如果你最近在折腾 Codex CLI 或者 Trae 这类 AI 编程助手大概已经发现了同一个现象同样是让 AI 写代码有的人只让它改几行小逻辑有的人却能靠它把一个需求从拆解、设计、实现到验证完整跑通。差距往往不在模型本身而在你有没有给 AI 一套“干活的方法论”。我最近一直在用的 superpowers就是干这个的——它是一套开源的 AI 编程技能包通过 GitHub 分发能装进 Codex CLI、Trae 这类工具里让 AI 从“会写代码”进化成“会按规范做事”。这篇文章我会把它的设计思路、安装过程、常用技能拆解和踩过的坑一次讲清楚想复现的人可以直接照着操作。1. superpowers 是什么给 AI 编程助手装一套“干活方法论”1.1 一个让 AI 从“会写代码”变成“会做事”的开源项目superpowers 这个名字起得很直白就是“超级能力”。它是 GitHub 上由开发者 obraJesse Vincent维护的一个开源项目仓库地址在 github.com/obra/superpowers。项目的核心思路不是做一个新的编程工具而是给现有的 AI 编程助手补充一套可以复用的“技能skills”。什么叫做技能在 superpowers 的体系里每个技能都是一个独立的目录里面包含一个核心的SKILL.md文件再加上若干示例、模板或者操作说明。这些技能文件用 Markdown 写成内容本质上是高质量的提示词和流程指导但它们比普通提示词高明在两点第一它们被组织成了可复用、可组合的模块第二它们写满了“何时触发”“按什么步骤执行”“输出什么格式”的约定让 AI 的行为变得稳定可预测。以我的理解superpowers 解决的核心问题是默认状态下的 AI 编程助手太“被动”了。你让它写一个函数它就写一个函数你让它改 bug它就凭直觉改。而 superpowers 通过技能约束强制 AI 在动手之前先进入头脑风暴、写计划、补测试、做验收这些环节像一个经验丰富的资深工程师在带新人一样。这种方式对两类人格外有价值一类刚接触 AI 编程的新手不知道该怎么给 AI 下指令经常问一句“帮我写个登录功能”就完了另一类是希望把 AI 接入团队流程的开发者希望不同成员用 AI 时能输出风格一致、质量稳定的结果。前者能从 superpowers 里学到“原来 AI 也可以按流程做事”后者能把它当成团队的默认规范。1.2 为什么选 skills 而不是直接写提示词很多人会问我自己写一套详细提示词每次复制给 AI不也能达到类似效果吗理论上可以但实际维护起来很痛苦。一套有效的提示词可能有几百行里面融合了触发条件、步骤约束、输出格式、反面案例手动复制很容易漏而且一旦团队里要共享版本管理和更新都是灾难。skills 的方式相当于把“提示词工程”做成了文件系统和命名规范。每个技能都有固定的目录结构有SKILL.md描述自己有配套的示例文件辅助理解AI 工具会在需要的时候自动加载这些技能而不是每次把全文灌进上下文。这意味着你不用在每轮对话里复制冗长的提示词AI 自己知道在什么场景翻出哪张“说明书”。另外skills 是开放格式。superpowers 只是提供了一个高质量的基础集合你完全可以把其中某个技能复制出来改一改做成自己团队专用的版本。比如我就在它的基础上增加过一个“数据库 Migration 评审”的技能专门让 AI 在改表结构之前先输出影响分析。这种可扩展性是写死在提示词里的方案完全做不到的。2. 安装前的准备环境、账号和工具选型2.1 需要准备的最小环境在动手安装之前我建议先花十分钟确认环境。以我实际测试的配置为例最小环境是一台能正常访问 GitHub 的电脑Windows、macOS、Linux 都行、装了 Git、装了 Node.js 18 以上版本。后面两条不是 superpowers 本身的要求而是 Codex CLI 的安装方式依赖 npmGit 则是用来克隆仓库的。如果你已经在用 Trae那其实连 Codex CLI 都可以先不装。Trae 本身支持 skills 机制直接把 superpowers 的技能目录复制到 Trae 的 skills 目录就能用这部分我后面会单独讲。但如果你打算在终端里用 Codex CLI那就得先保证 Node 环境没问题。这里有一个容易忽略的点磁盘路径里尽量不要有中文和空格尤其是 Windows 用户。我在一台路径带空格的开发机上遇到过 skills 加载不上的问题后来换了个干净的路径就正常了。如果你用的是 Windows强烈建议把项目克隆到类似D:\dev\这种目录下。2.2 Codex CLI 和 Trae 怎么选很多刚接触的人会纠结我到底该用 Codex CLI 还是 Trae我的建议很简单——如果你平时习惯在终端里操作喜欢轻量、纯粹的 CLI 体验选 Codex CLI如果你需要一个完整的 IDE 界面想在编辑器里直接看到代码上下文和 diff选 Trae。两者在安装 superpowers 上的区别主要是目录位置和加载机制。Codex CLI 主要通过AGENTS.md这样的项目级上下文文件来感知技能所以安装后的核心动作是把技能目录放到它能读取的位置并在上下文文件里做声明。