21 万星的 Superpowers：AI 编程最大的变化不是模型变强，是开始守规矩了

一句话总结

2026 年 7 月，GitHub 上一个叫 Superpowers 的项目 7 天涨了 9 万星，总量突破 21 万。它不是新的 AI 模型，也不是代码补全工具——它是给 AI 编程 Agent 装上软件工程纪律的方法论框架。

不是工具，是方法论

如果你用 Cursor、Claude Code 或 Copilot 写过代码，一定经历过这种时刻：AI 二话不说就开始写代码，需求还没聊清楚就改了三个文件，等你回过神来，测试没写、边界条件没考虑、提交信息是一句「fix」。

这不是模型不够聪明。是它缺一套「工程纪律」。

Superpowers 的作者 Jesse Vincent 看穿了这件事。他开源的这套框架不关心模型怎么调用工具、怎么编排任务——它关心的是：你的 AI 在写第一行代码之前，做过需求澄清吗？出过设计方案吗？写了测试吗？跑通了吗？审查过了吗？

如果这些问题 AI 默认不会做，那就强制它做。

七步工作流，一步不能跳

Superpowers 把软件开发拆成七个连续阶段，每个阶段对应一个自动触发的 Skill：

阶段	技能	核心动作
1. 头脑风暴	brainstorming	把模糊想法逼成清晰规格，讨论备选方案，逐段确认设计文档
2. 隔离分支	using-git-worktrees	在独立分支创建工作区，验证干净环境下的测试基线
3. 编写计划	writing-plans	把任务拆成 2-5 分钟就能完成的小块，精确到文件路径、预期输出、验证步骤
4. 子 Agent 开发	subagent-driven-development	每任务一个新子 Agent，独立执行、互不污染上下文
5. TDD 实现	test-driven-development	测试先行，未通过测试的代码会被 Agent 主动删除
6. 代码审查	requesting-code-review	两阶段审查——先审方向「做得对不对」，再审质量「做得好不好」
7. 合并完成	finishing-a-development-branch	两关全过才放行合并

这七个阶段对任何一个软件工程师来说都不陌生。但 Superpowers 的价值不在「发明新概念」，而在把这些原本靠人类自觉维持的工程纪律，变成了 AI Agent 的默认行为。

两个最狠的机制

两阶段审查

每个子 Agent 产出后，不是直接交差。先过第一关——「方向审查」：代码实现的是不是需求里要的东西？范围有没有跑偏？再进第二关——「质量审查」：代码写得怎么样？有安全隐患吗？性能能接受吗？

两关有一关没过，打回去重做。

证据门禁

Superpowers 硬性规定：任何断言必须有证据。

「应该能跑」「大概没问题」「可能可以」——这类词一律打回。你必须运行测试并贴结果、截图证明、打印日志。用数据说话。

这也是为什么这个项目的 PR 拒绝率高达 94%。维护者对自己和对 AI 一视同仁。

怎么用？

一行命令安装：

npx superpowers-zh --tool

装完你的 AI 编码工具（支持 Claude Code、Codex、OpenClaw 等 18 款）就多了 20 个技能，从头脑风暴到发布一条龙。MIT 协议，完全免费。

GitHub 搜索 superpowers-zh 就能找到，中文增强版也有 4.4K Star。

真正的启示

Superpowers 21 万星背后，反映的是一件事：AI 编程的门槛已经不是「会写代码」了，而是「会不会用工程方法管住 AI」。

2026 年上半年，AI 工具生态的主旋律从「模型竞赛」转向了「基础设施竞赛」。模型之间的差距在缩小，但工作流引擎、代码审查机制、测试驱动流程的差距在拉大。

Superpowers 给出的答案很简单：别急着让 AI 写代码。先让它学会按流程想清楚再动手。这不是让 AI 变强，是让 AI 守规矩——而规矩，才是工程的核心。