企业官网建设流程全解析

最近我在折腾 AI 编程助手的时候，接触到一个叫superpowers的开源项目，一开始我以为这只是个营销噱头，用了几天之后发现它确实改变了我和 AI 协作的方式。简单说，superpowers 是一套可以安装到 AI 编程助手（比如 Claude Code）里的“技能集合”，每个技能就是一个结构化的 Markdown 指令文件，告诉 AI 在什么场景下应该用什么工作流。比如让它先写测试再写实现、先拆解计划再动代码、遇到 bug 的时候不要瞎猜而是系统化排查。这篇文章就从安装、使用到踩坑，把整个套路讲清楚，特别适合那些觉得“AI 对话起来很聪明，但干活总差一步”的人。

1. 项目定位与设计思路拆解

1.1 这到底是什么：不是插件，是“技能”

我在社区里看到很多人把 superpowers 理解成一个普通的 VS Code 扩展，其实不对。它的核心不是给你界面按钮，而是给 AI 模型补充一套“工作方法”。你可以把它理解成给一个聪明但容易飘的新人配了一本操作手册：新人本身能力不差，但没有手册的时候他会东一榔头西一棒子；有了手册，他就知道遇到需求先干什么、再干什么、怎么才算干完。

具体到实现机制，每个技能通常是一个独立目录，里面有一个SKILL.md文件。这个文件开头有一段叫 frontmatter 的元信息，包含技能的名称（name）和描述（description）。AI 模型在你发出请求的时候，会根据这些描述来判断“当前这个任务是不是该用某个技能”。一旦匹配上，它就会把对应的 SKILL.md 内容加载进上下文，按照里面的步骤去执行。

这个设计最大的好处是：你不用每次都在对话里重复叮嘱 AI“你记得先写测试啊”“你记得先做个计划啊”。技能一装，只要描述写得清楚，AI 会在合适的时机自己触发。这比写一堆复杂的 system prompt 要优雅得多，也更容易维护和共享。

1.2 它解决的核心问题：AI 不是不聪明，是太容易“顺着说”

我自己的体感是，AI 编程助手在没有技能约束的情况下，很喜欢干两件事。第一件是“直接给答案”，你问它怎么改一个 bug，它立刻抛出一段修改代码，好像特别自信，但很多时候它没先排查现场、没复现问题、没验证假设。第二件是“忘掉上下文”，任务稍微复杂一点，它就顾头不顾尾，前面说好的技术约束，写到后面就抛到脑后。

superpowers 这类技能集就是冲着这两个毛病来的。每个技能本质上是一段“强制工作流”。比如调试技能会要求 AI 先复现问题、再定位根因、再提出至少三个假设、最后才动手修改。写计划技能会要求 AI 把大需求拆成小任务，并且明确每个任务的验收标准。这个过程看起来多了一步，但恰恰是把 AI 从“聊天机器人”变成“靠谱协作者”的关键。

所以我在实际使用中的判断标准很简单：如果你只是在玩票，不需要装这个；如果你真的想让 AI 帮你完成一个可以交付的任务，那这套技能会在关键时刻把你从“返工深渊”里拉出来。

2. 技能清单与逐项解析

2.1 我常用的核心技能

不同发行版的 superpowers 包含的技能会有一点差异，我这里以我实际用过的一个版本为例，挑几个真正改变工作方式的说。完整的清单你装好之后可以自己看，每个技能目录下都有对应的 SKILL.md。

每个技能都不是什么玄学，它们本质上是把有经验工程师的工作习惯写成了可执行的步骤。比如 verification 技能会让你在开始任务之前就和 AI 约定好“什么算完成”，任务结束时它会逐条核对，而不是只输出一句“完成了”。

2.2 description 才是灵魂：AI 靠它决定何时触发

我在研究这些技能文件的时候发现，真正值得琢磨的不是正文里的步骤，而是 frontmatter 里的description。AI 不会把每个技能都加载一遍，它是根据你当前的任务内容，在脑海里“检索”哪个技能描述最匹配，然后才去读取对应的正文。

所以 description 写得越具体、越贴近真实任务场景，触发就越精准。比如下面这样：

--- name: debugging description: 当代码运行报错、行为不符合预期或需要排查线上故障时使用。在修改任何代码之前，必须复现问题、定位根因并验证假设。 ---

这种描述会在模型做“该不该用这个技能”的判断时给到很强的信号。相反的，如果你看到一个技能描述写得模棱两可，比如“帮助调试”，那 AI 很可能在需要它的时候想不起来，或者在不该触发的时候跑出来添乱。

我自己整理技能的时候，会专门花时间改每个描述，让它们更像“触发条件”而不是“功能简介”。这个习惯带来的收益非常直接：AI 在正确场景调用正确技能的概率大幅提升。

3. 安装与引入实操

3.1 环境准备：先确认你的 AI 助手支持 skills

在我写这篇文章的时候，最方便的做法是在 Claude Code 里使用这套技能，因为它原生支持skills目录。其他很多 AI 编程工具也开始支持类似机制，但目录位置和加载方式会有点差别。

