企业官网建设流程全解析

前几天在技术群里看到有人刷“superpowers”，第一反应是游戏里的角色强化，点进去才知道，这是一个给AI助手批量注入“专业技能”的开源方案。名字确实嚣张，但我把文档和示例翻完之后，觉得它配得上这个名号。

如果你也遇到过这种情况：AI助手聊天、改文案、写点小脚本都很溜，但让它严格按照你的项目规范去干活、处理多步骤任务、调取一堆工具时总是差点意思——那这套叫superpowers的技能框架大概率对你有用。它不是某个具体的AI模型，也不是一个聊天机器人，而是一套把“能力包”安装到AI里的机制，让AI从“什么都会一点”变成“在特定场景下能稳定干活”。

这篇文章我会从安装、引入、技能清单、实际调用到排坑，完整过一遍。无论你是刚开始玩AI编程助手，还是已经在用Claude、Codex这类工具写代码跑自动化，都能在里面找到能直接抄作业的部分。

1. 先搞清楚 superpowers 到底是个什么东西

1.1 名字起得嚣张，本质是一套“技能包”

很多人第一次听到 superpowers，会以为它是个新模型或者某个高端IDE插件。其实它的核心形态是一堆写好的、结构化的“技能定义文件”，一般以 Markdown 居多，里面装着给AI看的指令、上下文、使用步骤和示例。

你可以把它理解为“AI的岗位手册”。你给AI装一个“代码审查”技能，它就获得了一套审查规则、检查清单、输出格式；你给它装一个“周报生成”技能，它就知道该去哪些文件里找数据、按什么结构写、写到什么颗粒度。这些技能不等同于模型能力，而是帮AI少走弯路、稳定输出的一套“操作规范”。

我最初看到这样的设计觉得挺奇怪的——直接写个复杂的提示词不就行了？但用下来发现完全不是一回事。提示词是“一次性需求描述”，技能是“可复用、可组合、可配置的工作流”。前者每次都要从头说清楚背景，后者装一次，全项目都能用。

1.2 它解决的真实痛点：AI不是没能力，是没“章法”

我自己用过几款主流的AI编程助手，最明显的感觉是：让它做点宽泛的事，比如“帮我优化这段代码”，它通常能给出不错的建议；但一旦遇到需要固定流程、固定规范、固定产物的任务，比如“按团队规范生成接口文档”“把日志按格式整理成周报”“对PR做一次全面的安全检查”，它就容易自由发挥，输出的东西漂亮但不符合要求。

问题不在模型的智力，而在“缺少约束和上下文”。 superpowers 的核心价值就是把这类高频任务固化成标准的技能文件，让AI每次执行时都“有法可依”——该看哪些文件、该遵循哪些规则、该输出什么结构，全部提前定义好。这就把AI从“即兴表演”变成了“按剧本演出”，稳定性和可复现性一下子提上来了。

1.3 适合谁用：经常让AI干活干到一半又重新交代的人

如果你是下面几类人，我强烈建议试一下：

• 用 AI 编程助手写代码、跑自动化脚本，但每次都要在对话里反复交代项目背景的开发者；
• 在团队里负责把AI能力标准化，希望不同成员都能得到一致输出结果的技术负责人；
• 做内容生产、数据分析，想让AI按固定模板出报告、出总结的运营或产品同学；
• 单纯想折腾AI玩法，给AI装各种奇奇怪怪技能的好奇派。

我自己属于第一类，之前经常在同一个项目里重复粘贴十几次相同的规范说明，装了技能包之后，一句“用代码审查技能看看这个文件”就够了，效率和一致性完全不是一个量级。

2. 安装与引入：把技能装进AI大脑

2.1 前置准备：确认你手里的AI工具支持技能读取

superpowers 这套技能体系并不是绑定某一个特定工具的，目前主流的做法都是基于“项目文件+配置文件”的方式运行。也就是说，你不需要安装一个很重的客户端，只需要把技能文件和配置放在指定的目录里，让AI启动时能读取到就行。

我用下来比较顺手的组合是：Claude 之类的命令行AI + 本地目录里的技能文件夹。因为命令行工具的工作目录就是项目目录，AI能直接看到技能文件，调用起来最自然。当然，桌面客户端一般也支持通过规则文件或项目记忆来加载这些技能，原理大同小异，都是“把技能内容注入上下文”。

