给AI装上肌肉记忆：Superpowers如何让代码代理真正靠谱

## 🤔 第一章：为什么你的AI总是一脸懵 想象一下，你刚考完驾照，兴奋地坐进一辆全新的车里。油门、刹车、方向盘——这些你都会用。但真正开上路时，你还是会手忙脚乱：什么时候打转向灯？变道要看哪个镜子？遇到加塞怎么办？ 这就是今天大多数AI代码代理的处境。 它们"会写代码"——语法正确、逻辑通顺、甚至能处理复杂算法。但真正投入项目时，问题百出：不写测试就动手、跳过设计直接编码、遇到bug瞎猜一通……就像新司机知道怎么踩油门，却不知道什么时候该踩刹车。 问题不在于"能力"，而在于"经验"。 经验是什么？是一套在特定场景下自动触发的行为模式。老司机看到前车刹车灯亮，脚已经移到刹车上了——不是思考的结果，是肌肉记忆。 **Superpowers要做的，就是给AI代码代理装上这种"肌肉记忆"。** --- ## 🔮 第二章：Hook魔法——在AI"醒来"的那一刻 如果要在AI开始工作前说一句话，你会说什么？ "请认真完成"？"记得写测试"？"先设计再动手"？ 这些话说了也白说，因为AI根本记不住——每次对话都是全新的开始，没有上次的记忆，没有积累的经验。 Superpowers的解决方案出奇简单：**在AI"醒来"的那一刻，直接把指令注入它的脑子里。** 这就是 **SessionStart Hook** 的工作原理。当Claude Code或Cursor启动一个新会话时，`hooks/session-start` 这个脚本会自动执行，读取 `using-superpowers` 技能的内容，然后注入到系统提示中。 ``` 用户打开Claude Code ↓ SessionStart Hook 触发 ↓ 读取 using-superpowers 技能 ↓ 注入到系统提示 ↓ AI"醒来"，已经知道该怎么做 ``` 这就像给新员工入职时，直接把公司规章刻在他脑子里——不用培训，不会忘记，每次都一样。 > **技术细节**：Hook配置在 `hooks/hooks.json` 中，使用JSON格式定义触发条件。`session-start` 是一个Bash脚本，用 `escape_for_json` 函数处理特殊字符，确保注入内容格式正确。 --- ## 📚 第三章：技能库——AI的"武功秘籍" Hook解决了"怎么开始"的问题，但"开始之后做什么"呢？ 这就是 **技能（Skill）** 登场的时候。 技能是什么？想象一本菜谱：它告诉你什么时候用（"当你要做红烧肉时"），需要什么材料，按什么步骤操作，常见的坑在哪里。你不是每次做菜都从头摸索，而是翻开菜谱，照着做。 Superpowers的技能就是这个逻辑。每个技能是一个Markdown文件，结构如下： ```markdown --- name: test-driven-development description: Use when implementing any feature or bugfix, before writing implementation code --- # Test-Driven Development (TDD) ## Overview Write the test first. Watch it fail. Write minimal code to pass. ## When to Use - New features - Bug fixes - Refactoring ... ``` 关键在于 **description** 字段。它不是告诉你这个技能"是什么"，而是告诉你"什么时候用"。 > **设计洞察**：测试发现，如果description描述了技能的流程，AI可能会直接照着description执行，而不是去读取完整的技能内容。所以description必须只写触发条件，不写工作流程。这叫 **CSO（Claude Search Optimization）**。 技能存在 `skills/` 目录下，每个技能一个文件夹。AI通过 `Skill` 工具搜索和加载技能——就像在图书馆查目录，找到需要的书，然后翻开来读。 ### 技能的类型 技能分两类： - **Rigid（刚性）**：必须严格遵循，不能变通。比如TDD、系统调试。 - **Flexible（灵活）**：可以根据情况调整。比如设计模式、代码风格。 技能本身会告诉你它是哪一类。 --- ## 🧪 第四章：TDD驱动——用失败证明成功 Superpowers最独特的创新，是**用TDD（测试驱动开发）的方法论来写技能本身**。 等等，用TDD写文档？这是什么操作？ 传统写文档的流程：想清楚要说什么 → 写下来 → 发布 → 有人反馈问题 → 修改。 Superpowers的流程完全不同： ``` RED阶段：写一个压力测试场景，让AI在没有技能的情况下执行任务 ↓ 观察AI失败的方式，记录它找了哪些借口 ↓ GREEN阶段：写技能，专门针对那些失败和借口 ↓ REFACTOR阶段：再测试，发现新的漏洞，修补 ↓ 循环直到"防弹" ``` 举个例子。