最近在折腾AI编程工具的时候，我频繁看到一个词从不同渠道冒出来：superpowers。先是有人给Codex CLI装了一堆skill，接着WorkBuddy里也有人问怎么挂载，后来Trae那边也冒出“superpowers skill”的安装教程。我一开始以为又是什么花里胡哨的prompt合集，直到自己把整套东西跑通，才发现它改变的不只是“聊天质量”，而是把AI从一个只会接话的对话框，变成了一个真正能按流程干活的协作角色。这篇文章就围绕superpowers这套技能包，聊聊它到底是什么、内部怎么设计、如何装进Codex CLI、WorkBuddy和Trae这些常用工具，以及在真实项目里用起来会遇到哪些坑。
如果你正在用AI写代码、做code review、补测试，或者只是觉得“AI虽然能聊，但让它正经干活总差那么一口气”，那这篇文章就是给你准备的。我不会摆一堆理论，整个过程都是我踩过坑之后整理出来的实操记录，照着做就能跑。
1. 先搞清楚superpowers到底改变了什么
1.1 它不是“一个命令”，而是一整套技能栈
很多刚接触的人会误以为superpowers是个单一工具，装完就能获得某种“魔法”。实际上，它更像是一套预置了“工作方法”的技能集合，每个技能对应一个明确的专业场景，比如拆解任务、写代码文档、做代码审查、生成测试、重构、调试、规划实现步骤等等。这些技能不是简单的prompt模板，而是带有一整套操作逻辑的“技能目录”。
打个比方，普通AI对话像是你请了个实习生，你说一句他做一步，方向一偏还得你拉回来。而装了superpowers之后，等于给这个实习生配了一叠“岗位SOP”，他接到任务会先翻SOP：遇到模糊需求先拆解，写代码前先规划测试，提交前先自查。你不需要事无巨细地指挥，AI自己就知道下一步该干什么。
这套设计最大的价值在于“可复用”。同一个技能可以跨项目使用，同一套规范可以稳定复现，而不是每次都在对话里重新解释你想要的流程。我自己的体会是，装上superpowers之后，AI的输出稳定性和完成度提升非常明显，尤其适合多文件、多步骤的编码任务。
1.2 它和普通prompt到底差在哪
为了把“技能”和“prompt”区分开，我从实际体验里总结出三个关键差异。
第一，普通prompt是一次性的，技能是结构化的。普通prompt就是一句话，比如“帮我重构这个函数”，AI能理解，但它不知道你的重构标准是什么、需要保持哪些行为不变、是否要添加回归测试。而superpowers里的重构技能会自带检查清单，AI会先分析当前代码行为，再设计重构方案，最后生成测试来验证没有改变行为。
第二，普通prompt靠记忆，技能靠文件。普通对话里，你给AI的上下文只存在于当前对话窗口，新开会话就全忘了。superpowers则把方法论写在独立的技能文件里，AI每次用到都会重新读取，所以即使换了一个全新的项目，只要技能文件还在，行为规范就不会丢。
第三，普通prompt需要你不停“喂”，技能是AI主动“取”。装了superpowers之后，AI会在合适的场景主动调用对应技能，而不是每次等你提示。比如你自己还没说要写测试，AI在实现一个函数时可能就会调用测试生成技能，产出配套测试。这种主动性，才是它真正“超能力”的地方。
1.3 适合谁，不适合谁
先说适合的人。如果你日常用AI写代码，尤其是用Codex CLI、Claude这类命令行或IDE插件做项目级开发，superpowers会非常值得一试。它特别适合以下几类场景：要给老项目补文档和测试；接手一份不熟悉的代码库想快速梳理；经常做代码审查但觉得AI给的反馈太泛；希望AI按TDD流程来开发，而不是直接堆功能。
不适合的情况也有。如果只是偶尔用AI翻译一段文字、写个小脚本，那superpowers的安装和配置成本反而显重，没必要为一次性的小需求引入整套体系。另外，如果你完全不打算理解AI的工作方式，只想“装完就是神”，那也会失望——它提升的是流程和稳定性，不是凭空变出正确代码。
2. 核心设计拆解：为什么superpowers能提升AI能力
2.1 skill文件是怎么工作的