注意：无论你用哪个工具，前提是它允许你通过自定义指令、项目文件或系统提示词来扩展AI的行为。如果某个工具完全封闭、不接受用户自定义规则，那就没法挂载 superpowers。

2.2 标准步骤：三步完成安装

以我实际的操作路径为例，安装 superpowers 通常就三步：

1. 拉取技能包：把技能库克隆到本地，或者只拷贝你需要的几个技能文件到项目里。拉取时建议直接放到项目根目录下一个叫.superpowers之类的隐藏目录里，避免污染你的业务代码目录。

2. 声明技能路径：在AI助手的配置文件中，把技能目录的路径加进去，让AI启动时知道去哪里找技能。这一步非常关键，配置不对的话AI根本感知不到技能存在。

3. 验证加载：在对话里直接问“你现在可用的技能有哪些”，如果AI能说出技能清单，就说明加载成功。

我这里用一个典型的本地仓库结构举个例子：

your-project/ ├── .superpowers/ │ ├── skills/ │ │ ├── code-review.md │ │ ├── generate-report.md │ │ └── analyze-logs.md │ └── README.md └── .ai-config

.ai-config里写上技能目录的路径，AI每次启动时会自动扫描这个目录，把里面的 Markdown 文件当作候选技能加载进上下文。

2.3 两种引入方式：全局挂载 vs 项目级安装

用下来我发现，superpowers 有两种典型的引入方式，适用场景完全不同。

全局挂载是把技能装在你的全局配置目录下，这样任何项目里都能用。适合放那些和项目无关的通用技能，比如“写作润色”“代码解释”“时间管理”。优点是省心，所有项目共享一套技能；缺点是技能太杂，AI每次都要在大量技能里挑选，容易选错，而且会浪费上下文窗口。

项目级安装是只把技能放进当前项目的.superpowers目录里，只在当前项目生效。适合放那些和项目强相关的规范类技能，比如“按团队规范生成API文档”“从测试日志提取失败原因”。优点是精准，AI进入项目后自然就带着项目特有的技能；缺点是需要花费一点时间逐个项目安装。

我个人的建议是：通用技能全局挂载，项目规范技能按项目安装。别一股脑全丢全局，后面你就该头疼“AI为什么总在无关紧要的时候调用多余的技能”了。

2.4 配置文件的写法：给AI一份“技能地图”

配置文件不用写得很复杂，核心是给AI一份“技能地图”。我把自己的配置精简一下，大概是这个意思：

skills: - name: code-review path: .superpowers/skills/code-review.md enabled: true - name: weekly-report path: .superpowers/skills/weekly-report.md enabled: true - name: legacy-skill enabled: false

关键点在于：每个技能有一个唯一的名字、一个具体的文件路径，以及一个开关状态。名字是给AI和用户调用的标识；路径指向技能文件的真实位置；开关用来在不删除文件的情况下临时停用某个技能。

配置里还可以给每个技能加一个简短的描述，比如“用于在提交代码前检查常见安全问题”。描述写清楚一点非常有帮助，因为AI在决定“用户当前需求匹配哪个技能”时，主要就是靠技能名和描述来匹配的。技能名起得模棱两可，后面调用就容易翻车。

2.5 安装后立刻要做的验证

装完别急着直接上任务，先在对话里验证一下三件事：

• 让AI列出它能看到的技能清单，确认数量对不对；
• 让AI简述某个技能的用途，确认文件内容加载完整；
• 让AI执行一个技能里的最小示例，确认输出符合预期。

这三步走完，基本能确认安装环境是通的。如果第二步发现AI对技能内容理解得支离破碎，不用怀疑，一定是技能文件格式写得有问题或者上下文被截断了，先检查文件头部说明是否清晰，再考虑是否拆分大文件。

3. 内置技能清单：都有哪些“超能力”

3.1 技能类型的大致分布

superpowers 的技能库五花八门，但按功能归类，大致能分成这几类：

看到这个分类你就明白了，superpowers 并没有限定在编程领域。它的本质是“把AI调用方式标准化”，所以理论上任何你经常重复、有固定流程的任务，都可以做成一个技能。

3.2 几个典型技能深度拆解

我挑两个用得最多的技能，给你看看内部到底是什么样的。

第一个是“代码审查”技能。这个技能的文件开头会写明：“该技能用于对指定代码文件进行系统性审查，重点检查安全性、性能、可维护性三方面。”然后给出一份检查清单，比如是否有硬编码密钥、是否有明显的N+1查询、变量命名是否清晰、是否有重复代码块等。最后规定输出格式必须是“问题列表+严重级别+修改建议+示例代码”。

