让 AI 写代码前先做设计的框架，在 Github 上快二十万 star 了，可能有些朋友已经知道了。

闫蕊芝

让 AI 写代码前先做设计的框架，在 Github 上快二十万 star 了，可能有些朋友已经知道了。专门再分享给还没看过的朋友。这个影响力挺大的，也是一个启发。


GitHub 上有一个 AI 编程工具项目最近涨得很快，叫 Superpowers。做的事情一句话讲清楚：给 AI 编程工具装上一套完整的软件工程流程，让 AI 写代码之前必须先讨论需求、做设计、列计划，然后按测试驱动的方式一步一步写，不许上来就动手。

做这个的人叫 Jesse Vincent，GitHub 上的 ID 是 obra。在开源圈不算新人，Android 上那个用了很多年的邮件客户端 K-9 Mail 就是他写的。现在他创办了一家叫 Prime Radiant 的公司，专门做 AI 工程工具。Simon Willison（做 llm 命令行工具的那位资深开发者）曾评价他是「最有创造力的 AI 编程工具使用者之一」。

截至这周，仓库接近二十万颗 star，一万七千多个 fork。

这个框架跟 GitHub 上另一个很火的 AI 编程项目 Matt Pocock 的 skills 不太一样。Pocock 的是个人工程习惯的集合，一条条单独用，只在 Claude Code 里跑。Superpowers 是一套完整的开发方法论，有一条从需求到交付的固定流水线，而且不只支持 Claude Code，Cursor、GitHub Copilot、Gemini CLI、Codex 都能装。

它的工作流程是这样的。

第一步，头脑风暴。你告诉 AI 要做什么，AI 不会马上写代码，而是用提问的方式跟你反复确认：你真正想要的是什么？有没有边界情况没考虑到？有没有更简单的方案？这一步的目的是逼你在动手之前把需求想清楚。

第二步，做计划。需求确认之后，AI 会把任务拆成一个个两到五分钟能完成的小块，每块写清楚要改什么文件、预期输出是什么。这个计划要你看过点头才能往下走。

第三步，测试驱动实现。每个小块按「先写测试、再写代码、最后重构」的经典循环来。不是 AI 自己觉得写完了就算完，而是测试通过了才算完。

第四步，并行子 agent。这是这个框架比较独特的设计。它用 git worktree（一种让同一个代码仓库同时开多个独立工作目录的功能）给每个子任务开一个隔离的工作空间，然后派一个新的 AI 去那个空间里干活。多个 AI 可以同时跑不同的任务，互不干扰。干完之后过两轮审查：第一轮检查是否符合设计，第二轮检查代码质量。

除了这条主线，还有一些辅助技能：四阶段结构化排错、代码审查的请求和接收流程（有标准清单）、分支管理（什么时候合并、什么时候开 PR），以及一个「写新技能」的元技能，你可以按它的格式给自己团队定制新的 skill。

装的话看你用什么工具。Claude Code 里一行命令：

/plugin install superpowers@claude-plugins-official

Cursor 和 Copilot 也各有安装方式，文档里都列了。

说实话，这种重方法论的框架有一个明显的取舍：流程越完整，每个任务的启动成本越高。如果你就想让 AI 快速改个小 bug 或加个简单功能，走完头脑风暴、计划、测试驱动一整套流程有点大材小用。它更适合中等以上复杂度的开发任务——需要拆分、需要设计、需要多步验证的那种。

小任务用轻量的单条 skill（比如 Matt Pocock 的 /diagnose 或 /tdd），大任务用 Superpowers 这种全流程框架，搭配着来大概是比较合理的用法。

项目放在 GitHub 上，作者 obra，仓库名 superpowers。