企业官网建设流程全解析

如果你最近在折腾AI编程工具，大概率听过“superpowers”这个词。它不是什么超能力插件，而是一套专门给AI编码助手用的“技能包”（skills），可以装进Codex CLI、Claude Code、WorkBuddy、Trae这类工具里，让AI从“会写代码”变成“会做项目”。

这东西解决的是一个特别具体的问题：你用AI写个函数、查个bug，它很利索；但一旦你说“帮我把这个项目规划一下”，它很容易开始瞎编——方案空洞、步骤跳跃、动不动就自作主张。Superpowers做的事情，就是把软件工程里那些成熟的方法论（头脑风暴、系统设计、TDD、系统化调试、代码审查），编码成一份份AI能照着执行的操作手册。AI读完这些手册，就不再是凭感觉回答，而是按流程走：先问清楚需求，再给方案，再写实现，最后自查。

这篇文章我会从安装、配置、实际玩法到常见坑，完整过一遍。无论你用的是Codex CLI还是WorkBuddy、Trae，都能找到对应的操作路径。

1. Superpowers到底是什么：一套给AI编码助手的“职业素养”技能包

1.1 从一次失败的AI结对编程说起

先讲个我自己的经历。几个月前我想让Codex CLI帮我重构一个老模块，当时的对话大概是这样的：“帮我看看这个服务层的代码，提一下优化建议。”结果它列了七八条泛泛的建议，比如“提取公共接口”“增加错误处理”，听起来都对，但根本没法落地，因为它没问过我业务约束、没看过调用方、也没确认过兼容性要求。

后来我才意识到，问题不在模型能力，而在工作方式。AI被训练成“你问我答”，但它没有一套内化的工程流程——什么时候该问问题、什么时候该做设计、什么时候该写测试、什么时候该停下来让用户确认。它更像一个知识渊博但缺乏经验的实习生，你问什么它答什么，你不说它就不做。

Superpowers就是冲着这个痛点来的。它的核心是把“一位资深工程师接到一个任务后，会按什么顺序做什么事”这条路径，拆成一个个独立的技能文件，每个文件里写清楚：触发条件、执行步骤、输出格式、检查清单。AI只要被引导去读这个文件，它就会老老实实按流程执行，而不是自由发挥。

1.2 skills机制：为什么单独的提示词不够用

你可能想，那我写一段很长的prompt不就行了？比如“你是一位资深架构师，请先问需求，再画架构图，再列计划……”。短期看有效，但问题很明显：

• 提示词太长会占用上下文窗口，影响后续对话质量。
• 每次新开会话都要重新贴一遍，麻烦且容易出错。
• 提示词里的流程是“一次性”的，没有沉淀和迭代。

Superpowers用的是“技能文件”机制，本质上是把工程方法论沉淀成仓库里的一个个Markdown文件，按目录组织、按需加载。AI在工作时不是一次性把整个技能库塞进上下文，而是通过类似AGENTS.md的索引文件，知道“有这些技能可用”，然后在真正需要的时候，才去读取某一个具体技能文件的完整内容。

这就好比一个工具箱。你不用把扳手、螺丝刀、电钻全攥在手里，你只需要知道工具箱里有什么，然后拿当下需要的那个。这个设计让技能包可以做得很厚，又不会拖慢日常对话。

1.3 安装后你到底获得了什么

装好superpowers并正确配置后，你的AI编码助手会额外具备这样几类“岗位能力”：

• 需求澄清：在动手前，像产品经理一样把边界、用户场景、验收标准问清楚。
• 系统设计：产出结构化的技术方案，包含模块划分、数据模型、接口设计、风险点。
• 计划拆解：把一个大目标拆成可执行的小任务，并标注依赖顺序。
• 测试驱动开发：坚持“先写失败测试、再写实现、再重构”的节奏。
• 系统化调试：出现bug时，不再盲目改代码，而是先建立假设、再定位、再修、再验证。
• 代码审查：从正确性、可维护性、性能等维度给出一份有依据的评审意见。

