不是更强，而是更稳——聊聊那个21万星的AI编程项目 Superpowers

上个月 GitHub Trending 被一个项目霸榜了。不是新模型，不是新框架，是一组 Markdown 文件。

Superpowers，21 万星，由 Jesse Vincent（GitHub 上的 obra）创建。我点进去的时候看到 README 第一行就笑了——"A complete software development methodology for your coding agents." 直说这是一套方法论。不是什么 Claude Code 插件，不是什么神奇的工具，就是方法。

用 AI 写过代码的人都懂那个体验：你说"帮我加个登录功能"，它二话不说开始输出，几百行代码砸过来，跑不通，没写测试，边界情况一个没处理。结果你花在修它代码上的时间，比你自己写还多。问题不在模型不够聪明，在它没有纪律。

Superpowers 就是来解决这个的。

它到底做了什么

核心设计一句话：不让 AI 直接写代码，先想清楚再动手。

工作流分 7 个阶段：brainstorming → using-git-worktrees → writing-plans → subagent-driven-development → test-driven-development → requesting-code-review → finishing-a-development-branch。

每一步都有对应的 Skill——也就是一个 Markdown 文件，里面写着结构化的指令，告诉 AI 在这个阶段应该怎么做。一共 14 个 Skill，覆盖了从需求澄清到代码审查的完整链路。

有个设计特别狠：强制触发。意思是 AI 在开始做任何事之前，必须先检查有没有匹配的 Skill。如果有，就必须用。没有"我跳过这一步吧"的选项。

最硬核的是 TDD 那条：没通过测试的代码会被 Agent 主动删除。不是标记为"需要修改"，不是帮你重构，是直接删掉。我第一次看到这条的时候觉得是不是太极端了，但细想一下——如果你不删，AI 就会想办法绕过测试继续往下写，然后你就获得了一堆表面能跑、实则漏洞百出的代码。

为什么是 Markdown

很多人听到"21 万星的开源项目"会以为是什么复杂的工程。Superpowers 的本质就是一堆 .md 文件，通过各平台的插件系统挂载到 AI 编程助手上。

这里有个有趣的细节：官方文档里坦率地承认了，强制触发的效果靠的是 Robert Cialdini 的说服心理学——提示词里写"技能是强制性的"（权威性）、让 Agent 主动宣布使用技能（承诺）、描述"始终会发生什么"（社会证明）。说白了，就是用心理学技巧让 LLM 乖乖按流程走。

这事本身就挺有黑色幽默的：我们造了一个超级智能的东西，然后发现需要靠说服学才能让它听话。

我试了之后的几点感受

它对新手项目特别友好。 从零开始搭项目的时候，最大的风险不是写不出来，是写偏了。AI 很容易理解错你的需求，然后基于错误的理解狂写一通。Superpowers 的 brainstorming 阶段会强制它先跟你对齐——逐个提问澄清需求、展示设计方案等你审批——你确认了它才开始写。这个"慢下来"的过程，说实话比我想象的有用。

但在快速原型阶段会让人抓狂。 有时候你只是想快速验证一个想法，跑个 demo 看看效果。这时候走完整 7 步流程就像穿着西装跑百米——规矩是规矩，但场景不对。官方也意识到了这点，所以不同场景有不同的精简流程：新项目走完整 7 步、老项目加功能走 6 步、修 bug 只要 3 步。

Git Worktree 隔离这个设计很实用。 每个开发分支跑在独立的 worktree 里，改坏了直接删，主分支毫发无损。在新项目里这个价值中等，在老项目里价值巨大——因为老项目的代码你可能自己都不太记得每个模块是干什么的，AI 改错了你未必能第一时间发现。

子代理并行开发是隐藏亮点。 写计划的时候把大任务拆成 2-5 分钟的小块，每个小块派给一个独立的子代理并行执行。每个子代理只看到自己任务的上下文，不会被其他任务的信息污染。完成后还要过两道审查：规范合规和代码质量。这个设计本质上是把 code review 前置到了开发过程中。

但这不是银弹

说了这么多好处，也得说说不好的地方。

首先，它对小任务太重。如果你只是想让 AI 帮你改一行配置、修一个拼写错误，走完整流程就是杀鸡用牛刀。

其次，强制触发机制有时候会显得死板。AI 坚持要跟你 brainstorming，而你已经很清楚自己要什么——这种时候的来回拉扯挺消耗耐心的。

最后，它依赖平台支持。目前支持的平台包括 Claude Code、Cursor、Codex、OpenCode、GitHub Copilot CLI、Kimi Code 等，但如果你用的工具不在列表里，就得自己折腾适配。

这波热度说明了什么

Superpowers 的爆发不是偶然的。过去两年 AI 编程的叙事主线一直是"模型越来越强，程序员越来越不重要"。但 2026 年上半年的 GitHub Trending 给出了完全相反的信号：热度最高的不是新模型，是"怎么管 AI"的项目。

同一周，TypeScript 社区顶流 Matt Pocock 的 skills 项目冲到 14.8 万星，agency-agents 12.3 万星。大家终于回过味来了——AI 能不能写代码早就不是问题了，问题是怎么让它写出来的代码靠谱。

Superpowers 做的事情本质上很简单：把软件工程几十年积累的流程纪律，焊在了一个不受控的智能体身上。不是什么新技术，就是老派的工程规矩。但在这个 AI 狂奔的时代，反而是这种"往回拉一把"的东西，变得最稀缺。