Superpowers 21 万星：AI 编程的下一站不是「写得更快」，而是「先想清楚再动手」

2026 年 7 月第一周，GitHub Trending 上发生了一件耐人寻味的事。

过去两年，AI 编程的叙事主线很简单：模型越来越强，程序员越来越不重要。每周都有新模型发布，每次 benchmark 分数都更高。你打开 Twitter/X，看到的是「又炸了」「又颠覆了」「又一个职业要消失了」。

但这一周，占据榜首的不是某个新模型。是一个 GitHub 项目，叫 Superpowers。21 万颗星，7 天涨了 9 万颗。比第二名多了近 5 万颗。

更值得注意的是，这个项目的核心不是让 AI 写出更多代码。恰恰相反——它是禁止 AI 直接写代码。

Vibe Coding 的尽头是工程纪律

过去一年，Vibe Coding 这个词席卷了开发者社区。你在 Claude Code 或 Cursor 里输入一句话，AI 帮你生成一整段功能，你能跑起来就「感觉对了」。确实快。但这种快的代价，用数据来说话：已知研究显示，45% 的 AI 生成代码存在安全漏洞。有多少逻辑错误？有多少并发问题？有多少边界条件被忽略？没人知道，因为没人读，也没人测。

Superpowers 的创始人 Jesse Vincent——他也是老牌工单系统 RT（Request Tracker）的作者——看穿了这件事的本质。问题不在于 AI 能不能写代码（当然能），而在于 AI 写代码时没有任何工程纪律。一个人类程序员可能偷懒跳过测试，但至少他知道自己在偷懒。AI 不会——它只是「忘了」。

不是工具，是铁律

Superpowers 不是一个新的代码生成工具，它是一套强制性的技能（Skill）体系。安装之后，你的 AI 编程 Agent——不管是 Claude Code、Cursor、Codex 还是 Gemini CLI——都会被嵌进一套 7 步工作流：

步骤	做什么	核心约束
1. 需求澄清	苏格拉底式反问，逼你讲清楚到底要什么	AI 不能跳过，必须先反问
2. 隔离环境	创建独立 Git Worktree	不污染主分支
3. 制定计划	把任务拆到 2-5 分钟粒度	初级工程师都能照做
4. 子 Agent 执行	每个任务派独立子 Agent，两阶段审查	干净上下文，无惯性偏差
5. TDD	先写失败测试→写最小代码→重构→提交	测试前写的代码会被主动删除
6. 代码审查	按严重程度逐条报告，Critical 阻塞进度	不是走过场
7. 分支收尾	验证全量测试通过，合并/PR/保留/丢弃	用户做最终决策

TDD 铁律：没测过的代码不配存在

这里面最狠的一条是第 5 步。Superpowers 强制执行 RED-GREEN-REFACTOR 循环。Agent 必须先写一个会失败的测试，确认它确实失败，然后写刚好够通过的最小代码，确认通过，然后提交。

如果你在写测试之前写出了实现代码呢？**那些代码会被主动删掉。**不是标记为「需要修改」，不是「帮你重构」，是直接删掉。

听起来激进，但仔细想想——这不就是 TDD 原本该有的样子吗？Kent Beck 提出 TDD 的时候，本意就是先定义正确行为，再实现。只是过去二十年，人类开发者总有各种理由跳过它。现在 AI 来执行，反而可以不打折扣。

子 Agent 驱动：对抗「惯性偏差」

第 4 步同样值得展开。Superpowers 要求每个子任务都派一个全新的子 Agent 去执行，做完后销毁。这不是技术炫技，而是解决了一个真实问题：Agent 天然会有「惯性」——做了任务 A 之后，会带着 A 的假设去做 B。换一个干净的 Agent 重新读计划再执行，能显著降低这种偏差。每个任务还过两道审查：先看是否符合规格，再看代码质量。

为什么是 21 万星

老实说，我第一次听到 Superpowers 的做法时，觉得这有点过于迂腐。但仔细想想，21 万星的背后是一个真实的痛点：AI 写代码很快，但写对的概率不高。 不是模型不够强——是流程缺了护栏。

Jesse Vincent 的设计哲学只有 4 条，全都是动名词，全都是反话：

1. Test-Driven Development——反对「先写代码再补测试」
2. Systematic over ad-hoc——反对「看心情决定流程」
3. Complexity reduction——反对「为复杂而复杂」
4. Evidence over claims——反对「我觉得这样没问题」

这 4 条不是写给人看的，是写给 AI Agent 看的。每一条都对应底层一组可执行的 Skill。

更妙的是，Superpowers 的每个 Skill 里藏着一张反合理化表（Rationalization Table）。Agent 常用的借口和对应的反驳都提前写好了。比如：

Agent：「我稍后再加测试。」
Skill：「不行。」

Agent：「这次情况特殊。」
Skill：「没有任何特殊后门。」

这种设计透着一股「和人斗了二十年终于受够了」的气息。Jesse 管理开源项目二十多年，太清楚开发者会怎么找理由跳过流程。现在他把这些经验全部编码进了 AI 的工作流里。

Superpowers 给了我们什么

回到开头的观察：2026 年 7 月第一周，GitHub Trending 上最热的不是新模型，是管 AI 的项目。同一周，TypeScript 社区顶流 Matt Pocock 的 skills 项目冲到 14.8 万星，核心命令 /grill-me 强制需求对齐。Google 的 agents-cli 同周下场。小米的 MiMo-Code 同周下场。

这不是巧合。过去两年 AI 编程圈把注意力全放在模型能力上：更大的参数量、更高的 benchmark、更炫的 demo。但 21 万星告诉我们，开发者真正需要的不是更强的模型——而是让模型更守规矩。

写得更快已经不够了。写得对、写得稳、写得可维护，这才是下一步。

Superpowers 不是银弹。安装一个 Skill 框架不会让你的 Agent 一夜之间变成 10x 工程师。但它给出了一个方向：AI 编程的下半场，拼的不是算力，是流程。 而好的流程，往往来自那些被人类偷懒跳过的老规矩——TDD、Code Review、先想清楚再动手。

---

Superpowers 由 Jesse Vincent（obra）创建，MIT 许可证开源，支持 Claude Code、Cursor、Codex、Gemini CLI、GitHub Copilot CLI 等主流 AI 编程平台。截至 2026 年 7 月，GitHub 星标数已突破 226K。