`test-driven-development` 技能就是为了防止AI跳过测试而设计的。在压力测试中，AI会找各种借口： | AI的借口 | 技能的反驳 | |---------|-----------| | "太简单了，不需要测试" | 简单代码也会出错，测试只要30秒 | | "我之后再补测试" | 后补的测试什么也证明不了 | | "我已经手动测试过了" | 手动测试不是系统化的，无法复现 | | "删掉已有代码太浪费" | 沉没成本谬误，不可信的代码是技术债务 | 技能里直接把这些借口和反驳写进去，AI读到后，下次就不会再找同样的借口了。 > **核心理念**：如果你没看到测试失败，你不知道测试测的是不是正确的东西。 --- ## 🔄 第五章：四步工作流——从想法到代码 有了技能，AI知道"怎么做"了。但一个完整的项目，需要多个技能配合使用。 Superpowers定义了一个标准工作流，把技能串联起来： ``` ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ Brainstorm │ → │Write Plans │ → │ Execute │ → │ Finish │ │ 头脑风暴 │ │ 写计划 │ │ 执行计划 │ │ 收尾 │ └─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘ ``` ### 第一步：头脑风暴（Brainstorming） 用户说"我想做个功能"，AI的第一反应不是写代码，而是**问问题**。 - 你想解决什么问题？ - 有什么约束条件？ - 成功的标准是什么？ 问完问题，AI提出2-3种方案，分析利弊，推荐一个。用户确认后，才进入下一步。 > **硬性规定**：在用户批准设计之前，AI不得调用任何实现技能、不得写任何代码、不得搭建任何项目脚手架。即使是"简单"项目也必须走这个流程——因为"简单"项目恰恰是最容易被忽视的地方。 ### 第二步：写计划（Writing Plans） 设计批准后，AI把设计分解成**小任务**——每个任务2-5分钟可完成。 每个任务包含： - 精确的文件路径 - 完整的代码 - 验证步骤 这就像把一道大菜拆解成一个个具体的步骤：切葱、备姜、热油、下锅……每一步都清清楚楚。 ### 第三步：执行计划（Subagent-Driven Development） 这是Superpowers最强大的部分。 AI不是自己一个个执行任务，而是**派遣子代理**去执行。每个子代理只负责一个任务，完成后汇报。 为什么这么做？ 1. **上下文隔离**：子代理只看到自己的任务，不会被其他信息干扰 2. **并行效率**：多个子代理可以同时工作 3. **质量控制**：每个任务完成后，有专门的评审流程 评审分两阶段： - **规范符合性评审**：是否完成了计划要求？ - **代码质量评审**：代码写得好不好？ ### 第四步：收尾（Finishing a Development Branch） 所有任务完成后，AI验证测试是否通过，然后给用户选择： - 合并到主分支？ - 创建Pull Request？ - 保持当前分支？ - 放弃更改？ 最后清理工作树，保持仓库整洁。 --- ## 💡 第六章：设计哲学——过程优于猜测 Superpowers的核心哲学，可以总结为一句话： > **系统性优于随意性，证据优于声称。** 这不是口号，而是贯穿整个设计的原则。 ### 过程优于猜测 遇到bug时，普通AI会"猜"问题在哪——也许是这里？试试改一下？不对？那换那里？ Superpowers的 `systematic-debugging` 技能要求：先复现，再定位，再修复。每一步都要有证据，不能靠猜。 ### 测试优于声明 "我已经测试过了"这句话在Superpowers里没有意义。 有意义的是：**我看到了测试失败，然后写了代码，然后看到测试通过。** 这三步缺一不可。没有看到失败，你不知道测试测的是不是对的东西。 ### 简单优于复杂 Superpowers本身也是按这个原则设计的。核心代码只有200行JavaScript，技能都是纯Markdown文件，没有复杂的依赖，没有黑魔法。 > **技术栈**：PHP用于锦囊系统，JavaScript用于核心技能发现，Bash用于Hook脚本。每种语言只做它最擅长的事。 --- ## 🎯 结语：从"能写代码"到"会写代码" Superpowers做的事情，本质上是把**最佳实践变成默认行为**。 它不教AI新的技术——AI本来就会写代码。它教AI的是：什么时候该停下来思考，什么时候该写测试，什么时候该问用户，什么时候该评审。 这些不是技术能力，而是**工程素养**。 就像驾校教练不会教你汽车引擎原理，但会教你"看到红灯要减速"。这些看似简单的规则，区分了"会开车"和"不会开车"。 Superpowers让AI从"能写代码"进化到"会写代码"。 这就是给AI装上"肌肉记忆"的意义。 --- *本文基于 Superpowers v4.3.1 撰写，项目地址：https://github.com/obra/superpowers*