你首先要确认两件事：

• 你的 AI 编程助手已经能正常跑起来，API 配置没问题；
• 它支持从本地目录加载技能文件，而不是只支持插件商店。

如果这两个条件都不满足，那 superpowers 装的难度会大很多。我的建议是先别折腾，把基础环境弄好再继续。

3.2 三种安装方式，我推荐第二种

第一种方式是使用项目自带的一键安装命令（如果有的话）。不同项目提供的一键脚本不一样，有的会帮你把技能文件夹直接放到系统全局目录，有的则要求你先登录账号再安装。这种方式最省事，但对路径的控制最弱。

第二种方式是我最推荐的：手动git clone然后复制到技能目录。具体操作是这样：

# 1. 把开源仓库克隆到本地 git clone <superpowers仓库地址> ~/superpowers-tmp # 2. 创建你自己的技能目录（如果不存在） mkdir -p ~/.claude/skills # 3. 把技能内容复制进去 cp -r ~/superpowers-tmp/skills/* ~/.claude/skills/ # 4. 清理临时文件 rm -rf ~/superpowers-tmp

这里有个关键点：~/.claude/skills是 Claude Code 默认读取用户级技能的位置。如果你只想在当前项目里用这套技能，那就别放到用户级目录，而是放在当前项目根目录下的.claude/skills里。这样项目成员 clone 代码后也能直接用，适合团队协作。

第三种方式是只安装你需要的某个技能：直接把仓库里某个技能目录下载下来，放到~/.claude/skills/下即可。这种方式最省空间，但后续更新要自己手动跟，比较麻烦。

3.3 装完之后怎么验证它生效了

很多人装完就以为万事大吉，其实很可能技能根本没被加载。验证方法很简单：启动你的 AI 助手，直接问它“你现在能看到哪些技能？逐个列出来”。如果它开始报出一串名字并附带简单说明，说明技能已经加载成功。

如果它说“没有技能”或者“我看不到任何技能信息”，那就说明目录位置不对或者文件格式有问题。先检查文件名是不是SKILL.md，注意大小写，然后检查目录层级是不是skills/技能名/SKILL.md。这种路径问题是我见过的第一大类安装失败原因。

还有一个细节：改完技能文件之后，最好重启一下 AI 助手会话，因为某些工具在启动时才会做一次技能扫描。别改完文件不重启就抱怨“没生效”，这个坑我自己也踩过。

4. 实际使用流程与案例

4.1 一个真实的 TDD 小任务

理论讲多了容易飘，我拿一个简单的例子来说明技能在实战中是怎么被触发的。假设我跟 AI 说：“帮我写一个函数，输入一个字符串，返回翻转后的字符串，但要忽略首尾空格。”

没有技能的时候，AI 大概率直接给你一个reverse实现，顺便写两句注释就完了。装了tdd技能之后，它的行为会明显不一样。

第一步，它会先主动说要先写测试。它可能生成一套这样的测试用例：

def test_reverse_string(): assert reverse_string("hello") == "olleh" assert reverse_string(" hello ") == "olleh" assert reverse_string("") == ""

第二步，它不会直接交出实现代码，而是先跑一下测试，让你看到测试失败的结果。这就是 TDD 里的“红灯”。第三步，它才去写实现，再跑测试，直到变绿。

你可能会觉得这一套流程绕，但实际体验下来，它最重要的一点是：AI 不再凭空说“这个功能应该没问题”，而是用测试结果说话。如果实现里有边界条件没考虑（比如空字符串、纯空格），测试会立刻暴露出来，而不会留到你上线之后才炸。

4.2 一个更复杂的任务：让 AI 先做计划再动手

TDD 那个例子偏简单，我更想说的是writing-plans技能在复杂需求里的价值。有次我让 AI 帮忙重构一个老旧模块，如果没有技能，它会像挤牙膏一样一段段给你改代码，而且经常改到一半就忘了一开始的约束条件。

触发writing-plans技能之后，它先花了十几分钟把任务拆成一个实施计划，包含以下结构：

1. 目标与范围：本次重构要改哪些文件、不碰哪些逻辑；
2. 风险点：哪些函数被多处引用，改动影响面大；
3. 分阶段实施：先抽公共方法，再替换调用方，最后删旧代码；
4. 每个阶段的验收标准：比如“所有测试通过”“无未使用的废弃函数”。

这个计划生成之后，我叫它按计划一步一步执行。每完成一个阶段，它就回来确认一步。整个过程我的参与感更强，心里也更踏实。因为我随时可以指出“这一步不符合原本约束”，而不用等全部改完了再从头 review。

4.3 技能不是万能药：它需要你“喂”上下文

还有一点必须强调，技能只保证 AI “用对方法”，不保证它“知道所有事实”。如果你的代码库很大，或者某个需求涉及的业务背景很复杂，你仍然需要在对话里给它足够的上下文信息，比如相关文件路径、报错日志、期望行为等。

