AI写代码能跑就行？Superpowers如何用工程枷锁提升代码质量_服务软件

1. Claude Code 的 code-simplifiers，拯救代码

2. 刚刚，Claude自曝80%代码AI写的，Anthropic呼吁停止研究AI

3. 9个最佳的Claude Code提效项目1. Superpowers网页链接Superpowers是Claude Code的增强插件，提供快速原型开发和迭代编码能力。2. Awesome Claude Code网页链接精选的Claude Code资源、技巧、提示词、工具和集成的完整列表。3. GSD (Get Shit Done)网页链接轻量级任务自动化框架，帮助Claude Code高效完成日常开发工作流程。4. Claude Mem网页链接为Claude Code添加持久化内存能力，自动跨会话保存上下文，减少重复信息输入。5. UI UX Pro Max网页链接AI驱动的设计系统生成器，根据产品类型自动推荐配色、排版、布局和组件模式。6. n8n-MCP网页链接为Claude提供n8n自动化工作流的完整文档和API访问，让Claude能设计和部署复杂的自动化。7. Obsidian Skills网页链接Obsidian笔记软件的Agent Skills，使Claude Code能直接创建和编辑Markdown、Canvas和Bases。8. LightRAG网页链接轻量级检索增强生成框架，通过知识图谱和向量检索为Claude Code提供更精准的信息检索。9. Everything Claude Code网页链接production级Agent框架，包含28个专业子Agent、116个技能、59个命令和完整的安全审计系统。#HOW I AI# #程序员# （via. Hasan Toor)

4. 把 AI 当作超级同事：普通程序员如何借力 Superpowers 框架完成“架构师”觉醒

5. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

6. 整理了10个 Codex 上特别实用的 Skills，每一个都能在实际工作中帮你省下大量时间。建议先收藏，用到的时候直接装。按使用场景大概可以分成三类：提升代码质量的、帮你管理项目的、以及扩展 Codex 能力边界的。下面一个一个说。先说提升代码质量这一块。Superpowers，装了之后 Codex 会像一个严格的工程师一样干活。先写测试，再写代码，还会主动做代码检查。能有效减少那种看起来能跑、实际上埋了坑的情况。传送门：github.com/obra/superpowersVercel Agent Skills，这是 Vercel 官方出的网页开发检查规则，特别适合做 React 和前端项目的人。它会帮你检查页面性能、结构、可访问性和工程规范，相当于多了一个前端质量把关的角色。传送门：github.com/vercel-labs/agent-skills再说项目管理和上下文相关的。Planning with Files，让 Codex 用 Markdown 文件来记录计划、进度和上下文。做长期项目的时候特别有用，不会聊着聊着就忘了前面做过什么。传送门：github.com/OthmanAdi/planning-with-filesContext Engineering Skills，教 Codex 更好地管理上下文。什么该记住，什么该总结，什么时候该清理。复杂项目里能明显减少跑偏和重复沟通的情况。传送门：github.com/muratcankoylan/Agent-Skills-for-Context-Engineering然后是扩展能力边界的几个。SuperClaude Framework，给 Codex 加了一套常用指令菜单。你可以用更简单的命令让它做分析、修 bug、写代码、优化项目、生成文档，操作门槛低了很多。传送门：github.com/SuperClaude-Org/SuperClaude_FrameworkMiniMaxSkills，一套现成的工作流程模板，覆盖前端、全栈、移动端和文档写作。特别适合不知道怎么下指令的新手，直接照着流程让 Codex 干活就行。传送门：github.com/MiniMax-AI/skillsComposio Skills，帮 Codex 连接外部工具和服务，比如 GitHub、Notion、Slack、数据库等等。适合想让 Codex 不只写代码，还能帮你操作各种工具的人。传送门：github.com/ComposioHQ/skills最后是几个适合学习和找灵感的。Anthropic Official Skills，官方的示例技能库。主要用来学习一个好的 Skill 应该怎么写，也适合拿来当模板，改成自己的专属技能。传送门：github.com/anthropics/skillsAntfu Skills，看高手是怎么设计 Skills 的。适合想进阶的人参考，能学到优秀开发者是怎么把经验沉淀成可复用工作流的。传送门：github.com/antfu/skillsAwesome Agent Skills，一个大型 Skills 目录，收集了很多公司和社区做的技能。需要什么能力的时候进去翻一翻，当技能导航站用。传送门：github.com/VoltAgent/awesome-agent-skills如果你在用 Codex，强烈建议把这几个装上试试。不夸张地说，装完之后你会发现 Codex 能干的事情比你想象的多得多，工作效率的提升是全方位的。#How I AI##科技先锋官#