superpowers的核心单元叫skill。在主流AI编程工具里，skill一般是一个包含SKILL.md文件的目录，里面用结构化的frontmatter写出技能名称、描述、适用场景，再用正文编写详细的执行步骤、规则、示例。工具的插件机制会在合适的时机扫描这些目录，把匹配的技能说明加载给AI。
理解这套机制之后，你就会明白为什么superpowers不是靠“魔法”而是靠“规范”干活。它本质上是在给AI补“职业训练”。AI底层模型可能知识很广，但具体到“怎么做一个高质量的代码评审”，它不是天生就会，需要把评审维度、检查顺序、输出格式写出来，它才能照着执行。superpowers做的事情，就是把业界相对成熟的工程实践，转化成AI能直接读取和执行的程序化知识。
在实际使用中，我见过很多人装完skill发现好像没变化，原因往往就是SKILL.md写得太泛。superpowers目录里每个技能都写得很细，比如planning技能会要求AI先澄清需求、列出约束、拆解任务、标注风险点，再进入实现阶段。一层层往下，AI的输出质量自然就不一样。
2.2 技能包的核心模块：plan、debug、review、test
superpowers不是单个技能，而是一组技能组合使用。我实际用下来，下面这几个模块是最常用的，也最能体现它的设计思路。
planning（规划）是最先触发的一个。当你给AI一个大的开发任务，它会先做需求澄清，把你没说明白的地方列出来，然后拆解成若干可执行的小任务，并规划顺序。这一点很像“先画图纸再施工”，避免一上来就乱写代码。
debugging（调试）则专门针对bug场景。它不会像普通对话那样直接给个猜测答案，而是先让AI复现问题、定位最小复现用例、分析根因，再给出修复建议和验证方案。这个流程对工程质量很有价值，因为很多bug修完之后又复发，就是没做根因分析。
doing-code-review（代码审查）是我最喜欢的一个技能。它会让AI按提交粒度审阅代码，先看功能正确性，再看设计一致性、性能和可维护性，最后才给优化建议，而不是把风格问题摆在最前面。很多AI默认的code review只会说“代码看起来不错，但可以加注释”，superpowers里这个技能则明显更职业化。
generating-tests（生成测试）也不是简单让AI写几个断言。它会先分析现有代码的覆盖面，列出测试策略，再按边界条件和异常分支去构造测试用例。配合TDD流程，开发效率会高很多。
2.3 hooks和自动化机制
除了对话里主动调用技能，superpowers还利用了一套叫hooks的自动化机制。hooks是AI编程工具提供的事件回调，可以在特定时机自动执行一些操作。比如，在代码编辑完成之后，自动触发格式检查和简单测试；在提交之前，自动生成变更摘要；在AI给出最终回答之前，自动做一遍结果验证。
这种自动化带来的体验变化是巨大的。以前你需要手动跟AI说“写完记得检查”，现在规则内置在技能里，AI做完主任务会顺带完成检查。虽然单个步骤变化很小，但叠加起来，就让AI从“提线木偶”变成了“有肌肉记忆的协作者”。
不过也要注意，hooks数量不宜过多。我曾见过有人把十几个不同技能的hook全开，结果每次执行都在跑各种后台检查，速度慢得很。superpowers的默认配置相对克制，但你自己扩展时一定要想清楚哪些hook真正对你有价值。
3. 实操：把superpowers装进Codex CLI、WorkBuddy和Trae
3.1 安装前准备：环境检查和版本确认
在正式动手安装前，我建议先花两分钟确认你的环境。否则装到一半发现版本不兼容，会非常难受。
第一步，确认你使用的AI编程工具版本。以Codex CLI为例，它迭代挺快，不同版本对skills的加载路径和配置格式支持不完全一致。我使用的是较新的版本，如果你还在用老版本，建议先升级。
第二步，确认项目仓库的访问权限。superpowers一般通过Git仓库分发，安装时需要拉取代码。如果你的网络环境访问GitHub比较慢，可以通过镜像或者使用内置的下载加速功能，具体看你的网络情况。
第三步，确认本机有没有可用的shell环境。superpowers的安装脚本通常是bash脚本，Windows用户建议在Git Bash、WSL或PowerShell里运行。我自己在Windows上更喜欢用WSL，因为后续的路径处理更符合Linux习惯，省去很多转义问题。
