27 万 star 的 superpowers：一个给 AI 用的'开发方法论'，现在 14 个编程工具都在装
你的 coding agent 一上来就闷头写代码，写了一堆你压根不要的东西——这不是它笨，是没人教它"先想清楚再做"。
2026 年，GitHub 上 star 最高的一个"agent 技能包"，干的就是这件事。它叫 superpowers，27.3 万 star、24.5 万 fork、近百万安装量，一年不到涨到这个量级。
最反常的是：它不写一行代码，却成了 coding agent 圈的顶流。 一个只装了一堆 markdown 文档的仓库，凭什么？
先说一个你可能没算过的账：模型每次处理请求，会用约 100 tokens 扫描所有已安装 skill 的 name/description 判断要不要激活，激活才加载完整正文（通常 < 5k tokens）。装 50 个 skill 的固定开销约 5000 tokens——不多，但它是每次请求都付的。superpowers 把这套机制用到了极致，后面会讲它怎么在 14 个工具间复用。
为什么是 27 万 star：一个完整的开发方法论
superpowers 火，不是因为它有几个炫技 skill，而是它把整套软件开发方法论拆成一组可组合的 skill：
- brainstorming——先反问你"你到底要做什么"，苏格拉底式把需求磨清楚
- writing-plans——把 spec 写成"一个热情但没品味的初级工程师"都能照做的实施计划，强调 TDD、YAGNI、DRY
- subagent-driven-development——你说"go"，它派出子 agent 逐个任务干活、互相 review
- verification-before-completion——完成前先验证"真的修好了吗"
作者原话：“你的 agent 连续自主工作两三个小时不偏离你定的计划，是常事。”
这背后是一套工程哲学：Test-Driven Development > Systematic > Complexity reduction > Evidence over claims。这不是 AI 发明的，是几十年软件工程的沉淀——superpowers 只是把它编译成了 agent 能执行的步骤。它值 27 万 star 的原因，是把"怎么开发软件"这件人类最值钱的经验，第一次让 agent 能完整照着执行。
争议的一面：token 烧得快、对小任务过度设计
但 star 多不等于没毛病。6 月 superpowers 大版本发布时，Hacker News 上的讨论很尖锐，批评集中在三块：
① 预算燃烧。 “Huge token guzzler”——有人报告简单任务直接烧光当月的 max plan；还有人吐槽简单修复"加满验证要一小时"。有个真实案例：在 Codex-cli 上用 superpowers，一个代码日就用完了一周的额度。
② 对强模型过度设计。 主流批评是把 superpowers 比作"过度配置的 .vimrc"——现在的模型你直接让它做，它自己就规划得不错，何必每次套这么重的一套流程。还有人说 Claude Code 官方自带的 skills 已经把最好的点子吸收进去了。
③ 刚性。 计划里精确到"要改哪些文件"，对探索性任务反而有害——正确实现是发现出来的，不是预先指定的。
但注意批评者不反驳的是什么：几乎没人否认"先想→再计划→实现→验证"这套工作流本身是对的——它是 agentic coding 里"杠杆率最高的习惯"。争论的只是：要不要一个永远开着的框架强制它，以及是不是每个任务都配。 有个细节很有说服力：那个关掉 superpowers 的用户，一天之内又装回来了；最技术性的批评者不是弃用，而是 fork 了它去改造。
数据说话：分任务类型，结论是分裂的
MCP.Directory 汇总了社区的控制对比实验（注意是单一社区测量，非金标准）：
- 非平凡任务：用 superpowers 的 runs 便宜 9%、少 14% tokens，且输出更好
- 简单任务：反而更贵——因为"澄清+设计"阶段是简单任务根本不需要的开销
方向跟作者自己的评测一致。也就是说：对正经功能开发，superpowers 是真省；对小改动，它是真亏。 关键是怎么判断任务大小。
作者的回应：测量，然后砍
值得学习的是，作者把骂声变成了迭代路线图，发布记录本身就是"如何评估自己方法论"的案例：
- v5.0.6（2026.3）：删掉计划的子 agent review 循环——回归测试显示约 25 分钟纯开销，零质量收益
- v6.0.0（2026.6）：合并 spec 合规和代码质量审查，review 输入预生成——作者跨 harness 评测"快 50%、省 60%"（他自己也承认数字换环境不保真）
- v6.1.0：压缩每次会话都注入的 bootstrap——因为它"每个会话都在付费"
所以"它很臃肿"是个项目在主动消化的批评。但再优化，也没法让一次设计讨论免费。
什么时候不该用它
基于这些成本结构和社区经验，这些场景建议绕过：
- 小且完全明确的任务（改个 typo、重命名、单文件小改）——澄清阶段纯属加开销，可以明说"这是小事，跳过流程"
- 探索/原型阶段——“这代码库到底在干嘛"这种会话，跟计划先行是打架的
- 订阅额度紧张——autonomous 子 agent 会成倍放大 token 消耗，这是它的定价
- 团队已有既定流程——两套方法论在上下文里打架，比单独一套更糟
替代方案
- 原生 skills 自己写：superpowers 用的全是公开机制（SKILL.md、hooks、subagents），你可以写个 30 行的
brainstorm-first个人 skill，拿到一部分价值、省大部分成本。代价：少了多年迭代和测试过的措辞，且没有 bootstrap 的"强制感”，触发可靠性差些 - anthropics/skills（17.2 万 star）：和 superpowers 是互补——superpowers 管流程，anthropics/skills 管能力（文档处理、mcp-builder、webapp-testing、skill-creator）。两个都装是合理组合：方法论取一个，能力取另一个
生态全景
superpowers 只是最大的一个。整个 agent skills 生态已经成型：
| 仓库 | star | 定位 |
|---|---|---|
| obra/superpowers | 27.3 万 | 完整开发方法论 + 14 工具支持 |
| mattpocock/skills | 23.9 万 | “给真工程师的 skills”，39 个实战 skill |
| anthropics/skills | 17.2 万 | 官方技能库，主打能力（文档/测试/建 skill） |
| wshobson/agents | 3.9 万 | 多 harness agent 插件市场 |
GitHub 上 claude-code-skill 这个话题下有 2410 个仓库。skill 已经从"geek 玩具"变成了 coding agent 的基础设施。但生态火不代表质量高——有人专门测了 100 个社区 skill，70% 不合格：SKILL.md 太臃肿、description 写成营销文案而不是路由规则、一个文件硬塞五件事。
你该怎么做
对多数 Claude Code 用户，2026 年中的高效姿势是：装上，让它在正经功能开发时跑，小事明确绕过，再叠加自己的领域 skill。 如果不想装全套，自己写一个 30 行 brainstorm-first 个人 skill，能拿到相当比例的价值。
而真正的高级用法是理解它的机制后自己造——把一个"帮团队按规范写 Go 提交信息"的流程写成 SKILL.md，就是 10 分钟的事，从此你的 agent 从"通用工具"变成"懂你团队规范的老员工"。读 skill 的源码本身就有价值：思路免费，token 才收费。
搬砖程序员带你飞，专注 Golang / AI / 后端。每天一篇，讲清楚一个技术真相。