Superpowers 是什么？
AI Coding 的下半场不是 更强的模型，而是更难违反的流程。
- Superpowers 是什么：一套 Claude Code 插件，注入 14 个 skill，强制 5 阶段不可绕过流程。
- TDD 硬约束：RED-GREEN-REFACTOR 循环被写进 skill 代码，测试必须先失败才能写实现。
- 官方收编信号：Anthropic 一月将其纳入官方插件市场——承认纯灵活无法规模化。
- 数据说话：任务完成率 62% → 89%，token 消耗增加 37%。
- 版本化管理：skill 是文本文件，可 git 提交、code review——团队第一次能把 AI 写代码的规矩版本化。
- 动态 vs 静态：相比 .cursorrules 和 CLAUDE.md，skill 按任务状态精确触发，不打扰无关流程。
- 一句话记住：把规则写进 skill 代码，不是 prompt 里。
问题：模型太聪明，也太爱跳步
用过 Claude Code 的人都有这种体验：你说"先分析再动手"，它回"好的"，然后直接开始写代码。你让它写测试，它写个 assert(true) 糊弄你。你说"定位根因再修"，它扫一眼日志就开始改文件。
不是模型能力不够，是它太急于给你结果。就像一个聪明但毛躁的实习生，你每句话它都点头，转头还是按自己的节奏来。
这个问题用 prompt 解决不了。你在 CLAUDE.md 里写"请先做需求澄清"，Claude 读完表示理解，然后该怎么跳步还是怎么跳步。prompt 是建议，不是约束。
Superpowers 的解法简单粗暴：不相信模型的自觉，用代码锁死执行路径。
Superpowers 是什么
Superpowers 是 Jesse Vincent（GitHub: obra）开源的一套 Claude Code 插件，安装后向 Claude Code 注入 14 个 skill。核心是强制一个 5 阶段流程：
每个阶段对应一个或多个可执行的 skill，不是"提示词大全"，而是工作流模块。举几个关键 skill：
- brainstorming：强制 Socratic 式提问，把模糊需求磨清楚才能进入下一阶段
- test-driven-development：检测到实现代码先于测试时直接阻塞，必须走 RED → GREEN → REFACTOR
- subagent-driven-development：把大任务拆给并行子 Agent，内建 code review 环节
- systematic-debugging：4 阶段根因分析完成后才允许动手修
- using-git-worktrees：强制隔离实验分支，不污染主工作区
对一个资深工程师，这些是肌肉记忆。对 AI Agent，过去是"可选的 prompt"，现在是 skill 代码层的硬约束。区别在于：prompt 可以被模型绕过去，skill 代码不行。
官方收编意味着什么
2026 年 1 月，Anthropic 把 Superpowers 放进了 Claude Code 官方插件市场。这件事的信号意义比技术本身更大。
Claude Code 原本定位是"灵活、低约束的终端 Agent"。接纳 Superpowers 等同于承认：纯灵活没法规模化，必须给开发者提供开箱即用的工程纪律。
对比三条路线很有意思：
| 工具 | 方法论实现方式 |
|---|---|
| Claude Code + Superpowers | 开源插件 + 官方市场，最轻、最易扩展 |
| Cursor Composer 2 | RL 训练把方法论内化到模型 |
| GitHub Copilot | IDE 按钮约束用户行为 |
Claude Code 选了最轻的路线——方法论不靠训练、不靠 UI 限制，靠可复用的 skill 文件。这意味着社区可以自己造方法论，不用等厂商更新。
两个关键数据
Jesse Vincent 在自己的博客里给了一组数字：
- 任务完成率：62% → 89%
- Token 消耗：增加 37%
Superpowers 让每个任务前面多了 2-5 分钟的"规划 thinking"，但省下的是反复返工。这个 tradeoff 对大多数实际项目是划算的——修一个上线后的 bug 比多想两分钟贵得多。
注意：89% 不是"模型变强了"，是"流程兜住了模型的短板"。
为什么 skill 比 rules file 有用
.cursorrules 是静态规则。CLAUDE.md 也是。你写一条"请先分析再编码"，模型在任何时候都能看到，但什么时候该遵守完全靠模型自觉。
Superpowers 的 skill 是动态的。TDD skill 只在开始写新函数时触发，不会在你重构已有代码时跳出来捣乱。systematic-debugging 只在检测到 bug 相关操作时才介入。
这是 rules file 做不到的细粒度控制。本质区别：
- Rules file：贴在墙上的标语，看不看随你
- Skill：门禁系统，不刷卡进不去
同一时间还有两个类似项目：GSD（Getting Shit Done）框架主打轻量级计划—执行—验证三步走；gstack 主打 git-centric 工作流。三者的共同底层信念：不再相信模型会自觉做对。这是 2026 年 Q2 AI Coding 最大的叙事转向。
实操建议
如果你已经在用 Claude Code 并且经常遇到 Agent"没澄清就动手""测试写得敷衍""不做根因分析"等问题：
claude /plugin install superpowers@claude-plugins-official
如果你用 Cursor 或 Copilot，可以先读 Jesse Vincent 的方法论博客，把 5 阶段流程的思路移植过去——这些原则是跨工具的。
一句话记住：AI Coding 的下半场不是"更强的模型"，而是"更难违反的流程"——把规则写进 skill 代码，而不是 prompt 里。
References
- Superpowers GitHub —— Jesse Vincent
- Claude Code 插件生态与 Superpowers 深入分析