3.2 这就是那个脚本，一键把技能复制到工具目录。
这里我直接给出我实际用过的安装命令，这套命令在Codex CLI环境下基本是通用的：
# 1. 拉取superpowers项目仓库 git clone <superpowers项目地址> superpowers cd superpowers # 2. 查看安装脚本，确认没有可疑操作后再执行 cat install_superpowers.sh # 3. 执行安装，把skills复制到当前AI工具的skills目录 ./install_superpowers.sh安装脚本做的事情其实并不神秘：它会扫描你本机已安装的AI工具，识别对应的skills目录，然后把superpowers仓库里的skills文件夹复制过去。如果你的环境比较特殊，也可以手工把skills/目录下的各个子目录复制到工具规定的路径，效果一样。
装完之后，最好先验证一下技能是否真的被加载。方法是随便打开一个项目，给AI发一条和某个技能相关的指令，比如“plan the implementation for adding user login”，看它是否调用了规划技能。如果它直接开始写代码，说明技能没有命中，需要检查安装路径。
3.3 手工复制：最稳妥的安装方法
虽然安装脚本很方便，但它有时会因为工具版本差异找不到目录。如果你不想折腾，可以直接手动复制。下面我以Codex CLI为例，写出手工复制的完整过程。
# 1. 先看本机Codex CLI的配置目录在哪里 codex config dir # 2. 进入配置目录后，通常会有skills子目录 cd ~/.codex/skills # 3. 把superpowers仓库里的各个技能目录链接过来 ln -s ~/path/to/superpowers/skills/* .这样做的优势在于，后续你想更新superpowers，只需要在仓库目录里git pull，技能内容就会自动同步到工具的skills目录。因为我用的是符号链接，不用每次更新后再复制一遍。
WorkBuddy和Trae的安装思路也是一样的，区别只在于它们读取skills目录的位置。WorkBuddy一般在用户目录下有个类似~/.workbuddy/skills的路径，Trae则在IDE的配置目录里有一个skill文件夹。你只要找到对应目录，把skills内容放进去即可。
3.4 WorkBuddy安装skill的完整步骤
WorkBuddy最近在一些开发社区里讨论度挺高，它本质上也是个AI编程助手，支持安装外部skill来扩展能力。给它装superpowers，我建议按下面的流程来。
# 1. 先查看WorkBuddy的配置目录 workbuddy config dir # 或者直接看默认位置 ls ~/.workbuddy如果目录里没有skills文件夹，就自己创建一个。然后把superpowers仓库里的技能文件夹复制或软链接进去。这里有一个小细节：复制完成之后，最好检查一下每个skill目录里是否有SKILL.md文件，因为有些工具识别的是这个文件名，如果大小写不对就不会加载。
装好之后，重启WorkBuddy，让新技能被扫描到。然后在一个实际项目里试一下：输入“use the debugging skill approach to diagnose this project”，看AI是否进入调试模式而不是直接给答案。如果命中，说明安装成功。
3.5 Trae中配置superpowers的细节
Trae作为一款AI原生IDE，也支持类似skills的扩展机制。我初次配置时花了点时间，因为它的界面路径和命令行工具不太一样，但底层逻辑是一致的。
在Trae中，你需要先打开设置面板，找到“扩展”或者“skills”相关的入口。不同版本的Trae界面文字可能不同，但基本都会提供一个技能目录的入口按钮。点击进去后，可以看到当前加载的所有技能目录，把superpowers里的技能目录添加进去就行。