Trae 则在设置里提供了 skills 的入口你可以在全局配置或项目配置里指定技能文件夹图形化程度更高对新手更友好。我个人的使用习惯是两边都装。终端环境里处理快速问题、批量重构、写脚本用 Codex CLI 很顺手进入正式功能开发、要在文件之间来回跳转的时候用 Trae。superpowers 在这两个环境里的表现略有差异但核心技能都能跑起来。2.3 关于 skills 加载机制的一点背景在进入实操之前还是得把加载机制讲清楚否则后面出了问题你不知道从哪里排查。简单来说支持 skills 的 AI 编程工具会在每次会话开始时扫描指定目录下的技能文件读取SKILL.md里的描述信息然后把技能的名称和应用场景告诉模型。当对话内容匹配某个技能的应用场景时模型就会主动去读取完整的SKILL.md开始按里面的步骤执行。所以能不能生效取决于两个条件第一技能文件必须放在工具能扫描到的目录里第二SKILL.md里的description写得好不好。如果description写得太泛模型可能在该触发的时候不触发写得太细又可能在无关场景误触发。superpowers 原装的技能在这方面打磨得相当成熟这也是我推荐直接用它的原因之一。3. 实操把 superpowers 安装到 Codex CLI3.1 安装 Codex CLI 并完成登录如果你选择 Codex CLI 这条路线第一步是安装工具本身。官方推荐的安装方式是 npm 全局安装命令大致是npm install -g openai/codex注意这个包名在不同时期可能有变化我建议安装前先去 OpenAI 的官方文档确认一下最新的包名和安装方式。装上之后在终端执行codex --version能正常输出版本号说明装好了。接下来需要登录账号让 CLI 能调用模型接口。登录过程一般是codex login按提示在浏览器里完成授权即可。这一步如果卡住多半是网络或账号权限问题可以先确认浏览器能正常打开授权页面。登录成功后建议先随便跑一个简单问题验证连通性比如问它“1 加 1 等于几”确认能正常返回再继续。3.2 拉取 superpowers 仓库Codex CLI 能用之后接下来就是把 superpowers 的项目代码拉到本地。我习惯把它放在自己的开发目录下统一管理git clone https://github.com/obra/superpowers.git克隆完成后进入项目目录先看一眼整体结构cd superpowers ls -la正常情况下你会看到一个典型的开源项目布局里面关键的通常是skills/目录superpowers 的各个技能就放在这里。你可以再执行ls skills/会看到一大排技能文件夹每个文件夹就是一个独立技能。这里提醒一句不同版本的 superpowers 技能数量会不一样我当前这个版本里大概有十几个常用技能后续官方肯定还会继续增加。你不需要全部用上按需复制就行。3.3 一键安装脚本和手动复制两种方式superpowers 官方提供了一键安装脚本具体的脚本名以仓库 README 为准我这边拉到的版本是install.sh。执行方式是在项目根目录下运行chmod x install.sh ./install.sh脚本会自动检测你机器上装了哪些支持的 AI 工具然后把对应的技能文件复制到正确的位置。这个过程一般不会有交互跑完会打印一段提示告诉你哪些工具已经安装好了。如果你嫌脚本自动化不够透明或者脚本不支持你用的工具完全可以手动复制。手动复制的做法也很直接先找到目标工具的技能目录。以 Codex CLI 为例比较通用的位置是~/.codex/skills/把superpowers/skills/下的技能文件夹复制过去即可。有些版本可能没有这个目录你需要自己创建一个。复制完成后最好再检查一下权限chmod -R ur ~/.codex/skills/这样做是为了避免文件只读权限不足导致技能加载失败。手动方式虽然麻烦一点但你能完全掌握每个文件去了哪里排查问题时心里更有底。3.4 在 Codex 中验证技能是否生效技能文件放好之后千万不要急着开始正经开发先花两分钟验证加载是否成功。验证方法很简单在项目目录下启动 Codex CLI直接问它你有哪些可用的技能分别用在什么场景如果配置正确它会逐个列出已加载的技能名称和用途。我这边第一次验证时发现两个技能没有被识别排查后发现是SKILL.md的文件权限不对加上chmod之后重新启动就好了。另一种验证方式更贴近实际使用挑一个你计划用到的技能手动触发它。比如直接说“请用 superpowers 的 test-driven-development 技能来规划我刚才提的需求”如果 AI 开始按 TDD 的步骤输出说明技能已经进入可用状态。这里有个经验如果在验证阶段发现某个技能没有被识别不要急着怀疑整个安装失败先检查单个技能文件的格式和路径九成问题是出在细节上。3.5 在 Trae 里安装 superpowers skill再来说说 Trae 的安装方式。