7. 开发AI代理时，经常需要反复调试代码、梳理需求、优化架构，来回切换思路和工具，效率低下又容易出错。mattpocock/skills 把真实工程技能浓缩成一组小巧命令，提供了AI编码的全流程解决方案。不仅有/grill-me深度访谈对齐需求、/tdd测试驱动开发红绿重构循环，还支持/diagnose调试诊断、/improve-codebase-architecture架构优化，甚至能自动生成CONTEXT.md共享语言文档。GitHub：github.com/mattpocock/skills主要功能：- /grill-me 和 /grill-with-docs：深度访谈对齐需求，自动生成共享语言CONTEXT.md和ADR文档；- /tdd：测试驱动开发，红绿重构循环，确保代码可靠；- /diagnose：结构化调试循环，重现→最小化→假设→插桩→修复→回归测试；- /triage：问题分类状态机，支持GitHub/Linear/本地文件跟踪；- /improve-codebase-architecture：基于领域语言优化代码库架构，避免泥球代码；- /to-issues 和 /to-prd：自动拆解计划为可抓取的GitHub issues和PRD；- /zoom-out：代码全局视角分析，/caveman超压缩沟通模式。支持任何AI模型，通过 npx skills@latest add mattpocock/skills 一键安装，30秒快速启动，适合真实工程项目开发。#AI编程# #ClaudeDev# #工程技能#

8. OpenClaw第一款安全扫描器，检测企业自主AI Agent活动

9. 过去十年，大家一直在说AI会改变编程。但现在看，真正被改变的，可能不是“写代码”，而是“审代码”。如果未来AI写代码、审代码都变成了常态，程序员最核心的能力到底是什么呢？#大有学问 #红衣聊AI #anthropic #人工智能 #程序员

10. 让 AI 写代码前先做设计的框架，在 Github 上快二十万 star 了，可能有些朋友已经知道了。专门再分享给还没看过的朋友。这个影响力挺大的，也是一个启发。GitHub 上有一个 AI 编程工具项目最近涨得很快，叫 Superpowers。做的事情一句话讲清楚：给 AI 编程工具装上一套完整的软件工程流程，让 AI 写代码之前必须先讨论需求、做设计、列计划，然后按测试驱动的方式一步一步写，不许上来就动手。做这个的人叫 Jesse Vincent，GitHub 上的 ID 是 obra。在开源圈不算新人，Android 上那个用了很多年的邮件客户端 K-9 Mail 就是他写的。现在他创办了一家叫 Prime Radiant 的公司，专门做 AI 工程工具。Simon Willison（做 llm 命令行工具的那位资深开发者）曾评价他是「最有创造力的 AI 编程工具使用者之一」。截至这周，仓库接近二十万颗 star，一万七千多个 fork。这个框架跟 GitHub 上另一个很火的 AI 编程项目 Matt Pocock 的 skills 不太一样。Pocock 的是个人工程习惯的集合，一条条单独用，只在 Claude Code 里跑。Superpowers 是一套完整的开发方法论，有一条从需求到交付的固定流水线，而且不只支持 Claude Code，Cursor、GitHub Copilot、Gemini CLI、Codex 都能装。它的工作流程是这样的。第一步，头脑风暴。你告诉 AI 要做什么，AI 不会马上写代码，而是用提问的方式跟你反复确认：你真正想要的是什么？有没有边界情况没考虑到？有没有更简单的方案？这一步的目的是逼你在动手之前把需求想清楚。第二步，做计划。需求确认之后，AI 会把任务拆成一个个两到五分钟能完成的小块，每块写清楚要改什么文件、预期输出是什么。这个计划要你看过点头才能往下走。第三步，测试驱动实现。每个小块按「先写测试、再写代码、最后重构」的经典循环来。不是 AI 自己觉得写完了就算完，而是测试通过了才算完。第四步，并行子 agent。这是这个框架比较独特的设计。它用 git worktree（一种让同一个代码仓库同时开多个独立工作目录的功能）给每个子任务开一个隔离的工作空间，然后派一个新的 AI 去那个空间里干活。多个 AI 可以同时跑不同的任务，互不干扰。干完之后过两轮审查：第一轮检查是否符合设计，第二轮检查代码质量。除了这条主线，还有一些辅助技能：四阶段结构化排错、代码审查的请求和接收流程（有标准清单）、分支管理（什么时候合并、什么时候开 PR），以及一个「写新技能」的元技能，你可以按它的格式给自己团队定制新的 skill。装的话看你用什么工具。Claude Code 里一行命令：/plugin install superpowers@claude-plugins-officialCursor 和 Copilot 也各有安装方式，文档里都列了。说实话，这种重方法论的框架有一个明显的取舍：流程越完整，每个任务的启动成本越高。如果你就想让 AI 快速改个小 bug 或加个简单功能，走完头脑风暴、计划、测试驱动一整套流程有点大材小用。它更适合中等以上复杂度的开发任务——需要拆分、需要设计、需要多步验证的那种。小任务用轻量的单条 skill（比如 Matt Pocock 的 /diagnose 或 /tdd），大任务用 Superpowers 这种全流程框架，搭配着来大概是比较合理的用法。项目放在 GitHub 上，作者 obra，仓库名 superpowers。