有了这个文件，AI执行审查时就不再是泛泛而谈“代码不错”了，它会逐条对照清单，输出结构化结论。我用它检查过一个工具脚本，还真揪出了两个潜在的文件路径注入问题，那种感觉就像给AI戴上了一副专门的眼镜，能看到平时忽略的细节。

第二个是“周报生成”技能。它的内容往往包括：从Git提交记录里统计本周改动、识别主要模块变更、汇总近期未完成事项，最后按“本周进展/问题风险/下周计划”的结构生成周报。重点是它会规定AI“必须基于实际提交记录，不允许编造数据”。这一点对做团队汇报特别重要，否则AI生成周报再好看，数据是编的就没意义了。

3.3 技能文件的标准结构：三段式

一个合格的技能文件，内部结构通常遵循“三段式”：

• 头部：技能名称、一句话说明、适用场景、启用条件。这一部分决定了AI什么时候想起这个技能。
• 正文：详细的执行步骤、需要查看的文件、需要遵守的规则、需要避免的错误。这一部分是技能的核心内容。
• 样例：一个完整的输入输出示例，让AI照着模板走。样例可以大幅度降低AI理解偏差。

我在看别人写的技能文件时发现，新手最容易忽略“禁用规则”。比如在某个技能里明确写“不要修改原始文件”“不要删除未确认的数据”，AI就会变得谨慎很多。没有这层约束，AI很可能好心办了坏事。

4. 上手实操：从安装到调用的完整案例

4.1 场景设定：让AI自动生成项目周报

光聊概念太虚，我带你完整走一遍实际案例。假设我在维护一个开源工具项目，每周都需要给团队发一份周报。以前我都是手动整理Git提交记录，费时且容易漏。现在我用 superpowers 的技能把它自动化。

我先在.superpowers/skills/下新建一个weekly-report.md，内容分为上面说的三段。头部写着“生成项目周报：从Git历史提取数据，按‘本周进展/问题风险/下周计划’输出”。正文部分要求AI执行以下步骤：

1. 运行git log --oneline --since="last Monday" --until="this Monday"获取提交列表；
2. 将提交按模块分类，统计每类提交数量；
3. 查找近期未关闭的issue，列出风险项；
4. 把所有信息填入周报模板。

我用这个技能跑了一整个季度，周报生成时间从原来的半小时压缩到五分钟，而且每周格式都一致，团队反馈阅读体验也好多了。

4.2 关键点：让AI有数据源可用

实践里最容易遇到的问题就是“AI没有数据源”。很多AI助手并不会主动去跑 git log 或读取文件目录，如果技能里只写了“请分析本周贡献”，AI很可能直接编造一个漂亮的周报出来。

所以在写技能时，一定要把数据获取的方式写明确。比如我上面脚本里的那条git log命令，如果AI支持执行命令，它可以自己去跑；如果AI不支持执行命令，那你得把命令结果粘贴给它，再让它统计。总之，AI需要基于真实数据输出，否则这个技能就是空中楼阁。

重要提醒：所有让AI自动生成报告类的技能，务必在正文里加上“只基于提供的数据进行分析，不要编造不存在的提交记录或数据”这一条。我见过太多周报技能因为缺少这句话，输出一堆假数据，拿去汇报会出大问题。

4.3 自定义技能：把你自己重复劳动变成技能

除了用现成的技能包，superpowers 最有魅力的地方是你可以把个人工作流也固化成技能。比如我经常要处理Nginx访问日志里的异常状态码，以前每次都在对话里重复粘贴日志并解释“帮我提取5xx状态的URL占比”。后来我直接写了一个analyze-nginx-log.md技能，把这些说明全写进去。

写自定义技能的思路很直接：把你平时在AI对话里重复发的指令，整理成模板化的步骤和规则。我自己总结了一个脚本：

• 先写一句话说清楚这个技能会带来什么价值；
• 再列出开始执行的前置条件（比如需要哪些文件、哪些命令可用）；
• 然后分步骤写执行过程，越具体越好；
• 最后放一个完整的示例输出，格式对齐你希望得到的结果。