Trae 的 skills 机制比较成熟安装前先在设置里确认 skills 功能已经开启。不同版本的设置入口位置不同一般在“设置”的“扩展/技能”相关页面里能找到。开启后找到全局 skills 目录通常在用户主目录下的.trae/skills/项目级则在项目根目录的.trae/skills/然后把 superpowersskills/目录下的技能文件夹复制进去。复制完成后重启 Trae 让它重新扫描技能目录。如果你用的是 Trae 的代码工作区work模式操作逻辑是一样的只是入口藏在工作区设置里。我实测下来Trae 对SKILL.md的解析兼容性不错原装技能基本开箱即用很少出现格式问题。唯一的坑是有些版本的 Trae 对技能目录的命名大小写敏感目录名统一用小写比较稳妥。4. 核心技能拆解哪些能力最值得用4.1 Brainstorming先想清楚再动手superpowers 里我最常用也最推荐的技能是 Brainstorming。它的作用是在 AI 动手写代码之前先和你一起把需求聊透。听起来很简单但实际执行起来非常有价值。触发这个技能后AI 不会再玩命地猜你想要什么而是会反过来向你提问把模糊的需求澄清出来。比如你说“我要做一个用户积分系统”它会追问积分的获取规则是什么过期策略有没有哪些行为能扣分积分和订单怎么关联这一连串问题问完很多隐藏的认知分歧就被提前暴露了。我在一个电商后台项目里用过一次原以为“积分系统”是个非常明确的需求结果聊了十分钟发现运营想要的是消费积分产品想要的是活跃积分技术想要的是可配置规则引擎。要不是 Brainstorming 提前把这些冲突点挖出来等代码写一半再改成本至少翻三倍。这个技能适合在一切新需求开始时第一个触发也适合用来评审别人提过来的含糊需求。4.2 Step-by-Step Plan把大需求拆成可执行清单Brainstorming 把需求聊清楚之后下一个顺理成章的技能就是写计划。superpowers 里的计划技能会把一个大需求拆成有依赖关系的步骤并且标注每一步的验收标准。比如我要开发一个“用户登录注册”功能它输出的计划大致是第一步设计数据表输出表结构和字段说明第二步实现注册接口验收标准是能用邮箱注册并返回 token第三步实现登录接口验收标准是密码错误时返回明确错误码第四步补充安全策略第五步写集成测试。每一步之间是顺序依赖关系上一项不过不进入下一项。这种方式对我最大的帮助是治好了“让 AI 写代码写着写着就跑偏”的毛病。没有计划的时候AI 经常在一个函数里加一堆你认为用不上的逻辑有了验收标准它的每一步都有边界。我的经验是执行计划前先用 Brainstorming 把需求和边界聊清楚再把计划技能跑一遍然后让 AI 按计划逐步执行这样产出的代码质量明显高于直接让它“开始写”。4.3 TDD让 AI 先写测试再写代码测试驱动开发TDD是 superpowers 里技术含量很高的一个技能。它的核心流程很经典先写一个失败的测试再写最简代码让测试通过最后重构。关键是superpowers 会把这一整套流程变成 AI 的执行指令而不是停留在口头建议。触发这个技能后AI 会先问清楚功能的行为定义然后自动生成测试文件。比如我让它实现一个简单的加法函数它会先生成这样的测试# test_calculator.py from calculator import add def test_add(): assert add(2, 3) 5 def test_add_negative(): assert add(-1, 1) 0然后根据测试去实现代码# calculator.py def add(a, b): return a b接着它会运行测试如果测试通过再进入重构环节。整个过程完全符合 TDD 的节奏不需要我在旁边反复督促。初期用这个技能会明显感觉开发速度变慢了因为 AI 不再直接给你最终代码而是先写一堆测试。但代码的健壮性确实上来了尤其是改需求添加新功能的时候回归测试能帮你挡掉大量低级错误。我用这个技能做一个小型工具库时覆盖率被它主动拉到了 90% 以上这在以前让 AI 直接写业务代码时是很少见的结果。如果你做的是长期维护的项目非常推荐把它当成默认开发流程。4.4 Debugging系统化排查而不是瞎猜Debugging 技能是我在线上问题救火时的首选。平时让 AI 调试代码它经常靠猜看完报错就随手改一行改完也不验证最后问题没解决反而引入了新 bug。superpowers 的 Debugging 技能走的是另一条路先复现、再假设、逐项排除、最后修复并验证。触发后AI 会先要求你提供完整的复现步骤和日志片段而不是直接问你要代码。然后它会把可能的怀疑点列成一张排查清单逐一提出验证方案。比如上次我的一个接口偶发超时它不是直接说“把连接池调大”而是先让我在测试环境压一把收集超时发生的时间分布对比数据库慢查询日志最终定位到是连接池在一个边缘参数下被占满而不是常规的网络问题。这个技能的另一个好处是它会强制 AI 在修复后写一个回归测试防止同样的问题再次出现。我自己踩过太多次“当时改好了、一个月后又复发”的坑所以现在凡是走 Debugging 技能解决的问题我都会让 AI 附带产出对应的测试用例把修复变成永久性的。