11. 一位开发者「用Claude Code独立开发iOS应用5个月，代码量达到22万行」后的思考。代码量反而是容易的，Claude Code最大的挑战不是生成代码，而是管理代码的上下文和做架构决策。1. 上下文爆炸22万行代码，当你修改一个功能时，Claude Code需要理解它可能影响哪些其他模块有时候一个改动会在意想不到的地方产生副作用需要手工梳理依赖关系，告诉Claude Code"这个改动的边界在哪"这个工作量比写代码还大2. 架构决策无法自动化项目初期：选择用SwiftUI还是UIKit？选哪个数据库？如何分层？这些决策会影响后续几十万行代码的质量Claude Code很难主动说"我觉得这个架构有问题，我们应该重构"需要人来做决策，然后告诉它执行3. 技术债累积很快短期内快速堆砌代码很容易但6个月后再改动一个核心模块时，会发现当初的快速决策留下了大量技术债清债比新建还费时间4. 测试覆盖成了瓶颈22万行代码，自动化测试覆盖率如果低于80%，新改动就很容易引入bugClaude Code能帮你写单元测试，但什么时候需要补充测试、哪些路径容易出bug，这需要人的经验判断对比传统团队开发：1. 传统模式（团队）：架构师做决策（花时间但决策质量高）开发者执行（快速）Code Review 抓问题（花时间）2. Claude Code模式（单人）：开发者做决策（需要你懂架构）Claude Code执行（非常快）自己测试和验证（花时间）看起来快了，但其实只是把时间挪到了前期设计和后期测试。这位开发者总结的经验：✅ Claude Code最擅长的：把你的想法转化成代码（包括复杂的UI逻辑）跨文件的重构（改一个接口，它能同时更新所有调用处）生成样板代码和重复代码快速迭代（"改成这样试试"的速度很快）❌ Claude Code无法替代的：架构设计（什么时候应该分层、什么时候应该合并）技术决策（用A方案还是B方案，长期来看哪个成本更低）性能优化（知道代码跑得慢，但为什么慢、怎么优化需要人工分析）产品决策（哪个功能应该优先做、MVP应该包含什么）对工程师团队的启示：1. 不要期待AI完全替代你最高效的模式不是"AI干所有活"，而是"人做决策，AI执行"。人的时间花在思考上，AI的时间花在实现上。2. 架构能力变成了新的竞争力当代码生成不再是瓶颈时，能快速做出好的架构决策的人变得稀缺。这是未来更值钱的技能。3. 上下文管理成了新的挑战22万行代码已经是这位开发者的极限了。再往上，单靠Claude Code处理上下文的能力就不够。需要更好的code organization工具。4. 测试和质量保证的重要性提升当开发速度提升10倍时，测试和bug修复的比例反而上升。需要更严格的测试规范。原文讨论：www.reddit.com/r/ClaudeAI/comments/1rr1069/#HOW I AI# #程序员#

