一个md文件，治好了AI乱写代码的病

27万星神项目，教AI写代码像老手

最近 GitHub 上杀出一匹黑马。

一个人维护的仓库，star 数一路干到 27 万+，冲上 Trending 直接封神。名字也很狂，就叫 superpowers——超能力。

更离谱的是，它不是什么新模型、新框架，里面的东西说白了就是一堆 Markdown 文件。

就这么"简单"的东西，凭什么？

看完你就明白了：它治的，恰恰是每个用 AI 写代码的人最头疼的病。

一、AI 写代码，缺的不是聪明，是规矩

先说个所有人都遇到过的场景👇

你让 AI 写个小功能，它二话不说上来就改代码。测试没写、旧代码没看，噼里啪啦一顿操作，改完还信誓旦旦跟你说："已完成！"

你一跑，报错。心态直接炸了。

它聪明的部分是真聪明，离谱的部分也是真离谱。根源在哪？在于模型没有"工作流程"的概念——你让它干活，它就闷头干，从来不会问：该不该这么干？标准步骤是什么？干完怎么验证？

二、Agent Skill：给 AI 的"岗位操作手册"

superpowers 提出的方案，就是最近爆火的 Agent Skill 机制。

说白了特别简单：一个文件夹 + 一个 SKILL.md。

每个技能就是一个 Markdown 文件，开头几行写清楚名字和"什么时候该用我"，正文写具体操作步骤：

--- name: test-driven-development description: 写任何代码之前，必须先写测试。   适用于新功能、修 Bug、重构。 ---  # 铁律：没有失败的测试，就不许写实现代码  ## 步骤 1. 先写一个会失败的测试，明确"什么算修好了" 2. 运行测试，确认它真的失败 3. 写最少的代码让测试通过 4. 重构，再跑一遍

关键是加载机制很聪明：平时模型只读那几行描述（几乎不占上下文），一旦任务匹配上了，才把完整手册加载进来。

按需上岗，不占编制。这就是 Agent Skill 的精髓。

三、superpowers 里都装了啥"超能力"？

打开它的 skills 目录，你会以为进了一个资深工程师的大脑：

• 🧠 brainstorming：动手之前，先把需求聊透，三种方案摆出来选
• 📋 writing-plans / executing-plans：先写计划，再按计划一步步执行
• 🔬 systematic-debugging：四阶段系统性排错，禁止"瞎猜着改"
• ✅ verification-before-completion：说"完成"之前，必须先验证，证据贴出来
• 👥 subagent-driven-development：主 AI 只当项目经理，脏活累活派给子代理

我个人最服的是"反合理化表"——它把 AI 常见的偷懒借口一条条列出来，配上"现实是什么"，直接在决策点上把投机取巧的路堵死。

这不是工具，这是把资深工程师的工作习惯，一条条写成了 AI 能读懂的 SOP。

四、为什么是它爆火？

市面上教 AI 写代码的方案一堆，凭什么这个仓库冲到 27 万星？我认为是三点：

1. 它卷的不是聪明，是"不出错"。别人都在比谁的模型更强，它在死磕流程：验证前置、测试先行、证据说话。AI 想偷懒？被制度拦住。

2. 它不绑定某一家。Claude Code、Codex、Cursor、Devin 都能装，一套技能多处复用，不被单一厂商绑架。

3. 它轻到极致。没有代码依赖，全是 Markdown，每个人都能照着写自己的技能。开源社区里，"人人可参与"永远是最大的传播加速器。

五、想试试？两行命令的事

Claude Code 用户：

/plugin marketplace add obra/superpowers /plugin install superpowers@superpowers-marketplace

装完它会用一个 using-superpowers 引导技能"接管"你的工作流：先头脑风暴、再写计划、再测试驱动地执行。第一次用你可能会不适应——它话变多了，会反复跟你确认。

但相信我，这种"啰嗦"，就是它比你自己写靠谱的原因。

写在最后

AI 编程的下半场，拼的已经不是谁的模型更聪明，而是谁的工作流更扎实。

模型能力大家迟早都差不多，但"怎么用 AI 干活"这件事，人与人之间的差距正在被拉开。27 万星的 superpowers 火的不是代码，是一种共识：AI 时代最值钱的，是把经验写成流程的能力。

你们觉得呢？评论区聊聊你被 AI 坑得最惨的一次经历👇

#AI编程#AgentSkill#GitHub#ClaudeCode#程序员#AI工具#开源项目#科技互联网