4.5 Summarizing 与 Code Review 的日常价值除了上面几个重量级技能superpowers 里还有一批轻松但日常价值极高的技能比如 Summarizing 和 Code Review。Summarizing 适合开完长会、看完长文档、或者从 AI 那拿到一堆输出之后使用。触发它AI 会把冗长的内容压缩成结构化摘要保留所有关键决策和待办事项。我的用法是让 AI 阅读一份几十页的接口文档然后输出一份包含端点列表、鉴权方式、限流规则、最佳实践的摘要直接作为项目的 README 参考。这个技能对阅读 Legacy 代码也很有用先用摘要了解整个模块的职责再深入代码细节效率高很多。Code Review 技能则相当于给 AI 安装了一双“挑刺的眼睛”。我会让 AI 以资深评审者的身份检查一遍新提交的代码重点看错误处理、边界条件、性能隐患和可维护性。它输出的评审意见比我人工看一遍覆盖得还全面尤其是并发问题AI 往往能发现整段代码里隐藏的竞态条件。不过要注意AI 的意见不一定全对最终是否采纳还是要结合自己的判断这一点我是吃过亏的后面会单独说。5. 常见问题与排查技巧实录5.1 装上之后不生效先查这三处很多人在安装时遇到的第一个问题就是技能怎么也加载不出来。我把遇到过的所有案例汇总一下九成以上逃不出这三个原因。第一技能目录没找对。不同工具、不同版本技能目录的默认位置不一样复制错了位置当然扫描不到。我建议你装完之后用文件管理器或命令行确认一遍目标目录下确实存在技能文件夹并且里面确实有SKILL.md文件而不是套了一层多余的嵌套目录。第二权限不对。有时候复制是成功了但文件权限是只读的AI 工具读取失败但不报错造成“看起来没装上”的假象。给目录加ur权限能解决大多数问题。第三SKILL.md的 frontmatter 格式有问题。技能描述部分的name或description字段一旦缺失工具的解析器可能会悄悄跳过整个技能而且不给你任何报错信息。我自己的排查顺序是先重启工具再看目录和权限最后检查文件格式。大部分问题到第二步就能解决。5.2 安装阶段的高频报错速查表我把安装过程中遇到的典型问题和处理方法整理成了一张表方便你直接对照排查。现象可能原因处理方法Permission denied无法执行安装脚本脚本没有可执行权限先执行chmod x install.sh再运行技能文件复制成功但 AI 不识别目录路径不对或文件权限不足确认技能目录执行chmod -R ur后重启工具SKILL.md被跳过frontmatter 的 name/description 缺失打开文件对照模板补全字段Codex CLI 无法安装 npm 包Node 版本过低或 npm 源异常升级 Node 到 18检查 npm 配置Trae 中技能不出现skills 功能未开启或目录名大小写敏感到设置里确认开启统一用英文小写目录名Git 克隆失败或网络超时网络连通性问题或仓库访问受限换个时间段重试或检查网络连接和账号权限这里要特别强调不要在一开始就怀疑是工具的兼容性问题。我见过很多人把问题甩给“Codex CLI 不支持 skills”结果最后发现只是目录路径写错了一个字母。排错要有耐心先自己逐项排查再去看项目 issue效率最高。5.3 让团队共用同一套 superpowers 的经验如果你不是一个人用而是想让整个团队统一使用 superpowers那我要额外分享几点经验。第一把技能目录纳入 Git 管理。在项目里建一个skills/目录把团队需要用的技能放进去并在 README 里写清楚安装路径和步骤。新成员入职时照着文档五分钟就能配好不用每个人各自去克隆 superpowers 原始仓库彼此之间还可能出现版本不一致。第二鼓励团队基于原始技能做二次定制。superpowers 的技能质量很高但毕竟不是为你的业务量身定做的。比如它自带的 Code Review 技能是按通用标准写的你可以复制一份增加“必须检查数据库索引使用情况”这样的团队规则效果立刻不一样。第三定期回顾和更新。我自己的团队是每两周花半小时把最近遇到的 AI 误判案例收集起来沉淀成新的技能或者修改已有技能。比如我们发现 AI 在改动数据库表结构时经常漏评估线上数据量就专门写了一个 Migration Review 技能强制它在动表之前先输出行数估算、锁表风险、回滚方案。这套东西一旦跑起来团队对 AI 的使用方式会越来越统一产出质量也会越来越稳定。最后说一点个人体会superpowers 之所以让我觉得值得推荐不是因为它让 AI 变聪明了多少而是它把“靠谱开发者”的工作习惯变成了可复制、可传播的文件。以前这些经验只存在老程序员脑子里现在它们沉淀在 GitHub 上任何人都能装进自己的 AI 助手里。我建议你第一次使用时不用贪多先装上 Brainstorming、Step-by-Step Plan、TDD 这三个跑通一个完整的小需求感受一下“有流程”和“没流程”的差别再决定要不要深入用下去。剩下那些技能等你踩到对应的坑再打开也完全来得及。 superpowers 实战：给 AI 编程助手装一套开源干活方法论