如果你跟AI协作时最头疼的就是“它太着急写代码”，那这套技能包会是一个很好的矫正器。

2. 安装与初始化：让Codex CLI、WorkBuddy、Trae都能跑起来

2.1 安装前的环境准备

虽然不同工具的安装路径略有差异，但有几个前置条件是通用的：

• 本机装了Git，能正常访问GitHub。superpowers本身是开源仓库，需要通过git clone拉到本地。
• 目标AI工具已经跑通。建议先在一个空目录里测试Codex CLI或Claude Code能正常对话，再装技能包，否则出了问题不好排查。
• 确认工具版本别太旧。Codex CLI、WorkBuddy这类工具迭代很快，skills加载机制在不同版本里改过好几次，尽量用最近一两个月的版本。

我的习惯是单独建一个目录做测试，比如~/projects/superpowers-demo，里面放一个最小化的项目文件，再装技能包。这样就算配置出问题，也不会污染正在干活的正式项目。

2.2 拉取并部署superpowers技能包

安装的第一步是把superpowers仓库克隆到本地：

git clone https://github.com/obra/superpowers.git cd superpowers

进入仓库后你会看到skills/目录，里面按功能分好了子目录：project-management/、code-review/、writing-plans/、dependency-migration/等等。每个子目录下的Markdown文件，就是一个个具体的技能。

部署方式跟具体工具强相关，但思路是一致的：把skills目录里的内容，复制到你的AI工具能找到的位置。常见的几种放法：

• 项目级位置：把skills目录直接放到你的项目根目录下，比如.codex/skills/或.claude/skills/，这样只有当前项目能用。
• 用户级位置：放到~/.codex/skills/或~/.claude/skills/，这样全局的所有项目都能识别。

我在实际使用中更推荐项目级放置。原因有两个：一是不同项目需要的技能不同，全局装了反而增加AI误读文件列表的噪音；二是技能文件偶尔需要针对项目做定制，放在项目里改起来方便。

2.3 在Codex CLI中注册superpowers

Codex CLI（OpenAI的命令行编程工具）是这波AI编程工具里比较早支持skills机制的之一。它的配置核心是项目根目录下的AGENTS.md文件。

如果你打开superpowers仓库的AGENTS.md，会看到里面写了类似这样的索引信息：

# Superpowers This project provides coding skills as markdown files. ## Skills ### Project Management - brainstorming: skills/project-management/01-brainstorm.md - system design: skills/project-management/02-system-design.md - test driven development: skills/project-management/03-test-driven-development.md - systematic debugging: skills/project-management/04-debugging.md

Codex CLI在每次对话开始时，会读取AGENTS.md作为系统上下文。这样AI就知道“这些技能存在于哪些路径”，当你在对话中说“请用brainstorm技能”时，它就能找到对应文件并读取完整内容。

部署到Codex CLI的操作可以这样：

# 在你的项目目录下 mkdir -p .codex cp -r /path/to/superpowers/skills .codex/skills cp /path/to/superpowers/AGENTS.md ./AGENTS.md

然后打开AGENTS.md，把里面的sperpowers/skills/...路径改成实际路径.codex/skills/...。路径写错是新手最常见的坑——AI会告诉你“找不到这个技能”，排查半天发现只是路径前缀对不上。

2.4 在WorkBuddy和Trae中的安装差异

WorkBuddy和Trae这类工具更偏向IDE集成，安装方式会更“图形化”一些。

WorkBuddy通常提供了技能管理界面，你可以直接把superpowers的skills目录导入。如果它是CLI工具，记住一个高频命令：workbuddy install skill superpowers。这个命令会自动从仓库拉取技能包并放到正确位置。装好后，你可以在技能列表里看到superpowers的各个子技能，并且能勾选启用哪些。

Trae这边，社区里常见的是通过“导入skill”的方式。你可以把superpowers仓库里某个技能文件的内容复制到Trae的skills配置区，或者如果Trae支持目录导入，直接把整个skills目录拖进去即可。

