核心定位
Superpowers是一套纪律化的AI辅助软件开发方法论，而非简单的提示词集合。它将现代软件工程最佳实践（TDD、代码审查、Git工作流）转化为AI可执行的系统化流程，核心目标是在AI加速开发的同时保持工程严谨性。
核心用法
技能按7步工作流组织：Brainstorm（需求澄清）→ Plan（详细计划）→ Execute（分批次或子代理执行）→ Test（TDD全流程）→ Debug（系统化根因分析）→ Review（代码审查）→ Finish（分支合并）。每个环节都有明确的"Hard Gate"——如"未经用户批准设计不得写代码"、"未见测试失败不得写实现"。
关键执行模式包括：
- 子代理驱动开发（Section 5）：单任务单代理 + 规格审查 + 质量审查的两阶段验证
- 并行代理调度（Section 6）：独立问题域并行处理，避免串行阻塞
- Git工作树隔离（Section 11）：强制分支开发，杜绝主分支直接提交
显著优点
1. 系统性防错：通过刚性流程（Rigid skills）如TDD、调试、验证，将常见AI开发陷阱（幻觉代码、未经测试的"完成"声明、表面修复）转化为不可能发生的事件
2. 可扩展的审查机制：两阶段审查（规格符合性→代码质量）将单点故障转化为多重校验
3. 明确的责任边界：用户指令定义WHAT，技能定义HOW，避免AI过度推断或过度顺从
4. YAGNI原则内建：在设计、实现、审查各环节强制评估必要性，对抗AI的过度工程倾向
潜在局限
- 启动成本高：简单任务可能被流程放大，适合200行以上的实质性开发
- 人机交互频次：Brainstorm阶段的"一问一答"模式对 impatient users 可能显得缓慢
- 工具链依赖：Git工作树、子代理等特性需要底层平台支持，移植性受限
- 文化冲突：传统"先写代码再补测试"的开发者可能抵触"删代码重启TDD"的刚性要求
适合人群
- 使用AI辅助开发生产级代码的专业开发者
- 需要可审计、可复现开发过程的团队
- 在AI生成代码质量不稳定场景下寻求系统解法的技术负责人
- 愿意用流程纪律换取长期效率的务实工程师
常规风险
- 流程疲劳：若团队未充分认同方法论价值，可能演变为形式化勾选
- 子代理质量传递：底层模型若无法理解TDD铁律，整个流程可能退化
- 计划过时：长周期项目中，早期详细计划可能因需求变化而失效，需配合敏捷反馈环
- 误判独立性：Section 6的并行代理要求任务"真正独立"，错误的依赖判定会导致合并冲突