1. 当AI编程助手遇上"纪律委员"
作为一名在代码质量领域摸爬滚打多年的工程师,我见过太多因为"快"而引发的灾难。去年团队引入AI编程助手时,我们经历了从惊喜到崩溃的全过程——那些能跑但满是坑的代码,就像快餐店里看起来诱人但营养失衡的套餐。
Superpowers的出现让我眼前一亮。这个框架本质上是个"AI编程纪律委员",它不教AI新技能,而是规范AI已有的能力。就像给一个天赋异禀但毛躁的实习生配了个经验丰富的老导师,在动手编码前先问:"你确定理解需求了吗?考虑过边界情况吗?测试方案呢?"
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心机制:用Markdown驯服AI
2.1 Skills设计哲学
Superpowers的Skills机制精妙之处在于:
- 可组合性:每个Skill只解决一个特定问题(如需求澄清或TDD),可以像乐高一样组合
- 可读性:用Markdown编写规则,人类和AI都能理解
- 强制性:不是建议而是工作流硬性关卡
我特别欣赏它的brainstorming Skill实现方式:
markdown复制# 需求澄清流程
1. 必须询问以下问题:
- 目标用户是谁?[必须列举至少3类用户]
- 有哪些异常场景需要考虑?[至少5个]
- 性能指标要求是什么?[必须量化]
2. 生成设计文档需包含:
- 架构图 [mermaid格式]
- 接口定义 [OpenAPI格式]
- 风险矩阵 [表格形式]
2.2 工作流引擎解析
Superpowers的工作流引擎有这几个关键设计:
- 阶段锁机制:前序阶段未完成无法进入下一阶段
- 子代理协同:主代理负责调度,子代理专注具体任务
- 上下文继承:每个子任务自动继承父任务的约束条件
这种设计确保了:
- 设计文档中的性能要求会自动成为后续编码的约束
- 测试用例会严格对应需求阶段识别的边界条件
3. 实战:用Superpowers改造登录模块
3.1 传统AI流程的问题
以常见的用户登录功能为例,普通AI助手通常会:
- 直接生成包含以下问题的代码:
- 明文存储密码
- 没有速率限制
- 错误信息过于详细
- 测试用例只有:
- 正确密