这里要提醒一点：这些IDE类工具的skills机制和Codex CLI的AGENTS.md加载方式不是完全兼容的，有的工具会自动读取技能文件目录，有的还需要你在配置里手动声明。装完一定要先跑一个最简单的技能（比如让AI读01-brainstorm.md并复述它的步骤），确认能不能正常响应，再进入正式使用。

3. 核心技能逐一拆解：项目管理、系统设计、调试与代码审查

3.1 头脑风暴与项目启动：用结构化提问框住需求

01-brainstorm.md是我用得最多的一个技能，它的价值在于“逼着AI先问问题”。

默认情况下，你跟AI说“帮我设计一个任务管理App”，它通常会直接甩给你一个信息架构、几个核心表、几个接口，看着挺完整，但很多假设是它自己脑补出来的：用户是C端还是B端？需不需要多人协作？数据量级多大？有没有离线场景？

触发brainstorm技能后，AI的行为会明显变化。它会先输出这样一段话：

“在开始设计之前，我需要确认几个关键问题：1. 这个App的核心用户是谁，解决他们什么问题？2. 你期望的最小可用版本包含哪几个功能？3. 用户数据是本地存储还是需要云端同步？……”

它会一个问题一个问题地问，而不是一次性抛出十个问题让用户答。每答完一个，它还会追问一句“还有别的约束吗”。这种方式看起来很慢，但它能极大减少返工。我在实际项目里用下来，一个中等规模功能的需求澄清大概花10-15分钟，但后面设计方案几乎没推倒重来过。

这个技能的使用方式是在对话里输入：

请使用superpowers的brainstorm技能，我们来讨论一下这个新功能的需求。

AI会读取文件，然后按流程走。

3.2 系统设计：从一张空白页到可落地的技术方案

需求澄清之后，下一步通常是02-system-design.md。

这个技能的含金量在于它会要求AI输出包含多个固定章节的设计文档，而不是零散的回答。文档结构大致是：

• 背景与目标
• 非目标（明确不做什么）
• 架构选型与理由
• 模块划分与职责
• 数据模型设计
• 接口设计
• 错误处理与边界情况
• 部署与监控要点
• 风险清单

为什么非目标这么重要？因为绝大多数AI生成的设计方案，问题不在“做了什么”，而在“什么都想做”。如果没有明确非目标，AI会把分布式缓存、消息队列、微服务拆分全给你加上，哪怕你只是要一个日活几百的小工具。

我要提醒的是：02-system-design.md这个技能产出的是一份很长的文档，读起来会比较耗时。建议不要让它一口气全写出来，而是分章节输出。你可以说“先写背景与目标，确认没问题再写数据模型”，这样每轮对话更聚焦，你也能在每个关键决策点上及时干预。

3.3 系统化调试：不要再让AI瞎猜bug

04-debugging.md是我认为最值得装的一个技能，没有之一。

你有没有遇到过这种情况：把报错信息丢给AI，它第一反应是“这可能是因为XX，试着改成XX”。这种建议有时候管用，但更多时候是在猜。猜中了算运气，猜不中就是来回试错，浪费大量tokens和时间。

systematic debugging技能要求AI按经典的五步调试法走：

1. 复现问题，确认稳定的触发路径。
2. 提出假设，列出所有可能原因并排序。
3. 用最小实验验证当前假设，缩小排查范围。
4. 定位并修复根因，而不是修表面症状。
5. 验证修复，然后补充回归测试，防止问题复发。

触发这个技能后，AI拿到一个bug时，会先说“我先尝试复现”，然后让你提供更多上下文，比如完整的调用链、相关日志、最近的代码改动。如果你给的线索不足，它不会随便给建议，而是会明确告诉你“目前信息不足以定位问题，需要补充这些内容”。