这里我建议直接以目录链接的方式添加，而不是复制。因为Trae的配置文件有时候在更新IDE时可能会被清理，如果你用的是外部软链接，链接目标还在，重新指认一下路径就恢复了；如果复制进去，IDE一更新可能就没了。
添加完成之后，也同样要重启。Trae对配置文件的缓存比较明显，不重启的话，技能很可能不会被识别。我在第一次配置时就是因为没重启，折腾了半天还以为路径写错了。
3.6 验证安装是否成功的三种方法
安装完成后，推荐用下面三种方法验证，确认技能确实生效。
第一种，用AI的日志或调试模式查看技能加载记录。Codex CLI可以用--verbose启动，日志里会打印加载了哪些skills；Trae里可以打开开发者服务面板，看技能注册信息。
第二种，直接给AI一个强场景指令。比如让AI在这个项目里“review the last commit”，如果它按照“先分析影响，再检查正确性，最后给建议”的节奏回复，基本就是调用了code review技能。如果只是简单说“这次提交看起来不错”，那就是没生效。
第三种，查看技能目录的时间戳。安装之后，技能的SKILL.md文件会被工具读取，某些工具会在日志目录生成访问记录。你可以找到工具的日志文件，搜索你安装的技能名，如果有记录，就说明已经加载。
4. 实战：用superpowers跑一次自动重构与测试生成
4.1 场景设定：从一个乱糟糟的老函数开始
理论讲再多，不如跑一个实际例子。我这里假设有一个Python项目，里面有个函数功能是“根据用户输入的折扣码计算最终价格”，但函数里塞了一堆判断逻辑，可读性差，也没有测试。我要用superpowers来重构这个函数，并生成配套测试。
刚开始的时候，我直接在Codex CLI里打开项目目录，输入：“帮我优化一下这个项目里的价格计算函数，并补上测试。”系统没有立刻写代码，而是先调用了planning技能，列出它理解的任务范围：分析现函数逻辑、确定价格计算规则、设计重构方案、编写测试用例。整个过程像是一个工程师在动手前先列工作计划。
4.2 触发技能：AI如何自己安排工作顺序
这时我发现AI并没有直接去改代码，而是先阅读了整个相关文件，包括调用这个函数的上层代码和依赖的配置。它在计划里标注了几个风险点：折扣码可能有多种类型、有些订单还叠加了会员折扣、缓存逻辑会影响计算结果。这些细节在普通对话里，AI大概率不会主动去查。
它随后把任务拆成了几个小步骤：先用调试技能分析现有逻辑，再用重构技能设计新的函数结构，接着用测试生成技能构造测试用例，最后用代码审查技能做一次自检。这个顺序是superpowers技能包设计好的流程，AI按照流程走，逻辑非常清晰。我在旁边只需要确认每一步的方向是否正确。
4.3 观察执行过程：AI在每个阶段如何干活
进入调试阶段，AI先把原函数复制到一个临时分析区域，逐行标注了每个分支的作用，并向我要了几个关键输入样例。我给了几个典型值，它就模拟执行了一遍，确认自己对当前行为的理解没有偏差。
接下来进入重构阶段，AI没有直接在原函数上改，而是把所有功能逻辑拆成两个函数：一个处理折扣计算，一个处理订单价格汇总。每个函数都设计了明确的输入输出，并且保留了原有的错误提示信息。
到了测试生成阶段，AI不仅覆盖了正常折扣码，还生成了无效折扣码、过期折扣码、折扣码叠加会员折扣、折扣后价格低于0等边界情况的测试用例。这些用例放在一起，基本堵住了大多数重构时容易出现的回归风险。
4.4 结果检查：我如何确认它没改坏东西
refactoring做完之后，我没有马上就信，先跑了一遍它生成的测试，全绿。不过这还不够，我又手动构造了几个历史订单数据，用旧函数和新函数做了对比输出，结果完全一致。这时我才放心把改动提交。
这个流程给我最大的感触是，superpowers不是让你完全放手，而是把“该有的工序”从口头要求变成了默认行为。以前的AI是“你让我做什么我就做什么”，现在的它更像是“我知道这个任务该怎么做，然后一步步做完给你看”。对于工程质量要求高的项目，这种体验差别是决定性的。
5. 常见问题与排查技巧实录
5.1 技能没有被识别：先检查目录和文件名
最常遇到的问题就是技能装完了但AI毫无反应。我排查下来的第一嫌疑永远是目录路径和SKILL.md文件名。很多工具对目录名大小写敏感，对SKILL.md这个文件名也是强校验，一旦写错，整个技能就静默失效。
