」
agency-agents 把数十个领域专家 Agent 打包——前端魔法师、创意注入器、安全审计员——一键装进 Claude Code 和 Cursor。
Google 的 agents-cli 同周下场。小米发布了 MiMo-Code。
这不是巧合。整个行业在同一个时间节点达成了共识。
Loop Engineering：人从操作台退到设计台
6 月下旬，Claude Code 的创造者 Boris Cherny 说了一句话：「我已经不 prompt Claude 了。我有一堆循环在跑，是它们在 prompt Claude。我的工作是写循环。」
Google Cloud AI 总监 Addy Osmani 随即发表文章《Loop Engineering》，给出了精准定义：Loop 工程就是你自己不再提示 Agent，而是设计一套系统去代替你做这件事。
AI 编程经历了四代范式跃迁：Prompt 工程（人写每一条指令）→ Context 工程（系统性设计上下文）→ Harness 工程（编排多 Agent 工作流）→ Loop 工程（人设计规则，AI 自己跑循环）。人从操作台一步步退到了设计台。
范式转移：从「快」到「信」
过去两年，AI 编程的叙事是「越来越快」——补全响应从 800 毫秒压到 200 毫秒，一次对话能产出 5000 行代码。速度是唯一的 KPI。
但 2026 年 7 月的第一周，GitHub Trending 给出了完全相反的信号。不是「哪个新模型炸了」，而是「怎么管 AI」的项目集体爆炸。
这背后的逻辑其实不复杂：AI 能写代码已经不是新闻了。真正的瓶颈从来不是生成速度，而是代码能不能在生产环境里稳定运行三个月不出事。Superpowers 和 skills 这类项目受欢迎，不是因为它们让 AI 更聪明，而是因为它们让 AI 的输出变得可信任。
对普通开发者意味着什么
Superpowers 21 万颗星，说明开发者用脚投票选择了一种更慢、更稳的工作方式。但要注意：AI 降低的是「执行代码」的门槛，不是「工程思维」的门槛。
知道要做什么、怎么验证、出了问题怎么定位——这些依然是 AI 替代不了的核心能力。Superpowers 不替你思考，它只是确保你的 AI 代理在想清楚之后再动手。
对于想尝试的人，安装只需要一行命令：在 Claude Code 里输入 /plugin install superpowers@claude-plugins-official。然后在新会话里说 /superpowers:brainstorming，体验一次「先想后写」的 AI 编程。
GitHub 项目地址：obra/superpowers