上周有个朋友跟我吐槽，说自己用 Claude 做深度调研，每次都要在提示词里写一大堆背景、要求、输出格式，换个项目又得重写一遍，烦得要死。我跟他说：你该试试 superpowers 了。他一脸疑惑地问，这是什么，游戏里的外挂吗？我说不是，它是一套让 Claude 真正拥有"干活能力"的技能系统，装上之后 AI 就不再是只会"回答问题"的聊天机器人，而是一个能走完整条工作流的执行者。
这篇文章就把我这两周折腾 superpowers 的经验完整记录下来，包括它到底是什么、怎么安装、里面有哪些 skills、具体怎么调用，以及怎么自己手写一个技能把它变成自己的私有模板。适合那些已经在用 Claude Desktop 或 Claude Code、但对"技能（Skills）"机制还一知半解的人，如果你还停留在"把提示词越写越长"的阶段，这篇文章应该能帮你打开一个新思路。
1. Superpowers不是外挂，而是一套技能系统
先说清楚一个容易被误解的点：superpowers 不是一个独立软件，不是要你装一个客户端，也不是某个平台上的会员服务。它本质上是一套开源的 Skills 技能包集合，依托 Claude 官方的 Skills 机制运行，让 AI 在遇到特定任务时自动加载对应的工作流程。
我自己第一次看到这个项目时的反应是"这不就是一堆 Markdown 模板吗"。但真正用起来才发现，它的价值完全不在模板本身，而在于把"一次性提示词"升级为"可复用、可触发、可组合的工作流模块"。
1.1 和"写提示词"的本质区别
传统玩法是：你每次跟 AI 对话，都在提示词里把规则、背景、步骤、输出格式全部现场交代清楚。写得好，AI 就能按你的要求输出；写得糙，它就自由发挥。问题是这种能力是"一次性"的——下次换个项目，你得重新写，而且每次写的质量都还不一样。
superpowers 的玩法完全不同。它把某类任务的完整执行流程写进一个叫SKILL.md的文件，放在 Claude 能扫描到的 skills 目录里。比如你装了一个"网页抓取"技能，之后只要对话里出现联网抓取内容的需求，Claude 就会自动读取这个技能文件，按照里面定义好的步骤去执行——先确认 URL 合法性，再调用抓取工具，然后清洗文本、提炼核心信息，最后按指定结构输出。
也就是说，你不需要每次重新教 AI 怎么干活，它自己知道该怎么做。这就是"技能"和"提示词"最本质的区别：提示词是"现场指挥"，技能是"事先培训"。
1.2 SKILL.md 与技能触发机制
一个技能在技术上其实就是一个文件夹，里面至少有一个SKILL.md文件。这个文件的开头有一段 YAML 格式的元信息，里面最重要的是name和description。description写得够不够精准，直接决定 AI 会不会在这个场景下调用它。
--- name: web-data-scraping description: 当用户需要从网页中提取信息、抓取特定网站内容，或对某个 URL 进行内容分析时使用。 --- # Web Data Scraping ## 执行步骤 1. 确认目标 URL 可访问 2. 调用抓取工具获取页面原始内容 3. 使用 HTML 解析提取正文 4. 去除广告、导航等噪声内容 5. 按用户需求输出结构化结果当你在对话中说出"帮我看看这个网页讲了什么"时，Claude 会先做意图匹配，发现这句话和web-data-scraping的description高度吻合，于是就会触发这个技能，整个执行流程就接管了后续对话。
这个机制是我认为 superpowers 最聪明的地方——技能的触发对用户是透明的。你不用在提示词里写"请调用某某技能"，只要需求表达清楚，模型自己会判断。当然，如果你想强制指定某个技能也是可以的，后面我会专门讲。
2. 安装与验证：先让技能在Claude里生效
安装 superpowers 的过程不复杂，但对不熟悉命令行和配置文件路径的人来说，还是有几个容易踩的坑。我把整个流程拆解成三步，每一步都写清楚"为什么要这样做"。
2.1 从零安装的三步走
第一步：获取技能包。到 GitHub 上找到 superpowers 官方仓库，把项目克隆到本地，或者直接下载 ZIP 压缩包后解压。项目本身不重，都是 Markdown 文件，几十 MB 顶天了。
