Skill 實例：用 Superpowers 給編碼 Agent 加一套工作流
介紹 obra/superpowers 這個面向編碼 Agent 的 Skill / Plugin 項目，說明它如何把需求澄清、規格設計、實現計劃和 TDD 流程變成可重用的 AI 工作流。
一、為什麼要看 Superpowers
最近我在看 Claude Skill、Codex Skill、MCP 和 Agent 工作流時，發現一個很有意思的項目：obra/superpowers。
它不是單純的提示詞合集，也不是一個普通腳手架，而是把一套軟件開發方法論包裝成 Agent 可以自動調用的 Skill / Plugin。它的核心思路是：不要讓編碼 Agent 一上來就寫代碼，而是先澄清目標、整理規格、制定實現計劃，再進入更可控的開發流程。
這點很值得參考。因為很多人用 Claude Code、Codex 或 Cursor 時，最大的問題不是模型不會寫代碼，而是模型太容易“直接開幹”。需求還沒說清楚，邊界還沒定，測試也沒準備，代碼就已經改了一大片。
Superpowers 試圖解決的，正是這個問題。
二、它大概是什麼
按照項目 README 的說法，Superpowers 是一套面向編碼 Agent 的軟件開發方法論，建立在一組可組合的 Skills 和初始化指令之上，用來確保 Agent 在合適的時候使用這些流程。
可理解為：它給 AI 編程助手加了一套“工程紀律”。
它支持的場景不只限於 Claude Code。公開資料顯示，它也面向 Codex CLI、Codex App、Gemini CLI、OpenCode、Cursor、GitHub Copilot CLI 等編碼 Agent 或開發工具提供安裝方式。
也就是說，它關注的不是某一個模型，而是“Agent 寫代碼時應該怎麼工作”。
三、Skill 在這裏扮演什麼角色
（如果還不清楚 Skill 到底是什麼，可以先看 《Skill 專題開篇：從提示詞到可重用 AI 工作流》。）
Anthropic 對 Agent Skills 的定義是：Skill 是一種模塊化能力，可以擴展 Claude 的功能；每個 Skill 會打包說明、元數據，以及可選的腳本、模板等資源，Claude 會在相關任務中自動使用。
OpenAI 對 Skills 的說法也類似：Skill 是可重用、可分享的工作流，可以告訴 ChatGPT 或 Codex 如何更穩定地完成某類任務；它可以包含說明、示例和代碼。
所以我理解的 Skill，不只是“更長的提示詞”。
更準確地說，它像一個小型工作流包：
my-skill/
├── SKILL.md
├── scripts/
├── references/
└── assets/其中：
SKILL.md通常是入口文件，包含 Skill 的說明、觸發條件和執行規則；scripts/可以放可執行腳本，用來處理重複、精確或程序化任務；references/可以放參考文檔、規範、知識庫；assets/可以放模板、示例、資源文件。
不同平台對目錄細節會有差異，但大體思路一致：把“怎麼做事”從單次對話裏抽出來，變成可以重用、可以安裝、可以組合的工作單元。
Superpowers 的價值就在這裏。它不是隻告訴模型“請認真寫代碼”，而是把“先澄清、再設計、再計劃、再實現、再驗證”這種流程寫成 Agent 能反覆遵守的結構。
四、它的工作流特點
從 README 的描述看，Superpowers 的工作流大致可以分成幾步。
1. 先問清楚目標
當 Agent 發現用戶要構建東西時，它不會馬上動手寫代碼，而是先退一步，追問用戶真正想做什麼。
這一步看起來簡單，但非常關鍵。
很多 AI 編程事故，都是因為需求沒有定清楚。模型根據自己的猜測補全了業務邏輯，最後寫出來的代碼看似完整，實際上偏離了用戶真正想要的東西。
2. 形成可閱讀的規格
在澄清需求之後，Agent 會把規格分塊展示給用戶，讓用戶能真正讀完並確認。
這比一次性生成一大段需求文檔更實用。因為規格太長時，用戶往往不會認真看；規格太短時，又容易遺漏邊界條件。
3. 制定實現計劃
用戶確認設計後，Agent 會整理一份實現計劃。項目 README 裏強調，這份計劃要足夠清楚，清楚到一個缺乏上下文的初級工程師也能照着執行。
這個標準很有啟發。
因為真正好的 AI 工作流，不是讓模型“憑感覺完成任務”，而是讓任務可以被拆解、檢查、交接和覆盤。