有个常见的误解是“装了 superpowers，AI 就自动懂我的项目了”。实际上它只是变得更结构化，而不是变得更全知。你依然要像带新人一样，把必要的信息交代清楚。区别在于，它会用一套更成熟的流程来处理这些信息，而不是想到哪问到哪。

5. 常见问题与排查技巧实录

5.1 技能没生效？先查这五个地方

我总结下来，技能“没生效”的原因绝大多数是下面五个，按从高到低的概率排序：

• 目录路径不对：技能没放在正确的位置，AI 根本没扫描到。检查~/.claude/skills还是项目级.claude/skills。
• SKILL.md 拼写或大小写不对：有的系统只认大写SKILL.md，你写成skill.md它就忽略。
• description 写得太差：技能文件加载了，但描述和任务匹配度不高，AI 没识别出来应该用。改描述就能解决。
• 会话没有重启：技能列表是启动时扫描的，新增技能后要开新会话。
• 多个技能内容互相冲突：比如一个技能说“先写计划”，另一个说“立即施工”，AI 就会陷入混乱。我一般会在技能正文里加一句“如果其他技能也匹配，优先执行本技能”。

5.2 技能太多反而变笨：注意“选择困难症”

这个是我最想提醒大家的坑。一开始我图新鲜，把能装的技能全装上了，结果 AI 每次遇到任务都要在几十个技能描述里做匹配，响应变慢不说，还经常选错技能。

后来我把技能数量精简到六个左右，每个描述都改得非常聚焦，效果立刻好了很多。技能的匹配机制本质上是一个检索过程，候选越多，噪音越大。你不需要“全都要”，只需要围绕自己最高频的场景精选几个核心技能。

如果你不知道怎么取舍，我的建议是：先从 debugging、verification、writing-plans 这三个开始。它们能覆盖日常 80% 的协作场景，而且不互相打架。

5.3 试试自己写一个技能

用了一个多月之后，我开始尝试写自己的技能，这才是 superpowers 真正的扩展点。写一个新技能其实不难，目录结构只要一个SKILL.md就够。我在写内部代码规范技能时，文件长这样：

--- name: code-style description: 当用户要求修改或新增代码，且项目使用了 ESLint + Prettier 时使用。先检查现有配置，再遵循当前风格，不要混用引号和分号。 --- # 代码风格约束 1. 修改代码前，先查看项目根目录的 .eslintrc 和 .prettierrc。 2. 禁止自行发明风格，必须匹配项目中已有的配置。 3. 如果需要调整配置，先向用户说明影响范围，再动手。

这个技能看起来简单，但因为描述里写清了触发场景和前置检查项，它在后续任务里被我高频触发，AI 再也没犯过“局部改动风格跟全局不统一”的毛病。

6. 一些值得说的心得

6.1 AI 技能和插件、提示词到底什么关系

新手最容易纠结这个。我的理解是，提示词是一次性的口头叮嘱，插件是给编辑器加外部能力，而技能是“可复用的内化流程”。打个比方：提示词是你临时教一句“过马路要看车”，插件是给 AI 配了一副望远镜，技能则是让它养成“一靠近马路就自动停、左右看、确认安全才走”的习惯。

这个习惯一旦养成，你就不需要每次重复了。而且技能文件是纯文本，你可以放到公司仓库里做版本管理，也可以在团队里共享。新同事拉下仓库，AI 的默契度直接同步，这个体验是普通提示词给不了的。

6.2 未来的扩展方向

我最近在试的一个方向是给同一个任务组合多个技能，比如“先 brainstorming 列方案，再用 writing-plans 把选中的方案拆解落地”。这种组合玩好了之后，AI 的能力提升是叠加的。你可以把技能想象成积木块，不同拼法对应不同的工作流。

我还试着在技能正文里引用外部脚本，比如让tdd技能执行某个测试脚本，再根据输出结果决定下一步。这种“技能+脚本”的组合让 AI 不只是“读文档”，而是能真正操作环境、读取结果、做出决策，潜力很大。

6.3 最后分享一个小技巧

如果你不想每换一台机器都重新手动复制技能文件，可以直接把~/.claude/skills目录纳入你的 dotfiles 仓库管理，用符号链接把每个技能指向仓库里的对应目录。这样你更新技能的时候，只要git pull一下，所有机器就都同步了。

我实际操作中还发现，在技能描述里加入一两个负面样例很有用。比如“不要在未确认测试失败时直接写实现”，这能让触发判断更准确，减少误用。刚开始的时候你可能把握不好这个分寸，但多看几个现有技能的描述写法，很快就能上手。

说到底，superpowers 并没有给 AI 装上什么神秘外挂，它只是把工程师本该有的职业习惯，清清楚楚地教给了 AI。工具本身不神奇，神奇的是你把哪些流程固化成技能、又把哪些边界划得足够清晰。顺着这个思路玩下去，你会发现和 AI 协作的体验会有质的变化。