git clone https://github.com/obra/superpowers.git第二步：把技能放进 Claude 的 skills 目录。这里最关键的是找对目录。Claude Desktop 在 macOS 上的配置目录通常是~/.claude/，我们需要把技能文件夹放进去，最终结构是这样的：
~/.claude/ ├── settings.json ├── skills/ │ ├── brainstorming/ │ │ └── SKILL.md │ ├── web-data-scraping/ │ │ └── SKILL.md │ └── ...如果你用的是 Claude Code，目录结构也类似，一般在项目的.claude/skills/下。你可以直接把整个仓库里的skills文件夹内容复制过去，也可以只挑自己需要的几个技能单独放。
第三步：重启 Claude 会话。这一步很多人会漏掉。技能是在对话开始前扫描加载的，所以复制完技能文件后，一定要开一个新会话，或者重启 Claude Desktop / Claude Code，新技能才会被识别。
整套流程下来大概五分钟。我第一次装的时候卡在第二步——把技能放错了目录，放到了~/.claude/根目录而不是~/.claude/skills/下，结果怎么触发都没反应，后来看了官方文档才意识到问题的关键。
2.2 验证技能是否生效
装完先别急着开干，花一分钟验证一下。
你可以直接在对话里输入：
你现在有哪些技能可以用？如果安装成功，Claude 会列出当前配置目录下能扫描到的技能列表，包括名称和作用简介。如果它回答"我没有特殊技能"或者直接报错，那大概率是目录放错了，或者技能的SKILL.md格式有问题。
另外一个更直接的验证方式：直接触发一个你确定装了的具体技能。比如装了 brainstorming，就输入"帮我头脑风暴十个 AI 编程工具的方向"，然后观察 Claude 的输出是否走了一套标准流程——先问你几个问题、再给引导、最后列方向。如果它开始按部就班地"先确认目标，再发散方向"，说明技能已经生效了。
2.3 安装中的常见坑
我把自己踩过的和在网上看别人踩过的高频坑整理了一下，放在一起说：
- 目录路径不对：不是
~/.claude/根目录，而是~/.claude/skills/下，每个技能单独一个文件夹。 - SKILL.md 编码或格式问题：YAML 头部的
---不能少，name和description字段必须存在，否则 Claude 无法解析这个技能。 - 同名技能覆盖：如果你自己写的技能和内置技能重名，Claude 可能在加载时只识别其中一个，具体表现是"技能列表里看不到",或者"调用了但表现不对"。遇到这种情况，优先检查是否有多个版本混杂。
- 版本兼容问题：老版本的 Claude 可能对 Skills 机制支持不完整，如果怎么弄都不生效，先确认你的客户端版本是否比较新。
3. Skills全景盘点：哪些场景开箱即用
很多人搜"superpowers"就是想搞清楚一件事：这里面到底有哪些 skills，值不值得装。我以官方仓库里最常见的几个方向做个分类盘点，供你参考。
3.1 创意与规划类技能
这类技能我使用频率最高，尤其适合那种"万事开头难"的场景。
- brainstorming（头脑风暴）：给你一个问题或目标，它会先帮你拆解"为什么要解决这个问题"，然后引导你发散多个方向，最后筛出值得深入的候选清单。跟直接让 AI 给十个想法相比，它最大的不同是会先跟你确认边界条件，避免收到一堆用不上的空泛点子。
- project-brief（项目简报）：把模糊的项目想法整理成结构化的项目简报，包含背景、目标、范围、干系人、风险项等。适合接新项目或者向上汇报前用。
- meeting（会议准备）：根据会议主题、参会人、时长，自动生成议程、预读材料和讨论问题列表。开重要会之前过一遍，效率提升非常明显。
3.2 信息处理类技能
这类技能本质上是在给 Claude"装手"，让它能主动获取和消化外部信息。
- web-data-scraping（网页数据抓取）：给一个 URL，它会自动抓取网页正文、去除噪声、提取关键信息。做竞品调研、跟踪新闻、整理资料时特别省事。