如果你最近在折腾 Codex CLI 或者 Trae 这类 AI 编程助手大概已经发现了同一个现象同样是让 AI 写代码有的人只让它改几行小逻辑有的人却能靠它把一个需求从拆解、设计、实现到验证完整跑通。差距往往不在模型本身而在你有没有给 AI 一套“干活的方法论”。我最近一直在用的 superpowers就是干这个的——它是一套开源的 AI 编程技能包通过 GitHub 分发能装进 Codex CLI、Trae 这类工具里让 AI 从“会写代码”进化成“会按规范做事”。这篇文章我会把它的设计思路、安装过程、常用技能拆解和踩过的坑一次讲清楚想复现的人可以直接照着操作。1. superpowers 是什么给 AI 编程助手装一套“干活方法论”1.1 一个让 AI 从“会写代码”变成“会做事”的开源项目superpowers 这个名字起得很直白就是“超级能力”。它是 GitHub 上由开发者 obraJesse Vincent维护的一个开源项目仓库地址在 github.com/obra/superpowers。项目的核心思路不是做一个新的编程工具而是给现有的 AI 编程助手补充一套可以复用的“技能skills”。什么叫做技能在 superpowers 的体系里每个技能都是一个独立的目录里面包含一个核心的SKILL.md文件再加上若干示例、模板或者操作说明。这些技能文件用 Markdown 写成内容本质上是高质量的提示词和流程指导但它们比普通提示词高明在两点第一它们被组织成了可复用、可组合的模块第二它们写满了“何时触发”“按什么步骤执行”“输出什么格式”的约定让 AI 的行为变得稳定可预测。以我的理解superpowers 解决的核心问题是默认状态下的 AI 编程助手太“被动”了。你让它写一个函数它就写一个函数你让它改 bug它就凭直觉改。而 superpowers 通过技能约束强制 AI 在动手之前先进入头脑风暴、写计划、补测试、做验收这些环节像一个经验丰富的资深工程师在带新人一样。这种方式对两类人格外有价值一类刚接触 AI 编程的新手不知道该怎么给 AI 下指令经常问一句“帮我写个登录功能”就完了另一类是希望把 AI 接入团队流程的开发者希望不同成员用 AI 时能输出风格一致、质量稳定的结果。前者能从 superpowers 里学到“原来 AI 也可以按流程做事”后者能把它当成团队的默认规范。1.2 为什么选 skills 而不是直接写提示词很多人会问我自己写一套详细提示词每次复制给 AI不也能达到类似效果吗理论上可以但实际维护起来很痛苦。一套有效的提示词可能有几百行里面融合了触发条件、步骤约束、输出格式、反面案例手动复制很容易漏而且一旦团队里要共享版本管理和更新都是灾难。skills 的方式相当于把“提示词工程”做成了文件系统和命名规范。每个技能都有固定的目录结构有SKILL.md描述自己有配套的示例文件辅助理解AI 工具会在需要的时候自动加载这些技能而不是每次把全文灌进上下文。这意味着你不用在每轮对话里复制冗长的提示词AI 自己知道在什么场景翻出哪张“说明书”。另外skills 是开放格式。superpowers 只是提供了一个高质量的基础集合你完全可以把其中某个技能复制出来改一改做成自己团队专用的版本。比如我就在它的基础上增加过一个“数据库 Migration 评审”的技能专门让 AI 在改表结构之前先输出影响分析。这种可扩展性是写死在提示词里的方案完全做不到的。2. 安装前的准备环境、账号和工具选型2.1 需要准备的最小环境在动手安装之前我建议先花十分钟确认环境。以我实际测试的配置为例最小环境是一台能正常访问 GitHub 的电脑Windows、macOS、Linux 都行、装了 Git、装了 Node.js 18 以上版本。后面两条不是 superpowers 本身的要求而是 Codex CLI 的安装方式依赖 npmGit 则是用来克隆仓库的。如果你已经在用 Trae那其实连 Codex CLI 都可以先不装。Trae 本身支持 skills 机制直接把 superpowers 的技能目录复制到 Trae 的 skills 目录就能用这部分我后面会单独讲。但如果你打算在终端里用 Codex CLI那就得先保证 Node 环境没问题。这里有一个容易忽略的点磁盘路径里尽量不要有中文和空格尤其是 Windows 用户。我在一台路径带空格的开发机上遇到过 skills 加载不上的问题后来换了个干净的路径就正常了。如果你用的是 Windows强烈建议把项目克隆到类似D:\dev\这种目录下。2.2 Codex CLI 和 Trae 怎么选很多刚接触的人会纠结我到底该用 Codex CLI 还是 Trae我的建议很简单——如果你平时习惯在终端里操作喜欢轻量、纯粹的 CLI 体验选 Codex CLI如果你需要一个完整的 IDE 界面想在编辑器里直接看到代码上下文和 diff选 Trae。两者在安装 superpowers 上的区别主要是目录位置和加载机制。