你可以这样排查：先对照工具的文档，找到正确的skills路径；再进每个技能目录确认SKILL.md存在；最后用工具的命令行或日志输出看技能是否被加载。如果日志里没有记录，大概率就是路径不对，重新软链接一次就好。
5.2 权限不足：脚本执行失败
在Windows或者某些公司统一管控的电脑上，安装脚本可能因为没有执行权限而失败。报错信息里会直接出现Permission denied，这时用下面的命令加权限即可。
chmod +x install_superpowers.sh ./install_superpowers.sh如果你是手工复制，也要注意目标目录是否可写。比如Codex CLI的配置目录如果属于当前用户，一般没问题；但如果系统装了多个用户，权限归属可能混乱，需要你手动把目录所有权改回来。
5.3 和底层CLI版本不兼容：升级或锁定版本
superpowers在快速迭代，底层工具也在快速迭代，最常见的不兼容就是“安装成功但调用时提示找不到技能”。我遇到过一次Codex CLI大版本升级后，技能目录的默认位置变了，导致旧路径失效。
解决办法有两个方向：一是升级superpowers到最新版，让它适配新路径；二是锁住底层工具版本，等superpowers兼容之后再升级。我建议日常使用中不要把两边都放在“自动更新最新版”的状态，否则一旦发生不兼容，你会花掉很多时间排查。
5.4 与已有配置文件冲突：逐个技能关闭
有些用户之前已经自己写过很多prompt或者配置过其他技能，装上superpowers之后，可能出现两个技能抢同一个触发词的情况，或者AI的行为和你预期的不一致。这时候不需要卸载superpowers，只要找到冲突的技能目录，临时把那个技能移走即可。
比如你觉得AI在review时太啰嗦，想用自己的规则，那就把doing-code-review这个技能目录改名或移出skills目录。由于其他技能还在，整套流程不会受影响。这种“按需启用”的思路，比把所有技能一股脑全装进来要合理得多。
5.5 排查清单：快速定位问题
为了让你少走弯路，我整理了一份排查清单，按顺序走一遍基本能定位大多数问题。
- 检查技能目录是否存在，并且SKILL.md文件名正确
- 检查工具是否扫描到新技能，看日志或调试输出
- 检查是否重启了工具，很多工具只在启动时加载技能
- 检查底层工具版本是否支持skills机制
- 检查安装脚本是否实际执行成功，有没有被权限拦下
- 检查技能触发时用的指令是否和技能描述匹配
6. 一些使用心得和后续扩展
6.1 不要一次全量启用全部技能
我最初安装时把所有技能都保留了，结果发现AI在很多简单任务上也会去走“规划-拆解-实现-测试-审查”全流程，杀鸡用牛刀，效率反而低。后来我把场景按项目类型分开，小型脚本项目只启用debugging和generating-tests，大型业务项目才启用planning和doing-code-review。这样一来，AI在轻量任务上的响应速度明显加快，在重量任务上又不会偷工减料。
6.2 可以根据项目仓库定制自己的技能
superpowers本身是一套通用技能，但它的结构非常清楚，这意味着你可以照着它的格式写自己的技能。我在一个老项目中就新增了一个“历史代码迁移”的技能，把迁移规范和兼容性要求写在SKILL.md里，AI在接到迁移任务时会自动读取并执行。这种能力比任何固定模板都有用，因为它真正贴合了你的项目和团队规范。
6.3 生态还在扩展，值得持续关注
从Codex CLI到WorkBuddy再到Trae，越来越多AI编程工具开始支持skill机制，这本身就是个信号：未来的AI使用方式一定不是“聊天框里反复调教”，而是“标准化技能分发”。superpowers现在跑在前面，带着一套可复用的方法论，后续大概率会出现更多类似项目，或者形成更统一的技能市场。我反正是准备把这个方向持续跟下去，后面有新进展我会继续整理出来。
最后分享一个我自己的习惯：凡是新装任何技能，我都先在同一个练习项目里跑一遍全流程，不直接在重要项目上试错。练习项目代码量小、依赖少，出问题一眼就能看出来。用熟了之后再拿到正式项目，心里才有底。