- pdf-reading（PDF 阅读）：处理 PDF 文档的专项技能，可以提取文本、总结章节、按需输出重点。比直接拖文件给 Claude 更稳定，尤其是扫描版或多栏排版的文档。
- fact-checking（事实核查）：给出一个陈述或文章，它会拆解其中的关键事实点，逐一标记可信度，并标注需要人工二次确认的内容。写深度文章前的必备步骤。
3.3 内容生产类技能
这类技能适合内容创作者，尤其是需要持续稳定输出的人。
- writing（写作）：这不是简单的"帮我写一篇文章"，它会先明确读者画像、核心观点、结构提纲，再分段落产出，最后做语气和逻辑一致性检查。写专栏、写公众号、写方案都能用。
- storytelling（叙事）：把一段素材或数据转化成一个有起承转合的故事。做分享、做路演、写产品文案的时候，它能帮你把平铺直叙变成有张力的表达。
需要说明的是，superpowers 的技能清单是持续更新的，我上面列的这些是相对主流、讨论度较高的。你克隆仓库后，直接看skills目录下的文件夹名，就能拿到当前的完整清单。每个技能文件夹里除了SKILL.md，往往还有references/或examples/子目录，里面有更详细的参考材料和案例，强烈建议花时间通读一遍。
4. 实战调用：怎么让Claude在对话里主动用技能
装完技能，接下来的核心问题是：怎么在日常对话里真正用起来，而不是装了等于没装。这一节我讲三种用法，按从被动到主动的顺序排列。
4.1 自动触发链路
默认情况下，技能是自动触发的。Claude 会在理解你的意图之后，比对技能库里的description，决定是否调用、调用哪个技能。这时候你要做的其实是把需求表达清楚，让模型能够准确匹配。
举个例子。你直接说"帮我看看这个网页讲了什么"并附上一个 URL，Claude 大概率会调用web-data-scraping技能；但如果你说的是"给我讲讲这个链接里提到的产品怎么样"，它就可能会判断你需要的是"观点分析"而不是"网页内容提取"，从而不触发抓取技能，转而直接用你自己的上下文知识回答。
这意味着一个技巧：如果想要特定技能被触发，就在需求描述里包含技能 description 中的关键词。你先读一遍技能的description是怎么写的，再把需求往那个方向表述，命中率会大幅提升。
4.2 强制指定技能
自动触发虽然智能，但有些场景下它就是不触发，或者触发错了。这时候你需要手动介入。
办法很简单：在对话里直接说明技能名称。比如：
请使用 brainstorming 技能，帮我分析"如何提升团队会议效率"这个话题，给出三个方向的创意清单。在我实测中，Claude 对明确技能名 + 动词的组合响应很稳定。这条命令的意图非常清楚——brainstorming是技能名，使用是动作，后面的目标主题和输出要求是参数。它不会再"自由发挥"，而是严格走技能流程。
如果遇到"说了技能名还是没触发"的情况，多半是技能名称和你装的实际不一致。回去看一眼 skills 目录里的文件夹名，以实际命名为准。
4.3 让多个技能协同工作
superpowers 另一个很爽的优势是技能可以级联使用。Claude 在对话过程中可以根据不同阶段的上下文分别触发不同的技能，形成一条完整的工作流水线。
我给你一个自己常用的串联示例。假设我要写一篇关于"远程办公效率"的文章：
- 先用
brainstorming技能把文章的角度和核心观点理出来； - 再用
web-data-scraping技能抓取 3 篇相关的研究报告作为素材； - 然后用
fact-checking技能对素材里的关键数据做一遍核查； - 最后用
writing技能把素材组织成一篇完整文章。
整个过程我只需要在对话里逐步发出需求，Claude 会在不同阶段自动切换技能，不需要我在提示词里反复强调"按照数据分析流程走""把写作流程调整成四段式"。这就是技能系统相比单条提示词的碾压性优势——一套配置，全程生效。
当然，级联使用不是次次都能完美衔接，偶尔也会出现上一个技能的输出格式不适合下一个技能作为输入的情况。我的习惯是在切换环节加一句说明，比如"把上一个步骤的结论整理成下面的输入格式"，这个细节能省下很多二次返工的力气。
5. 自己写一个Skill：把重复劳动变成可复用模板