这个流程把我日常修bug的时间压缩了大概一半。以前是AI猜方向、我试错；现在是AI也是按假设-验证的流程走，每一步都有依据。

3.4 代码审查与依赖迁移：收尾阶段的底气

代码审查技能（code-review/下的文件）和依赖迁移技能（dependency-migration/下的文件）是我后补的，刚开始觉得用不上，后来发现真香。

代码审查技能会让AI审查代码时输出结构化结论：按严重程度（阻塞/重要/建议）分类，每个问题附带“为什么是问题、怎么改、可能有啥副作用”。它不会像默认模式那样把所有小问题都拉平罗列，而是能分清轻重缓急。

依赖迁移技能则是项目升级老依赖的利器。它会先要求你盘点当前依赖版本、目标版本、Breaking Changes清单，再制定迁移计划，最后才是动手改代码。这个顺序能避免AI“越改越乱”的尴尬，因为大多数复杂迁移失败，都是因为没搞清楚前后的行为差异就开始动手。

这两个技能我建议在项目进入稳定期后再启用，配合代码审查流程能收获比较明显的质量提升。

4. 实战演示：用superpowers从0到1规划一个待办事项服务

4.1 场景设定与初始对话

光讲理论没意思，我拿一个实际场景演示一下完整流程。假设我要做一个极简的团队待办事项API，只有两个角色：普通成员和管理员。

第一轮对话，我会输入：

请使用superpowers的brainstorm技能，帮我启动一个新项目：一个团队待办事项API。

此时AI读取01-brainstorm.md后，会开始提问，而不是直接给方案。它会问：团队成员规模大概多少？待办事项需不需要截止时间和优先级？管理员和普通成员的权限差异具体是什么？需要哪些终端设备访问？

我逐个回答，等AI确认需求边界足够清晰后，它会输出一份需求确认摘要。这时候我再触发下一个技能。

4.2 从头脑风暴平滑过渡到系统设计

在需求摘要确认无误后，我说：

好，现在请使用superpowers的system-design技能，基于刚才的需求，输出技术方案。先写背景与目标、非目标、架构选型三节，一次一节。

AI会分节输出。前三节完成后，我确认没问题，再让它继续写数据模型和接口设计。

这里有一个经验细节：一次只让它输出两到三节。按默认，AI很可能一次性生成一整篇长文，但那样你很难在中间插入调整意见。分节输出看起来多花了一点时间，实际上把设计沟通成本压到了最低。

数据模型出来后，我通常会让它顺便列一个简单的ER图（用纯文本，不要用mermaid，避免格式兼容问题），然后人工过一遍字段和关系，确认没问题再进入编码阶段。

4.3 进入TDD流程编写首个测试

设计方案定稿后，开始写代码。我会这样触发：

请使用superpowers的test-driven-development技能，为“创建待办事项”这个接口编写第一个失败测试。

AI会先写一个测试，比如“调用创建接口，输入标题和截止时间，返回创建成功且状态为pending”。然后运行，确认失败。接着写最小实现，让测试通过。最后做一次小的重构。

整个过程最有价值的地方在于：AI不是“先写实现后补测试”，而是真的按照测试先行节奏走。它每完成一步，会停下来等待你的确认，而不是一口气把所有代码写完然后丢给你。这种节奏感，对于希望把控代码质量的开发者来说非常重要。

4.4 用调试技能处理开发中的意外

开发过程中我故意制造了一个异常场景：创建一个待办事项时，如果截止日期是过去的日期，服务会返回500而不是参数校验错误。

我会这样告诉AI：

创建待办事项时，传一个昨天的日期，接口报500了。请使用systematic-debugging技能排查。

AI不会马上说“可能是这里需要加校验”，而是会先请求我提供接口日志和调用参数，然后列出一个假设清单，逐一验证。最终它会定位到“参数校验层的日期比较逻辑写反了”或者“DTO转换时把日期字段给丢了”这类根因，然后给出修复方案，并建议补一个回归测试。

这个过程的价值不在于“找到bug”，而在于每一步都有逻辑依据，不会出现“改了A又引发B”的连锁翻车。

5. 常见问题与排查技巧实录

5.1 技能不生效：检查AGENTS.md加载路径

最常遇到的问题就是：明明已经把skills文件放到项目里了，但跟AI说“使用brainstorm技能”，它却回“我没有这个技能”。

绝大多数情况是路径问题。看你的AGENTS.md里写的路径是skills/project-management/01-brainstorm.md，但实际文件放在.codex/skills/project-management/01-brainstorm.md，AI找不到就报错。