12. 为什么银行科技研发需要“规格驱动开发（SDD）”？如何构建AI与人类的共同契约？

13. AI 编程真的有用吗？Cursor｜TRAE 深度实测！

14. Claude Code 30k+ star官方插件，小白也能写专业级代码

15. 我的 AI 驱动开发工作流：基于 Cursor 的全流程实战开发 SOP

16. 谁才是最强王者？ChatGPT5.5、Claude 4.7、Deepseek V4、Qwen 3.6 编程实测见真章！| 零度解说

17. AI编程代理经常缺乏生产级工程技能，容易跳过规格编写、测试验证、代码审查等关键步骤，导致代码质量低下、后期维护成本高。agent-skills 为AI编码代理提供生产级工程技能包，覆盖从需求定义到部署上线全开发生命周期的最佳实践。包含19个结构化技能工作流和7个斜杠命令，支持Claude、Cursor、Gemini CLI等多平台AI工具，让代理像资深工程师一样规范开发。GitHub：github.com/addyosmani/agent-skills主要功能：- 7个开发生命周期命令：`/spec`（规格先行）、`/plan`（任务分解）、`/build`（增量实现）、`/test`（测试验证）、`/review`（代码审查）、`/code-simplify`（代码简化）、`/ship`（安全部署）；- 19个核心技能：从`idea-refine`（想法提炼）到`shipping-and-launch`（上线发布），每个技能包含步骤、工作流验证和反合理化表；- 专业代理角色：`code-reviewer`（资深工程师视角）、`test-engineer`（测试专家）、`security-auditor`（安全审计）；- 参考清单：测试模式、安全检查、性能优化、无障碍标准等快速参考；- Google工程实践：集成Hyrum's Law、测试金字塔、Chesterton's Fence、Trunk-based Development等实战经验；- 多平台集成：Claude Code一键安装，Cursor规则文件，Gemini原生技能，支持任何Markdown提示的AI代理。通过`git clone`本地运行或Marketplace安装，适合开发团队、AI代理爱好者和工程实践训练。#AI编程# #工程技能# #AgentSkills#

18. 怎么验证AI生成的单元测试是真的在测东西，而不是形式上通过？

19. 稳了！AI生成85%代码，程序员职业历史上最好的黄金十年来了！

20. 在线开发中，构建高效智能AI代理系统是一大挑战，各种技能、记忆管理、安全检测、持续学习等环节缺一不可。Everything Claude Code 是一套开源的AI代理性能优化系统，专为Claude Code、Codex、Opencode、Cursor等多平台AI工具打造。它不仅集成了丰富的智能子代理（code-reviewer、security-reviewer等），还有自动学习的“本能”系统，助力代码质量、测试驱动开发、自动安全扫描，真正实现生产级别的多技能智能协同。GitHub：github.com/affaan-m/everything-claude-code主要功能：- 多平台全兼容，支持Claude Code、Codex、OpenCode、Cursor等主流AI编码工具；- 完善的技能库，覆盖测试驱动开发、代码审查、安全审核、E2E测试、文档更新等工作流；- 强大的Hook机制，自动触发格式化、secret扫描、上下文持久化等操作；- 持续学习系统，自动提取开发“本能”，提升智能决策能力；- 多Agent协作支持，拆解复杂任务、多线程执行更高效；- 集成AgentShield安全扫描，1282项规则全面保障代码安全；- 详细操作指令和跨平台安装脚本，2分钟极速上手。适合开发者、团队追求极致AI辅助开发体验的必备利器。#AI开发# #智能代理# #开源神器#

