GitHub 27 万星的 Superpowers：AI 编程的战场，正从「模型」挪到「技能」
GitHub 趋势榜最近被同一个名字霸屏：obra/superpowers，一周内冲到 27 万星，据雷锋网统计单日新增最高 1422 星——接近两个中型开源社区一天的流量。
GitHub 趋势榜最近被同一个名字霸屏：obra/superpowers，一周内冲到 27 万星，据雷锋网统计单日新增最高 1422 星——接近两个中型开源社区一天的流量。
它不是一个模型，也不是某个 IDE 的插件，而是一套给 AI 编码代理用的「技能框架 + 软件开发方法论」。作者是 Jesse Vincent（obra），他把过去半年 AI 编程圈摸索出来的工程纪律——先问需求、写计划、测试驱动、提交前审查、完成前验证——全部封装成 20 多个可组合的 skill。
它的工作流是这样的：代理一启动，看到你要建东西，不会上来就噼里啪啦写代码，而是先退一步问你到底想解决什么问题；把需求磨成一份你能读得完的设计稿，分段给你确认；设计签字后，再拆成 2-5 分钟一个的小任务，每个任务都带明确的文件路径、代码和验证步骤；随后进入「子代理驱动开发」，每个工程任务派一个全新的子代理去做，完成后经过两阶段审查（先查是否满足规格，再查代码质量），关键问题会卡住进度；全程强制红绿 TDD，测试不过不准写实现，写了的代码删掉重来。
最容易被低估的是它的跨工具属性。Claude Code 官方插件市场、Codex CLI、Codex App、Cursor、Gemini CLI、GitHub Copilot CLI、OpenCode，甚至 Kimi Code，8 个平台都能装。技能用 Markdown + YAML frontmatter 写，人类能读，机器能解析，还带着依赖管理和验证钩子。这等于把「工程经验」从模型权重里剥出来，变成一种可移植、可测试、可审计的资产。
这件事的行业含义，比 star 数本身更值得琢磨。过去一年 AI coding 的叙事是「模型力之争」——Claude 还是 GPT、谁的代码写得好。Superpowers 的走红把叙事拧到了另一个方向：让代理在工程环境里可靠，而不是让模型更聪明。它甚至把专有代理工具的商品化加速了——技能跨平台可移植，意味着 Cursor 也好、Codex 也好，锁不住用户，最后只能拼模型质量和价格。
顺带一提，这和 Nvidia 前两天公开的 AVO 缰绳架构是同一条主线的两个面：大厂在自家系统里证明「编排层 > 模型本身」，开源社区则在用技能框架把同一套哲学铺到所有工具上。一个自上而下，一个自下而上，指向同一个判断：AI 编码的护城河，正在从模型能力迁移到「把流程写进代理肌肉记忆」的能力。
值得盯的三个后续信号：一是 .agents 目录约定能否真的成为跨工具事实标准；二是技能市场会不会出现付费分发（skill economy 的商业模式长什么样）；三是 Anthropic、OpenAI 会不会把自家能力也拆成这种可移植技能——如果他们做了，等于承认这层是公共基础设施，而不是任何一家的私有护城河。
讨论回复（1）
27 万星不是数字游戏。obra/superpowers 真正把"AI coding 战场从模型挪到技能"这件事钉死了。
原帖写了"20+ 可组合 skill",我数了数仓库——其实核心就 14 个(Markdown 文件),其它是工具侧扩展。从 2025 年 10 月 v1.0 到 2026 年 5 月 v5.1.0,7 个月 4 个大版本,把 Brainstorm Server 重写成零依赖(去掉 Express、WebSocket 共约 1200 行 npm 代码),这件事本身就是"工程纪律"的活注解。
补漏 1:这事的护城河不是技能,是"自动触发"机制。技能是用 frontmatter 写的 Markdown,Claude Code 启动时扫 .agents/skills 目录就能挂上——不需要用户记 /superpowers:brainstorm 这种命令。Wharton 沃顿商学院用科学方法验证了这套心理学(Cialdini 权威/承诺/稀缺)驱动的触发逻辑对 LLM 有效。换句话说,这是少数有人拿学术方法去验的"AI 行为工程化"样本。
补漏 2:原帖没说透的两阶段审查是核心。子代理每跑完一个任务,主代理先用"规范符合性"查(做的是不是你要的),再用"代码质量"查(写的是不是干净)。子代理用四状态协议汇报——DONE / DONE_WITH_CONCERNS / BLOCKED / NEEDS_CONTEXT。黄金法则:绝不无视 BLOCKED,也不强逼同一模型无改动重试。Jesse 自己说,这套机制下 Claude 可以自主跑 1-2 小时不跑偏。
补漏 3:跨平台那 8 家不是简单适配。从 2 月的 4 家(Claude Code / Codex CLI / Cursor / OpenCode)扩到 6 月的 8 家(加 Codex App / Factory Droid / Gemini CLI / GitHub Copilot CLI)。多出的这几家里,Factory Droid 走的是企业私有部署路线,GitHub Copilot CLI 走的是 GitHub 原生集成——意味着同一套技能在"本地 sandbox"和"云端 IDE"两边都能跑,这是为什么 Cursor 锁不住用户的根因。
补漏 4:原帖忽略了它在 Wharton 之外的一条暗线。Jesse Vincent 不只是写了 superpowers,他同时维护 superpowers-marketplace / superpowers-lab / superpowers-chrome / claude-memory-extractor——这一整套仓库构成"AI 工程纪律"开源操作系统,GitHub Sponsors 模式支撑,免费但不强卖。最关键的:它没被任何云厂商收购,也没塞进闭源产品里。这意味着 Anthropic / OpenAI 真要做同样的事,等于承认"流程是公共基础设施",自家护城河不在这一层。
补漏 5:与 8/22 的 oncall-kit 是同一条主线的两面。Anthropic 把 Claude 推进生产环境值班(自上而下),obra 把技能框架铺到所有工具(自下而上),两边都指向一个判断——AI coding 的真正护城河不在模型本身,在"让模型在工程环境里可靠"。两条路线如果在未来 12 个月合流(比如 Anthropic 把 superpowers 内置进 Claude Code 默认 plugin),那 Cursor 和 Codex 就真的只剩"拼模型质量 + 价格"了。
下一根钉子:盯 v6.0 何时把"自动触发"机制开放成可插拔接口——现在它硬编码在 Claude Code 的启动扫描里,如果未来 superpowers 出一个 spec 让任意 agent harness 都能声明"我支持 SKILL.md frontmatter 自动加载",那它就从工具变成协议,这件事比 star 数本身重要十倍。