Codex CLI 主要通过AGENTS.md这样的项目级上下文文件来感知技能所以安装后的核心动作是把技能目录放到它能读取的位置并在上下文文件里做声明。Trae 则在设置里提供了 skills 的入口你可以在全局配置或项目配置里指定技能文件夹图形化程度更高对新手更友好。我个人的使用习惯是两边都装。终端环境里处理快速问题、批量重构、写脚本用 Codex CLI 很顺手进入正式功能开发、要在文件之间来回跳转的时候用 Trae。superpowers 在这两个环境里的表现略有差异但核心技能都能跑起来。2.3 关于 skills 加载机制的一点背景在进入实操之前还是得把加载机制讲清楚否则后面出了问题你不知道从哪里排查。简单来说支持 skills 的 AI 编程工具会在每次会话开始时扫描指定目录下的技能文件读取SKILL.md里的描述信息然后把技能的名称和应用场景告诉模型。当对话内容匹配某个技能的应用场景时模型就会主动去读取完整的SKILL.md开始按里面的步骤执行。所以能不能生效取决于两个条件第一技能文件必须放在工具能扫描到的目录里第二SKILL.md里的description写得好不好。如果description写得太泛模型可能在该触发的时候不触发写得太细又可能在无关场景误触发。superpowers 原装的技能在这方面打磨得相当成熟这也是我推荐直接用它的原因之一。3. 实操把 superpowers 安装到 Codex CLI3.1 安装 Codex CLI 并完成登录如果你选择 Codex CLI 这条路线第一步是安装工具本身。官方推荐的安装方式是 npm 全局安装命令大致是npm install -g openai/codex注意这个包名在不同时期可能有变化我建议安装前先去 OpenAI 的官方文档确认一下最新的包名和安装方式。装上之后在终端执行codex --version能正常输出版本号说明装好了。接下来需要登录账号让 CLI 能调用模型接口。登录过程一般是codex login按提示在浏览器里完成授权即可。这一步如果卡住多半是网络或账号权限问题可以先确认浏览器能正常打开授权页面。登录成功后建议先随便跑一个简单问题验证连通性比如问它“1 加 1 等于几”确认能正常返回再继续。3.2 拉取 superpowers 仓库Codex CLI 能用之后接下来就是把 superpowers 的项目代码拉到本地。我习惯把它放在自己的开发目录下统一管理git clone https://github.com/obra/superpowers.git克隆完成后进入项目目录先看一眼整体结构cd superpowers ls -la正常情况下你会看到一个典型的开源项目布局里面关键的通常是skills/目录superpowers 的各个技能就放在这里。你可以再执行ls skills/会看到一大排技能文件夹每个文件夹就是一个独立技能。这里提醒一句不同版本的 superpowers 技能数量会不一样我当前这个版本里大概有十几个常用技能后续官方肯定还会继续增加。你不需要全部用上按需复制就行。3.3 一键安装脚本和手动复制两种方式superpowers 官方提供了一键安装脚本具体的脚本名以仓库 README 为准我这边拉到的版本是install.sh。执行方式是在项目根目录下运行chmod x install.sh ./install.sh脚本会自动检测你机器上装了哪些支持的 AI 工具然后把对应的技能文件复制到正确的位置。这个过程一般不会有交互跑完会打印一段提示告诉你哪些工具已经安装好了。如果你嫌脚本自动化不够透明或者脚本不支持你用的工具完全可以手动复制。手动复制的做法也很直接先找到目标工具的技能目录。以 Codex CLI 为例比较通用的位置是~/.codex/skills/把superpowers/skills/下的技能文件夹复制过去即可。有些版本可能没有这个目录你需要自己创建一个。复制完成后最好再检查一下权限chmod -R ur ~/.codex/skills/这样做是为了避免文件只读权限不足导致技能加载失败。手动方式虽然麻烦一点但你能完全掌握每个文件去了哪里排查问题时心里更有底。3.4 在 Codex 中验证技能是否生效技能文件放好之后千万不要急着开始正经开发先花两分钟验证加载是否成功。验证方法很简单在项目目录下启动 Codex CLI直接问它你有哪些可用的技能分别用在什么场景如果配置正确它会逐个列出已加载的技能名称和用途。我这边第一次验证时发现两个技能没有被识别排查后发现是SKILL.md的文件权限不对加上chmod之后重新启动就好了。另一种验证方式更贴近实际使用挑一个你计划用到的技能手动触发它。比如直接说“请用 superpowers 的 test-driven-development 技能来规划我刚才提的需求”如果 AI 开始按 TDD 的步骤输出说明技能已经进入可用状态。这里有个经验如果在验证阶段发现某个技能没有被识别不要急着怀疑整个安装失败先检查单个技能文件的格式和路径九成问题是出在细节上。3.5 在 Trae 里安装 superpowers skill再来说说 Trae 的安装方式。