21. 亚马逊将禁止初级工程师直接提交 AI 代码，如何评价这一举措？AI 提效与工程质量如何平衡？

22. 托管 Agent 执行循环只是起点，AgentRun 托管的更是企业 AI 生产全链路

23. 【让AI自己检查作业：一小时写4000行代码的秘密】YC掌门人Garry Tan分享了他使用Claude编程的方法论，核心思路是让AI在动手之前先做系统性的自我审查。他的提示词设计了四个审查维度：架构评估、代码质量、测试覆盖、性能分析。每个维度都要求AI列出具体问题，给出多个解决方案，说明利弊权衡，然后等待人类确认方向再继续。这套方法的精髓在于：把AI从执行者变成对话者。传统的AI编程是你说需求，它吐代码。这套流程是让AI先扮演架构师和代码审查员，把潜在问题暴露在写代码之前。Garry说他用这个方法一小时能完成4000行以上的功能开发，包含完整测试。Paul Graham在评论区算了一笔账：这个速度是去年八月那个引发争议的创始人案例的四倍。几个值得注意的细节：第一，他特别强调用ASCII图来可视化架构。上传截图让AI画出页面结构图，然后用AI命名的元素名称来沟通，省去了大量描述成本。这是个被低估的技巧。第二，提示词里明确写了工程偏好：DRY原则要严格执行，测试宁多勿少，宁可处理更多边界情况也不要图快，显式优于聪明。这些偏好让AI的判断有了锚点。评论区的讨论很有意思。有人指出真正的提升不是来自单个完美提示词，而是整个仓库的配套设施。有人说提示词工程的元游戏正在从「获得好输出」转向「让模型验证自己的输出」。自我检查才是真正的解锁点。也有质疑声音。有开发者说Claude在复杂代码库上最近退步明显，容易陷入循环，中途丢失上下文。还有人直接挑战：4000行代码本身不是成就，4000行你没写的代码才是。这个观点值得深思。速度从来不是稀缺资源，克制才是。一位工程师的总结很到位：提示词不是黑魔法，前置思考才是。他写代码前会先写分形规格文档，把架构、边界情况、测试场景全部预定义，文档和代码的比例是3.6比1。AI编程的本质正在发生变化。瓶颈不再是写代码的速度，而是你能多快想清楚要构建什么。x.com/garrytan/status/2020072098635665909

24. CodeBuddy领航：AI辅助编程应用·架构·交付

25. 【AI开发】—— OpenCode Superpowers 插件安装+使用全指南

26. Superpowers:145k Star的AI编码框架,到底是什么来头?

27. 给 AI 编程助手装上"纪律"：Superpowers 与代码质量的平衡术

28. 代码是AI写的，债是你还的——直到我用了 Superpowers

29. Superpowers：121K Star，让AI编程Agent学会守规矩的超级框架

30. Superpowers框架：AI编码代理的开发方法论革命

31. 2026 AI效率神器：Superpowers + Claude Code 保姆级教程

32. 规范即代码：OpenSpec定义行为，Superpowers自动实现

33. Superpowers：AI 驱动的 TDD 框架，110k Star 的开发新范式

34. 代码质量不翻车：Superpowers与OpenSpec组合实战

35. Claude Code安装Superpowers后代码通过率58%→91%：AI编程工程化拐点来了

36. 小白瞬间“专业程序员上身”,这套AI工作流把编程短板全补上了 | 实测Superpowers

37. Superpowers 是一套为 AI 编程助手设计的开源技能框架，它通过强制性的结构化工作流（如需求澄清、测试驱动开发、代码审查等），将 AI 从简单的代码生成器升级为遵循工业级开发规范的“专业工程师”。它的核心目标是解决 AI 编程中常见的三大问题：需求理解偏差、代码质量不可控、后期维护困难，确保生成的代码不仅“能跑”，而且健壮、可维护。 Superpowers 的核心思想是 “流程胜于猜测” ，它要求 AI 在写代码前先完成一系列规范化步骤。其典型开发流程如下： * 头脑风暴：AI 像产品经理一样提问，帮你把模糊想法转化为清晰的技术方案，并生成设计文档 (design.md)。 * 环境隔离：自动使用 git worktree 创建独立开发环境，避免不同任务间的代码冲突。 * 编写计划：将设计方案拆解为 2-5 分钟可执行的小任务，每个任务都包含精确的文件路径、代码变更和验证命令。 * 子代理驱动开发：为每个任务派发独立的子代理执行，配合两阶段审查（先查功能是否完整，再审代码质量是否优良），保证最终产出。 * 完成与合并：所有任务完成后，自动运行测试、清理分支，并等待你将代码合并或提交 PR。这套流程强制 AI 遵循“先想清楚、再测、后写”的严谨顺序，从源头提升代码质量。 #春日生活打卡季##记录我的2026#

