0
給第一次聽說這個項目的朋友介紹一下。在 Coding 任務中，原始提示詞和結構化的工程工作流之間，還隔著一道專業的鴻溝。superpowers 瞄準的正是這個環節，它通過預定義的 Skill 文件為 AI 注入行為準則，使 AI 在寫下第一行代碼之前，能先像資深工程師一樣思考、規劃和驗證。
superpowers 并不是異軍突起的編碼工具，可以說它和市面上已有的各種 Copilot 產品都不沖突，其存在的意義恰恰是讓 Claude Code、Cursor 或 GitHub Copilot 能夠遵循結構化、可復現的專業級開發流程，產出更高質量的代碼。
那么接近 20 萬星的熱度，意味著什么？這幾乎等價于兩個中型開源社區帶來的流量，足以讓一家中等規模的 AI 創業公司在一周內完成冷啟動。而今天博得這份關注的，本質上只是一套 AI 編程腳手架。
我們不禁要問，superpowers 憑什么？
01
superpowers 的核心是 20 余個經過實戰檢驗的 Skill。用上這套腳手架之后，AI 在編程任務中的表現會高度接近生產級的工程師團隊。
它會強制 Agent 先問聰明的問題，生成可讀的 spec 供人類審批，然后拆分成精確的 2-5 分鐘小任務，每個任務有確切的文件路徑、完整的代碼需求和驗證步驟。此外每個任務都會分配全新的子Agent執行，輸出經過兩輪審查。一次看是否符合 spec，一次看代碼質量。
而在 TDD（測試驅動開發）環節，superpowers 將失敗測試、最少代碼和重構的過程強制化。對 AI Coding 來說，這有效避免了一口氣產出幾百行代碼，卻在 debug 時無從下手的問題。最后是 Code Review 環節，superpowers 同樣包含一個按嚴重級別報告問題的設計。
究其根本，superpowers 的爆火是因為它踩中了兩個 AI 開發者們越來越頭疼的難題，如何讓 AI 寫代碼的時候不跑偏，以及 AI 寫完之后我如何確認它寫對了。
這兩個問題是在大模型能力趨同的背景下，開發者最急需的工程層方案。它不考慮如何讓模型更聰明，而是讓模型在工程環境里更可靠。
因此這個項目本質上是一套面向 Claude Code、Codex、Gemini CLI、Cursor 等 AI 編程工具的開發方法論。相較于“如何讓模型生成更高質量的代碼”，一個更具落地指導意義的問題應該是，“如何讓模型正確地連接系統、管理上下文片段，成為一個可協作的工程實體”。
換言之，在模型的智能水平之外，更高效的調度，同樣意味著更強的生產力。
你不只能在 superpowers 身上看到這種共識的形成。
GitHub 上的 Agent 基礎設施項目已然經歷了一輪爆發。OpenClaw 月漲 21 萬星只是一眾案例中最顯眼的那個，事實上 GitHub 整個 2 月月度 Trending 榜單前 20 幾乎被 AI 基礎設施、Agent 框架和工具鏈徹底占領。
時至 5 月，agents-best-practices、codex-complexity-optimizer 雙雙登上 GitHub Trending 榜單，前者用于 Codex、Claude Code 等 AI 編碼智能體的運行時框架設計，后者則為 Codex 專屬，用于代碼庫復雜度分析和性能優化，此外亦有多個 Agent 工作流框架同步爆發。
這些項目的涌現并非偶然，Anthropic 和 OpenAI 對開發者工作流的重塑，正在倒逼整個生態重新思考如何用 AI 寫代碼。而當模型性能逐漸趨同，工程能力就成為了 Agent 落地全新的競爭焦點，Anthropic 和 OpenAI 也同樣不能免俗。
5 月 18 日，Anthropic 正式宣布以 3 億美金收購 Stainless。這家 2022 才成立的初創公司，核心產品能夠讀取 API 規范并自動生成 Python、TypeScript、Go、Java 等多語言的生產級 SDK，且能隨 API 變更自動同步更新。
這起收購被廣泛解讀為 Anthropic 對 Agent 基礎設施的布局，一個重要原因在于，調用外部工具是今天 Agent 最核心的產品邏輯，而實際落地時的穩定性、速度和幻覺率，都取決于 SDK 質量。可以說 Anthropic 對 Stainless 的收購，本質上是在控制 Agent 連接外部系統的底層協議。
OpenAI 則開始發力工作流，14 日 OpenAI 宣布 Codex 正式集成至 ChatGPT 移動端。讓用戶在手機上寫代碼，遠遠不是 OpenAI 全部的野心。集成 Codex 之后的 ChatGPT 移動端真正擁有了成為一個遠程指揮中心的潛力，此后用戶隨時都可以在手機上向 Agent 下達命令、審核執行結果。對 ChatGPT 而言，這意味著從工具到隨身助手的質變。
有了這一層認識，superpowers 的 20 萬星就不難理解。它為 Coding Agent 提供了一種穩定、可驗證的工程接入標準，某種意義上，這不亞于一款更強的模型問世了。
02
知乎、掘金、騰訊云開發者社區等平臺上，關于 superpowers 的教程在過去兩個月間密集涌現。這些帖子介紹 superpowers 的核心賣點高度一致，概括下來，就是“讓 vibe coder 也能寫出能上線的代碼”。
事實上不只是在開發者社區，如何將 AI 整合進復雜工程，對 AI 公司和云廠商們也是一個值得探索的問題。
除了 Anthropic 通過收購 Stainless 對 Agent 基礎設施的布局，OpenAI 的產品策略轉向，另一個很有意思的例子是微軟。后者先是將 AutoGen 和 Semantic Kernel 統一整合為全新的 Microsoft Agent Framework，又在今年 2 月推出了 GitHub Agentic Workflows 的技術預覽版。
Agent 如何真正走向生產，是整個行業共同面對的工程化深水區。
在這一考驗之前，Anthropic 和 OpenAI 等 AI 公司希望借助模型能力和插件系統定義游戲規則，以微軟、谷歌為代表的云廠商則試圖通過將 Agent 轉化為云原生服務來定義其工程邊界。與此同時，開源社區也在用 superpowers 等民間標準爭奪著工程范式的定義權。
這似乎是三股此消彼長的力量。當模型能力趨同，競爭焦點就從“誰的模型更聰明”轉向了“誰的工程標準更可能被開發者接受”。這個轉移是零和的，一旦某個范式被足夠多的開發者采用，它就會形成鎖定效應，成為后來者很難再改變的行業習慣。
Anthropic 收購 Stainless、OpenAI 推出 Codex移動端、微軟整合 Agentic Workflows，還有 superpowers 在開源社區狂攬的 20 萬星，這是同一場標準卡位戰的四種不同打法。
這場 AI 工程標準之爭的期限有多長，暫時沒人能說清。但是當范式固化，今天的玩家中當然會有幾位成為 AI 時代的 Git、CI 或 CD，而更多選手則會被淘汰出局。
Superpowers 的 20 萬星，只是下一場激烈競爭的發令槍。
