最近在GitHub上发现了一个很有意思的项目：obra/superpowers，上线不久就拿下了20万星。它的创作者是鼎鼎大名的Jesse Vincent（Perl之父、GitHub前CEO），这个项目解决的问题很简单却很有价值——
让AI编程不再是"上来就写代码"的蛮干，而是先理解需求、先做设计、先做计划。
这听起来很基础，但真正做过AI编程的朋友都知道：AI最擅长的就是把东西做对，但很难确保在做对的事。Superpowers就是来解决这个问题的。
一、7步工作流：像资深工程师一样做开发
Superpowers的核心是一套7步软件开发工作流，每一步都有明确的产出物和验收标准：
| 步骤 | 名称 | 核心动作 |
|---|---|---|
| 1 | 头脑风暴 | AI通过苏格拉底式提问精炼需求，输出设计文档供你确认 |
| 2 | 隔离工作空间 | 自动创建独立Git分支 + 测试基线验证 |
| 3 | 制定计划 | 将任务拆解为2-5分钟的原子任务，每个包含精确文件路径+完整代码+验证步骤 |
| 4 | 子代理驱动开发 | 每个原子任务派发独立子代理执行，两阶段审查（规格合规→代码质量） |
| 5 | 测试驱动开发 | 强制RED-GREEN-REFACTOR循环：先写失败测试→最小实现→通过→提交 |
| 6 | 代码审查 | 任务间自动审查，按严重程度报告问题，严重问题阻断进度 |
| 7 | 收尾分支 | 验证测试，提供merge/PR/保留/丢弃选项 |
这7步的精髓是：AI不是上来就写代码，而是先确认"做的是什么"，再确认"怎么拆解"，最后才是执行。
二、子代理驱动开发：大任务拆成"原子任务"
Superpowers最让我眼前一亮的设计是子代理驱动开发。
它把一个大任务拆解成多个2-5分钟的原子任务，每个原子任务派发给一个独立的子代理去执行。执行完之后，再做两阶段审查：
- 规格合规审查：这段代码是否真的实现了需求？
- 代码质量审查：代码是否安全、可维护？
这样做的好处是：每个子代理的任务足够小，失败成本低，而且可以并行执行大幅提速。一旦某个任务出问题，也能快速定位到具体是哪个环节。
三、强制TDD：先写测试，再写代码
Superpowers内置了强制TDD（测试驱动开发）流程：
- 先写一个会失败的测试（RED）
- 写最小化的代码让测试通过（GREEN）
- 重构优化代码（REFACTOR）
- 提交
这个理念在AI编程中尤为重要：AI容易"过度发挥"，写出很多不必要的东西。TDD强制AI只在测试的约束下写代码，减少了"AI幻觉"带来的风险。
四、支持8种主流AI编程工具
Superpowers不是某一款工具的插件，而是一套通用框架，目前支持：
Claude Code、Codex CLI、Codex App、Factory Droid、Gemini CLI、OpenCode、Cursor、GitHub Copilot CLI
也就是说，无论你用哪款主流AI编程工具，都可以接入这套方法论。
五、这个项目给我最大的启发
Superpowers最核心的哲学是四个字：先Spec后代码（Spec Before Code）。
这听起来是老生常谈，但在AI编程时代，这个原则变得前所未有的重要。AI擅长执行，但不擅长战略。如果不给AI一个清晰的"Spec"（规格说明），它很可能会在错误的方向上做大量正确的工作——听起来很忙，但产出没有价值。
Superpowers把"先Spec后代码"变成了一个可自动化执行的工作流，让AI在写代码之前必须先做：
- 需求澄清（brainstorming）
- 设计确认（writing-plans）
- 测试先行（TDD）
这本质上是在给AI编程增加"减速带"——让它慢一点、想清楚再动手。
结语
obra/superpowers不是一个代码工具，而是一套AI时代的软件开发方法论。它解决的不是"AI怎么写代码"的问题，而是"AI怎么先做对的事，再把事做对"的问题。
如果你在用Claude Code、Cursor或其他AI编程工具，强烈建议去GitHub看看这个项目。它可能会改变你使用AI编程工具的方式。
项目地址：https://github.com/obra/superpowers