4. 強調 TDD、YAGNI 和 DRY
Superpowers 明確強調測試驅動開發（TDD）、YAGNI 和 DRY。
這幾個詞背後的意思是：
TDD：先寫測試，再實現功能，至少要有可驗證的反饋循環；YAGNI：不要提前實現暫時不需要的功能；DRY：不要重複寫同一套邏輯。
這對 Agent 編程尤其重要。因為模型很擅長“補很多東西”，但未必擅長判斷哪些東西現在根本不該寫。
五、它對我寫 Skill 的啟發
我覺得 Superpowers 最值得學的地方，不是某一條具體命令，而是它對 Skill 的定位。
很多人寫 Skill，容易寫成：
你是一位資深工程師，請認真分析需求，寫出高質量代碼。這當然有用，但還不夠。
更好的 Skill 應該告訴 Agent：
甚麼時候啟動這個流程；
先收集哪些信息；
甚麼情況下必須暫停確認；
如何形成規格；
如何拆分任務；
如何驗證結果；
哪些事情不要做。也就是說，Skill 不只是“角色設定”，而是“行動規範”。
對我的 AI 工作流來說，這一點很重要。比如我做網站文章生成、姓名學案例採集、命理文本整理、AI 資訊抓取時，其實都可以拆成類似結構：
輸入約束 → 信息核驗 → 結構整理 → 生成內容 → 自查規則 → 輸出文件如果這些規則每次都寫在 prompt 裏，就會很長，也很容易漏。把它們沉澱成 Skill，才更接近可重用的生產流程。
六、Skill 和 MCP 的區別
這裏也順便區分一下 Skill 和 MCP。
MCP，即 Model Context Protocol，官方文檔將它描述為一種連接 AI 應用與外部系統的開放標準。通過 MCP，Claude、ChatGPT 等 AI 應用可以連接本地文件、數據庫、搜索工具、計算器或其他工作流。
簡單說：
Skill 更像“怎么做事”；
MCP 更像“能连接什么工具和数据”。二者可以配合使用。
例如，一個“文章發佈 Skill”可以規定文章檢查、frontmatter、SEO 描述、參考來源格式；而 MCP 可以讓 Agent 訪問 GitHub、文件系統、數據庫或搜索服務。Skill 管流程，MCP 管連接能力。
這也是我現在越來越重視 Skill 的原因：MCP 解決的是工具入口問題，Skill 解決的是工作方法問題。只有工具，沒有方法，Agent 還是容易亂跑；只有方法，沒有工具，Agent 又很難真正落地執行。
七、適合借鑑，不必神化
Superpowers 很適合拿來學習，但也不需要神化。
它更像一個成熟開發者把自己的工作習慣、工程判斷和協作流程，打包成 Agent 可以執行的規範。對個人項目來說，它的價值在於提醒我們：AI 編程不是“讓模型儘快寫代碼”，而是“讓模型按可靠流程推進任務”。
如果只是寫一個很小的腳本，也許不需要這麼重的流程。但如果是長期維護的網站、自動化系統、內容生成管線、數據庫項目，類似的 Skill 思路就很有價值。
我後面如果繼續寫自己的 Skill，會更傾向於這種方向：少寫空泛口號，多寫觸發條件、輸入輸出、檢查清單、目錄結構、命令約束和失敗處理。
這才是 Skill 真正有用的地方。
常見問題
Superpowers 是什麼？
obra/superpowers 是一個面向編碼 Agent 的 Skill / Plugin 項目，它把需求澄清、規格設計、實現計劃與 TDD 等軟件開發方法論，打包成 Agent 可以自動調用的可重用工作流，核心思路是“不要讓 Agent 一上來就寫代碼”。
Superpowers 只能配 Claude Code 用嗎？
不是。按公開資料，它也面向 Codex CLI、Codex App、Gemini CLI、OpenCode、Cursor、GitHub Copilot CLI 等編碼 Agent 或開發工具提供安裝方式，關注的是“Agent 寫代碼時應該怎麼工作”，而非某一個模型。
Skill 和 MCP 有什麼區別？
Skill 更像“怎麼做事”（流程與方法），MCP（Model Context Protocol）更像“能連接什麼工具和數據”（外部連接）。二者可以配合：Skill 管流程，MCP 管連接能力。
Superpowers 的核心工作流是什麼？
大致是：先問清楚目標 → 形成用戶能讀完確認的規格 → 制定清晰到初級工程師也能照做的實現計劃 → 強調 TDD、YAGNI、DRY，讓任務可拆解、可檢查、可覆盤。
參考來源
Share