排查方式很简单：手动打开AGENTS.md里引用的路径，看能不能从项目根目录按这个相对路径访问到目标文件。如果打不开，就是路径写错了。我的经验是，在不同工具之间切换时，AGENTS.md、CLAUDE.md这些索引文件的路径前缀要单独适配，没法直接通用。

还有一类情况：AI能读到文件，但它认为“brainstorm技能”这个名字有歧义，不知道具体对应哪个文件。这时候把触发词写得明确一点，比如“使用superpowers的project-management/01-brainstorm.md技能”，一次性把路径和文件名说清楚。

5.2 上下文爆炸：别把整个技能包塞进对话

superpowers的技能文件加起来有几十个Markdown，总字数不少。如果你在对话开始时把所有技能内容一次性让AI读完，上下文窗口会被占掉一大半，后面对话质量会明显下降。

正确做法是：依赖AGENTS.md这个轻量索引，让AI只知道“有哪些技能、文件在哪”，然后在需要的时候再用工具读取具体文件。这就像在图书馆里先看索引卡片，再决定去哪个书架拿哪本书，而不是把整座图书馆搬回家。

如果你的工具不支持按需读取文件，那就需要“手动分段加载”：这个会话要用brainstorm，就只把01-brainstorm.md内容粘贴进去；下个会话要用system-design，再粘贴02-system-design.md。麻烦是麻烦一点，但不会把对话质量拖垮。

5.3 不同工具的配置差异与兼容性

Codex CLI、Claude Code、WorkBuddy、Trae这几类工具，对skills的支持程度不一样。我整理了一组对照，供你参考：

Codex CLI走得比较“极客”，所有配置都靠文件，灵活但门槛高。WorkBuddy和Trae更偏可视化，安装简单，但可定制性没那么强。

如果你在多个工具之间共用同一个项目，建议为每个工具单独维护一份索引文件，路径各自适配。别图省事让所有工具共用一个AGENTS.md，因为不同工具对相对路径的解析规则有差异。

5.4 命令失效时怎么办

有几次我在WorkBuddy里执行workbuddy install skill superpowers，提示安装成功，但对话里调用技能就是没反应。后来发现是版本问题——新版本的WorkBuddy改了技能目录的命名规则，老版本装的技能在新版本里不识别。

遇到这种问题，优先做三件事：第一，查工具更新日志里关于skills的变更；第二，确认技能实际安装到了哪个目录，跟工具默认扫描目录是否一致；第三，装完之后重启会话，很多工具只在会话启动时加载技能清单。

还有就是技能的“触发词”问题。有些技能文件内部定义了trigger短语，但不同工具对这个触发短语的匹配方式不一样。稳妥的做法是直接在对话里说“请使用superpowers的技能：文件路径/文件名”，让AI明确知道你引用的是一个本地文件。

最后的几点体会

用superpowers这段时间，我最大的感受是：它没有给AI增加任何新知识，但它给AI装上了一套工作流程。以前让AI做方案，它像一匹脱缰的野马，想到哪写到哪；现在它会先确认方向、再铺路、再跑，效率反而高了很多。

我的建议是，第一次装不要全部铺开，只挑两个技能跑熟：一个是brainstorm，一个是systematic-debugging。这两个技能覆盖了“开发前”和“出事后”两个最容易被AI搞砸的环节。等这两个流程手顺了，再逐步补上system-design、TDD、code-review，你会明显感觉到AI的产出从“像那么回事”变成了“就是那么回事”。

另外一个小技巧：可以把你常用的技能调用方式做成项目文档放在README里，比如“新功能讨论：请使用brainstorm技能”“线上问题排查：请使用systematic-debugging技能”。这样团队里的同事拿到项目后，不需要理解superpowers的原理，照着文档说一句话，就能获得同样高质量的AI输出。