写完之后测试一遍，不行就调整措辞。技能文件本质上还是文字指令，AI对文字的敏感度很高，有时候你调整一个措辞，输出质量就能上一个台阶。

4.4 多技能组合：一件事拆给多个技能干

superpowers 还支持把多个技能串起来。比如我想写一份“版本发布说明”，可以先调用“代码审查”技能检查版本分支的代码，再调用“Git提交分析”技能收集提交信息，最后调用“文档生成”技能把信息组织成发布说明。

这种组合方式非常像流水线：每个技能负责一个环节，AI在技能之间切换，前一技能的输出变成后一技能的输入。我在实际项目里已经用这种方式搭建了“自动生成变更日志”的小流程，效果稳定，而且每一步都可以追溯。如果你的AI工具支持自动调用技能，这种组合的效率会更高；如果只能手动触发，那就在对话里分步下达指令，效果也不会差太多。

5. 常见问题与排查技巧实录

5.1 技能明明装了，但AI就是“看不到”

这是最常遇到的情况。明明.superpowers目录里放了文件，配置里也写了路径，但AI一问三不知。排查思路按三步走：

• 检查文件路径是否和配置里填的完全一致，特别注意大小写和斜杠方向；
• 确认AI的工作目录是不是项目根目录，很多工具默认在家目录或临时目录，自然扫不到项目里的技能；
• 重新启动AI会话，确保配置重新加载，有一部分工具不会热更新技能文件。

我自己的经验是，90%的“技能不生效”都出在路径或工作目录上，而不是技能文件内容的问题。所以第一步先检查这两项，别急着去改技能文件的措辞。

5.2 技能加载太多，上下文窗口塞爆

superpowers 看起来是纯文本文件，但AI每次读取技能都会占用上下文窗口。如果把上百个技能全塞进去，AI的注意力会被稀释，不仅可能导致真正需要的技能没有被采纳，还可能出现“过载”导致回答质量急剧下降。

解决方案也很简单：项目级只放当前用得上的技能，全局只放最频繁调用的通用技能。另外，技能文件本身要控制篇幅。我看过有人把技能写成五十行以上的长篇大论，AI读起来吃力，执行时抓不住重点。简洁、分条、示例明确才是好技能文件的共同特征。

如果确实有大量技能需求，建议把技能文件拆成两个级别——一个“索引文件”里只放技能名和一句话描述，AI根据索引判断要不要读取详细内容。这样能显著降低上下文消耗。

5.3 多个技能相互冲突，AI不知道该听谁的

当两个技能同时被命中时，AI可能会把它们混在一起执行，导致输出四不像。比如一个技能要求“生成详细报告，篇幅不限”，另一个技能要求“所有输出控制在200字以内”，AI就会很纠结。

解决办法是在技能文件开头写明“当本技能与其他技能冲突时，请优先执行本技能”或者“本技能不适用于xxx场景”。你也可以在配置里给技能设置优先级，让AI在冲突时知道该以哪个为准。这个高级玩法需要反复测试，但一旦调好，整个技能体系会变得非常可靠。

5.4 排坑心得汇总

我整理了一份自己踩过坑之后的速查表，希望对你有用：

6. 我自己在实操中的一些体会

折腾 superpowers 这段时间，我最大的感受是它改变了我和AI协作的方式。以前我总觉得AI好不好用全看提示词写得好不好，但提示词一次性消耗完就没了，每次都要重新写；技能则是可以沉淀、可复用的资产。我上一周辛苦调教出来的“发布说明自动生成”流程，这周一个指令就能复用，而且效果比上周还稳定，因为技能文件里积累了更多调优后的细节。

建议第一次上手的朋友，不要急着把所有技能包都装上。先挑一个和你日常工作最贴近的技能，比如代码审查或日志分析，安装、试用、拆解它的结构、试着改一改里面的规则，跑顺之后再逐步拓展。技能不在多，精准才有意义。

最后分享一个小技巧：技能文件其实可以用中文写。网上很多示例是英文的，但AI对中文的理解完全没问题。用自己最熟悉的语言组织技能规则，比硬翻译成英文要自然得多。只要格式清晰、步骤明确、示例完整，语言不是障碍。这套方法论本身也没绑定任何编程语言或平台，它更像是一套“和AI协作的工程实践”，你可以把它迁移到任何支持自定义指令的AI环境里。今天你把这套思路学会了，以后无论AI工具怎么换，这份技能库都能跟着你走。