Trae 的 skills 机制比较成熟安装前先在设置里确认 skills 功能已经开启。不同版本的设置入口位置不同一般在“设置”的“扩展/技能”相关页面里能找到。开启后找到全局 skills 目录通常在用户主目录下的.trae/skills/项目级则在项目根目录的.trae/skills/然后把 superpowersskills/目录下的技能文件夹复制进去。复制完成后重启 Trae 让它重新扫描技能目录。如果你用的是 Trae 的代码工作区work模式操作逻辑是一样的只是入口藏在工作区设置里。我实测下来Trae 对SKILL.md的解析兼容性不错原装技能基本开箱即用很少出现格式问题。唯一的坑是有些版本的 Trae 对技能目录的命名大小写敏感目录名统一用小写比较稳妥。4. 核心技能拆解哪些能力最值得用4.1 Brainstorming先想清楚再动手superpowers 里我最常用也最推荐的技能是 Brainstorming。它的作用是在 AI 动手写代码之前先和你一起把需求聊透。听起来很简单但实际执行起来非常有价值。触发这个技能后AI 不会再玩命地猜你想要什么而是会反过来向你提问把模糊的需求澄清出来。比如你说“我要做一个用户积分系统”它会追问积分的获取规则是什么过期策略有没有哪些行为能扣分积分和订单怎么关联这一连串问题问完很多隐藏的认知分歧就被提前暴露了。我在一个电商后台项目里用过一次原以为“积分系统”是个非常明确的需求结果聊了十分钟发现运营想要的是消费积分产品想要的是活跃积分技术想要的是可配置规则引擎。要不是 Brainstorming 提前把这些冲突点挖出来等代码写一半再改成本至少翻三倍。这个技能适合在一切新需求开始时第一个触发也适合用来评审别人提过来的含糊需求。4.2 Step-by-Step Plan把大需求拆成可执行清单Brainstorming 把需求聊清楚之后下一个顺理成章的技能就是写计划。superpowers 里的计划技能会把一个大需求拆成有依赖关系的步骤并且标注每一步的验收标准。比如我要开发一个“用户登录注册”功能它输出的计划大致是第一步设计数据表输出表结构和字段说明第二步实现注册接口验收标准是能用邮箱注册并返回 token第三步实现登录接口验收标准是密码错误时返回明确错误码第四步补充安全策略第五步写集成测试。每一步之间是顺序依赖关系上一项不过不进入下一项。这种方式对我最大的帮助是治好了“让 AI 写代码写着写着就跑偏”的毛病。没有计划的时候AI 经常在一个函数里加一堆你认为用不上的逻辑有了验收标准它的每一步都有边界。我的经验是执行计划前先用 Brainstorming 把需求和边界聊清楚再把计划技能跑一遍然后让 AI 按计划逐步执行这样产出的代码质量明显高于直接让它“开始写”。4.3 TDD让 AI 先写测试再写代码测试驱动开发TDD是 superpowers 里技术含量很高的一个技能。它的核心流程很经典先写一个失败的测试再写最简代码让测试通过最后重构。关键是superpowers 会把这一整套流程变成 AI 的执行指令而不是停留在口头建议。触发这个技能后AI 会先问清楚功能的行为定义然后自动生成测试文件。比如我让它实现一个简单的加法函数它会先生成这样的测试# test_calculator.py from calculator import add def test_add(): assert add(2, 3) 5 def test_add_negative(): assert add(-1, 1) 0然后根据测试去实现代码# calculator.py def add(a, b): return a b接着它会运行测试如果测试通过再进入重构环节。整个过程完全符合 TDD 的节奏不需要我在旁边反复督促。初期用这个技能会明显感觉开发速度变慢了因为 AI 不再直接给你最终代码而是先写一堆测试。但代码的健壮性确实上来了尤其是改需求添加新功能的时候回归测试能帮你挡掉大量低级错误。我用这个技能做一个小型工具库时覆盖率被它主动拉到了 90% 以上这在以前让 AI 直接写业务代码时是很少见的结果。如果你做的是长期维护的项目非常推荐把它当成默认开发流程。4.4 Debugging系统化排查而不是瞎猜Debugging 技能是我在线上问题救火时的首选。平时让 AI 调试代码它经常靠猜看完报错就随手改一行改完也不验证最后问题没解决反而引入了新 bug。superpowers 的 Debugging 技能走的是另一条路先复现、再假设、逐项排除、最后修复并验证。触发后AI 会先要求你提供完整的复现步骤和日志片段而不是直接问你要代码。然后它会把可能的怀疑点列成一张排查清单逐一提出验证方案。比如上次我的一个接口偶发超时它不是直接说“把连接池调大”而是先让我在测试环境压一把收集超时发生的时间分布对比数据库慢查询日志最终定位到是连接池在一个边缘参数下被占满而不是常规的网络问题。这个技能的另一个好处是它会强制 AI 在修复后写一个回归测试防止同样的问题再次出现。我自己踩过太多次“当时改好了、一个月后又复发”的坑所以现在凡是走 Debugging 技能解决的问题我都会让 AI 附带产出对应的测试用例把修复变成永久性的。