一句话概括

一套完整的 AI 开发方法论 + 可组合 skill 集合。agent 启动后先釐清需求 → 产出 spec → 制定 TDD 计划 → 启动子 agent 分任务执行，可自主工作数小时不偏航。

解决的问题

  • AI agent 拿到任务立刻开写代码，不问"为什么要这样做"
  • 缺乏设计阶段，代码质量不稳定
  • 没有测试驱动的约束，改出 bug 不自知
  • agent 无法长时自主工作，每步都需要人工确认
  • 不同 AI 编程工具（Claude Code / Codex / Cursor）体验割裂

核心机制与工作流

完整工作流

graph LR
    A[启动 AI 编程工具] --> B[agent 主动提问需求]
    B --> C[逐步生成 spec]
    C --> D[用户确认 spec]
    D --> E[生成 TDD 实施计划]
    E --> F[用户确认启动]
    F --> G[子 agent 并行执行]
    G --> H[逐任务审查与迭代]
    H --> I{需求完成?}
    I -->|否| G
    I -->|是| J[完成交付]

核心原则

  • TDD — 真正的 Red/Green TDD，先写测试再写实现
  • YAGNI — 只做现在需要的，不做"将来可能需要的"
  • DRY — 避免重复，保持代码简洁
  • 子 agent 驱动 — 把实现拆分为小任务，交给子 agent 并行处理
  • 自动审查 — 主 agent 审查子 agent 的工作，确保不出轨

安装方式

Claude 插件市场安装（推荐）

/plugin install superpowers@claude-plugins-official

手动安装（Codex CLI / Cursor / 其他）

参考 GitHub 仓库 README 中针对各 Harness 的安装说明：

  • Claude Code
  • Codex CLI
  • Codex App
  • Factory Droid
  • Gemini CLI
  • OpenCode
  • Cursor
  • GitHub Copilot CLI

适用人群

  • 使用 Claude Code、Codex、Cursor 等 AI 编程工具的开发者
  • 希望 AI agent 能自主工作而不需要频繁人工介入的团队
  • 重视代码质量和测试覆盖率的团队

应用场景

场景 说明
全功能开发 从零开始的需求分析到交付
Bug 修复 先分析根因、设计修复方案，再实现
大型重构 拆解为小任务逐步执行，每步可审查
团队协作 一致的开发流程，降低沟通成本
自动化开发 配置好后让 agent 自主工作数小时

优缺点

优点 缺点
方法论完整，从需求到交付全覆盖 初始设置需要一些学习成本
子 agent 并行执行，效率高 depends 子 agent 执行质量
支持多种 Harness（Claude Code / Codex / Cursor） 不同 Harness 的兼容性有差异
自动审查机制防止偏离轨道 简单任务可能觉得 process 太重
社区活跃，持续更新

类似项目对比

项目 差异
OpenSpec OpenSpec 聚焦 spec → 实现 → 归档三段式，Superpowers 覆盖更完整的方法论（需求澄清 → 设计 → TDD → 子 agent 执行）
GitHub Copilot Copilot 是代码补全，Superpowers 是整个开发流程方法论
Cursor Agent Cursor Agent 是 IDE 内 agent，Superpowers 是构建在其之上的方法论

注意事项 / 坑

  • 不同 Harness 的安装方式不同，需要分别配置
  • 子 agent 自主执行需要确保有足够的 token 预算
  • 建议先在小项目上试用，熟悉流程后再放大
  • 项目配置首次设置后可持续使用

相关 Skills

  • OpenSpec — 互补搭配，Superpowers 可调用 OpenSpec 做 spec 管理
  • GitNexus — 代码理解辅助，让 spec 和重构更有依据
  • Self-Improving Agent — 记录过程中的 learnings

来源