superpowers 内置的技能再多，也不可能覆盖你所有的个性化需求。真正让它变得"顺手"的关键环节，其实是自己写技能。这一节我会把一个完整技能从零到一的编写过程讲透。
5.1 SKILL.md 的结构与编写规范
一个技能文件夹的核心只有SKILL.md一个文件，但文件内部结构是有讲究的。基本骨架如下：
--- name: skill-name description: 当用户需要……时使用，用途是……，输出格式要求…… --- # Skill Name ## 目标 说明这个技能解决什么问题，适合在什么场景下调用。 ## 执行步骤 1. 第一步要做什么 2. 第二步要做什么 3. 第三步…… ## 输出格式 说明最终结果应该以什么结构呈现，最好附带模板。 ## 注意事项 列出容易出错、需要特别提醒模型或用户的内容。这里面最关键的是description字段。模型不会"主动阅读"技能全文，它只会先看description，判断这个技能是否匹配当前需求。所以description必须写清楚"什么时候用"和"用来干什么"。
我推荐遵守三个原则：
- 触发条件前置：开头第一句就写"当用户……时使用"，让匹配逻辑一目了然。
- 动词开头写步骤：每一步都用"提取""总结""生成""检查"这类动作词开头，模型执行起来不会绕弯子。
- 保持单一职责：一个技能只干一件事。别把"写周报"和"算绩效"放进同一个技能，职责越单一，触发越精准，输出越稳定。
5.2 一份可直接抄的周报技能
直接给一个我自己写过的周报技能作参考，你可以在它的基础上改造。
--- name: weekly-report description: 当用户需要写周报、整理本周工作总结、规划下周计划时使用。用于将零散的工作记录结构化为标准周报。 --- # Weekly Report ## 目标 将用户零散的工作记录整理为条理清晰、重点突出的周报。 ## 执行步骤 1. 询问用户本周完成了哪些主要工作，包括项目进展、会议、沟通等内容 2. 让用户提供本周的关键数字或成果指标 3. 按"项目成果、日常事务、问题与风险、下周计划"四个板块整理信息 4. 用简洁的语言撰写周报正文，突出量化成果 5. 输出前检查是否遗漏下周计划 ## 输出格式 ### 本周概览 一句话总结本周整体情况 ### 本周成果 - 关键事项及对应结果 ### 问题与风险 - 当前阻碍及需要的支持 ### 下周计划 - 计划事项及优先级 ## 注意事项 - 如果用户提供的记录不足，先追问，不要自行猜测 - 数字信息务必引用用户原话中的数值把上面这段保存成一个名为weekly-report的文件夹下的SKILL.md，放入~/.claude/skills/，重启会话。之后你直接说"帮我写周报"并附上本周的记录，它就会按照这套流程执行，而且每周你都不用重新教它要怎么写。
5.3 打磨技能的三条经验
自己写完技能之后，不要指望第一版就完美。我用了两周，总结了三条打磨经验：
第一，先写最小版本。刚入门别贪多，先选一个你每周至少做两次的重复任务，用 20 分钟写个最小可用版本，跑通流程再迭代。一上来就追求"一步到位"，只会让你陷入细节而迟迟发不了第一版。
第二，通过实测修正 description。写完技能后自己用几轮，重点观察"我表达需求后模型有没有自动触发"。如果经常不触发，大概率是description里的措辞和你的表达习惯不一致。把它往你平时说话的用词上调，触发率会明显上升。
第三，把特殊案例沉淀成参考资料。技能文件夹里除了SKILL.md，还可以放examples/目录，把你遇到过的特殊输入和优质输出存下来。AI 在触发技能时会把同目录下的参考文件也纳入上下文，作为执行时的示例。这个功能被很多人忽略，但它对输出稳定性的提升非常明显。
最后说一点个人体会。superpowers 这套东西，单看任何一个技能都觉得平平无奇——无非是把流程写成文档。但真正用起来之后，你会明显感受到它改变的是你和 AI 的协作方式：从"每件事都要重新交代"变成"一句话触发一条完整工作流"。我现在最常用的流程，已经不是某一个技能，而是把几个技能串起来形成一条标准链路。装上它之后，花一天把手头重复性最高的任务写成技能，后续每个月的收益都远超这天的投入。如果你也在大量使用 Claude 处理正经工作，我非常建议尽早把这套机制用起来。