4.5 Summarizing 与 Code Review 的日常价值除了上面几个重量级技能superpowers 里还有一批轻松但日常价值极高的技能比如 Summarizing 和 Code Review。Summarizing 适合开完长会、看完长文档、或者从 AI 那拿到一堆输出之后使用。触发它AI 会把冗长的内容压缩成结构化摘要保留所有关键决策和待办事项。我的用法是让 AI 阅读一份几十页的接口文档然后输出一份包含端点列表、鉴权方式、限流规则、最佳实践的摘要直接作为项目的 README 参考。这个技能对阅读 Legacy 代码也很有用先用摘要了解整个模块的职责再深入代码细节效率高很多。Code Review 技能则相当于给 AI 安装了一双“挑刺的眼睛”。我会让 AI 以资深评审者的身份检查一遍新提交的代码重点看错误处理、边界条件、性能隐患和可维护性。它输出的评审意见比我人工看一遍覆盖得还全面尤其是并发问题AI 往往能发现整段代码里隐藏的竞态条件。不过要注意AI 的意见不一定全对最终是否采纳还是要结合自己的判断这一点我是吃过亏的后面会单独说。5. 常见问题与排查技巧实录5.1 装上之后不生效先查这三处很多人在安装时遇到的第一个问题就是技能怎么也加载不出来。我把遇到过的所有案例汇总一下九成以上逃不出这三个原因。第一技能目录没找对。不同工具、不同版本技能目录的默认位置不一样复制错了位置当然扫描不到。我建议你装完之后用文件管理器或命令行确认一遍目标目录下确实存在技能文件夹并且里面确实有SKILL.md文件而不是套了一层多余的嵌套目录。第二权限不对。有时候复制是成功了但文件权限是只读的AI 工具读取失败但不报错造成“看起来没装上”的假象。给目录加ur权限能解决大多数问题。第三SKILL.md的 frontmatter 格式有问题。技能描述部分的name或description字段一旦缺失工具的解析器可能会悄悄跳过整个技能而且不给你任何报错信息。我自己的排查顺序是先重启工具再看目录和权限最后检查文件格式。大部分问题到第二步就能解决。5.2 安装阶段的高频报错速查表我把安装过程中遇到的典型问题和处理方法整理成了一张表方便你直接对照排查。现象可能原因处理方法Permission denied无法执行安装脚本脚本没有可执行权限先执行chmod x install.sh再运行技能文件复制成功但 AI 不识别目录路径不对或文件权限不足确认技能目录执行chmod -R ur后重启工具SKILL.md被跳过frontmatter 的 name/description 缺失打开文件对照模板补全字段Codex CLI 无法安装 npm 包Node 版本过低或 npm 源异常升级 Node 到 18检查 npm 配置Trae 中技能不出现skills 功能未开启或目录名大小写敏感到设置里确认开启统一用英文小写目录名Git 克隆失败或网络超时网络连通性问题或仓库访问受限换个时间段重试或检查网络连接和账号权限这里要特别强调不要在一开始就怀疑是工具的兼容性问题。我见过很多人把问题甩给“Codex CLI 不支持 skills”结果最后发现只是目录路径写错了一个字母。排错要有耐心先自己逐项排查再去看项目 issue效率最高。5.3 让团队共用同一套 superpowers 的经验如果你不是一个人用而是想让整个团队统一使用 superpowers那我要额外分享几点经验。第一把技能目录纳入 Git 管理。在项目里建一个skills/目录把团队需要用的技能放进去并在 README 里写清楚安装路径和步骤。新成员入职时照着文档五分钟就能配好不用每个人各自去克隆 superpowers 原始仓库彼此之间还可能出现版本不一致。第二鼓励团队基于原始技能做二次定制。superpowers 的技能质量很高但毕竟不是为你的业务量身定做的。比如它自带的 Code Review 技能是按通用标准写的你可以复制一份增加“必须检查数据库索引使用情况”这样的团队规则效果立刻不一样。第三定期回顾和更新。我自己的团队是每两周花半小时把最近遇到的 AI 误判案例收集起来沉淀成新的技能或者修改已有技能。比如我们发现 AI 在改动数据库表结构时经常漏评估线上数据量就专门写了一个 Migration Review 技能强制它在动表之前先输出行数估算、锁表风险、回滚方案。这套东西一旦跑起来团队对 AI 的使用方式会越来越统一产出质量也会越来越稳定。最后说一点个人体会superpowers 之所以让我觉得值得推荐不是因为它让 AI 变聪明了多少而是它把“靠谱开发者”的工作习惯变成了可复制、可传播的文件。以前这些经验只存在老程序员脑子里现在它们沉淀在 GitHub 上任何人都能装进自己的 AI 助手里。我建议你第一次使用时不用贪多先装上 Brainstorming、Step-by-Step Plan、TDD 这三个跑通一个完整的小需求感受一下“有流程”和“没流程”的差别再决定要不要深入用下去。剩下那些技能等你踩到对应的坑再打开也完全来得及。