38. Superpowers：让 AI 真正写代码的 Agent框架!一套自动化执行（Skills），覆盖从"需求 → 设计 → 计划 → 开发 → 测试 → 评审"完整流程

39. Superpowers 软件工程插件

40. Superpowers深度解析：让Claude Code化身专业软件工程师的Agent技能框架

41. Superpowers:AI编程进化到“软件工程化”!开源就85K星!

42. Codex 插件 Superpowers 实测：它不是让 AI 更会聊天，而是逼 AI 按流程干活

43. Claude Code Superpowers：一个插件让 AI 编程从"随机应变"变成"专业流程"

44. superpowers 使用教程

45. 为什么你的 Superpowers 总是返工？Superpowers执行差的真相

46. Superpowers实操全流程：让AI编程从“随性”到“工程化交付”

47. 极力推荐一个Skills Superpowers：给 Claude Code、Codex、Cursor 装上一套更靠谱的开发方法论

48. Claude Code集成Superpowers超全教程，开发效率翻倍

49. 从想法到代码——Superpowers 的完整工作流

50. 都说Superpowers和OpenSpec好用，一个管代码质量，一个管变更记录——到底行不行？

51. Superpowers 新手保姆级使用手册

52. 给Claude Code装上超级技能包 —— SuperPowers使用实践

53. 总是要重做任务？揭秘Superpowers效果不佳的真正原因

54. 第 9 章 Superpowers 与工程化工作流：TDD、代码审查与质量保障

55. Claude Code Superpowers 插件，让 AI 从 “凑代码” 变 “工程大佬”

56. 深度实战：Superpowers 避坑指南与高阶优化技巧

57. Superpowers Skill - 让 Claude Code 和 Codex 按工程流程做开发

58. 从零开始：用Superpowers开发一个密码强度检测功能

59. 90%的人只用了Superpowers 10%的能力，实战案例带你走通全流程

60. 我用 Superpowers 写了一个月代码，AI 终于不再瞎搞了

61. ai软件开发实践--Superpowers技能

62. Superpowers深度解析：让AI编程助手拥有「资深工程师」的方法论

63. 启动吞掉2万Token！Superpower优缺点一次讲透。 # 播客简介还在苦恼用Claude Code写代码频频跑偏、写完大幅返工？坐拥十万高星装机量的Superpowers插件，凭借强制标准化四步工作流，从需求澄清、隔离开发、任务拆解到双层审核，牢牢管住AI开发节奏，大幅降低项目返工成本，稳稳拉高代码质量底线。但它也存在启动巨量消耗Token、Windows适配差、轻量任务流程冗余、文档与实现脱节等诸多硬伤。本期深度实测解析，同时结合DeepSeek模型适配实测，全方位剖析这款热门插件的真实实力与使用坑点，告诉你到底该不该装、什么场景用最合适。#Claude Code#Superpower#skills #插件

64. AI编程的工程方法论

65. 给 AI 编码加上工程纪律：Superpowers 到底做了什么

66. 211K+ Star 爆火！Superpowers 让 AI 智能体写出工程级规范代码

67. Superpowers：AI编程工程流程拆解深度拆解GitHub热门AI编程技能库Superpowers的核心逻辑。通过TDD、子代理驱动及HARD-GATE等硬性工程纪律，解决AI写代码缺乏规范、上下文污染及逻辑错误等痛点，实现从“AI助手”到“AI工程师”的范式转变。#Superpowers #AI编程 #工程纪律 #TDD #软件工程

68. 从决策、执行到记忆复利：gstack + Superpowers + CE 完整实战工作流

AI写代码能跑就行？Superpowers如何用工程枷锁提升代码质量

精选参考来源