Superpowers 深度解析：给 Claude Code 装上工程大脑¶

📊 Level ⭐⭐⭐ | 11.0KB

原文归档：原文归档

17000+ 字深度解析 Claude Code Superpowers：14 技能拆解、brainstorming SKILL.md 源码解析、概率操控技巧、querit.ai 真实案例复盘、负向收益诚实评估。百度Geek说/奔跑的脆皮肠。

一句话¶

大模型=能力，Superpowers=纪律，你=方向。14 Skill 强制"澄清→设计→规划→执行→验证"五阶段流程，概率操控让"正确行为"从 20%→80%。

三大原罪¶

回答随机性 — 模型是概率预测器，每次采样都是"掷骰子"
直觉快思考 — 只有快思考没有慢思考。认知负荷理论：拆成"每次只想一件事"
注意力稀释 — 长上下文注意力衰减。《清单革命》：术前清单使并发症死亡率降 47%

brainstorming SKILL.md 关键设计¶

强制触发："You MUST use this before any creative work" → 触发概率 20%→80%
单问题约束：One question per message（5 个问题→概率分布指数增长；1 个→聚焦高质量）
多方案探索：Propose 2-3 different approaches with trade-offs
YAGNI ruthlessly：硬编码做减法
输出物规范：写入 docs/plans/YYYY-MM-DD-<topic>-design.md + git commit
链式调用：→ using-git-worktrees → writing-plans

概率操控四技巧¶

强制词汇：MUST/NEVER → 概率分布大幅偏移
结构模板：具体数字作锚点（1, 2-3, 200-300）
状态锁定：强制文件输出持久化对话状态，防止概率漂移
链式调用：显式指定下一个 Skill，形成确定性状态机

作者 Jesse Vincent (obra)¶

30 年开源老兵。方法论来自"2000 年代初通过 IRC 远程指挥 MIT 实习生"——管理 AI = 管理初级程序员。Cialdini《影响力》说服原则对 LLM 有效。

项目热度¶

0→170k Stars（2025.10→2026.05），Anthropic 官方市场第三方安装量第一（近 30 万次）

负向收益（7 项诚实评估）¶

简单任务流程开销 > 收益
创意性任务约束扼杀灵感
Skills 注入提示词浪费上下文窗口
过度工程化（YAGNI 讽刺：流程本身制造复杂度）
学习曲线
团队协作摩擦
安全感陷阱（流程规范 ≠ 结果正确）

核心警示：提高下限，不保证上限

后悔成本决策¶

低后悔成本（改文案/修样式）→ 裸跑
中后悔成本（新功能/重构）→ 部分流程
高后悔成本（支付/安全/核心逻辑）→ 全流程

深度分析¶

概率操控：把"下命令"换成"调先验"¶

Superpowers 容易被误读成"更严格的提示词模板"，但它真正的机制不是命令，而是概率偏置。模型是采样器而非执行器，于是强制词汇、数字锚点、强制写文件、显式指名下一技能这些技巧本质相同：不规定唯一动作，而是把候选动作的分布向"正确路径"压缩，再用自回归的逐 token 条件化把已偏好路径锁定。

推论是：可执行性来自约束的形状，而不是约束的数量。一堆"请尽量"式措辞只稀释分布，一句带量化边界的硬约束才真正移动概率质量；把选项收敛、把输出位置固定（写进 docs/plans/... 而非留在对话里），都是降熵手段。这也解释了"状态锁定"为何能防漂移：上下文会被后续轮次重写注意力权重，而磁盘文件是不参与采样的外部锚点，可对照 Context Engineering 与 Prompt Engineering 基础。

brainstorming SKILL.md 是一台多轮对话编译器¶

单个 SKILL.md 文件能稳定改变多轮交互形态，靠的是三条互相咬合的设计：强制触发（触发概率从约 20% 抬到约 80%）、One question per message、强制产出设计文档并提交。

单问题约束最有信息量：一次抛 5 个问题，模型要在联合分布上同时满足 5 个约束，答案空间指数级膨胀，用户也无法在一次回答里给出五个高质量答复。拆成一问一答后，每轮只收敛一个决策节点，步数变多但每一步方差骤降——这是用轮次成本换单步精度的显式交易，也解释了它为何在复杂任务上"看着慢，实际更省"。

强制文档产出则是"中间表示"落地：设计文档把散落对话里的隐含决策冻结成可审查、可 diff 的工件。三者合起来，Superpowers 提供的其实是一套带状态机语义的对话协议：状态在文件里，迁移条件在 SKILL.md 里，终止条件是验证通过。

后悔成本规则其实是一个验证成本函数¶

原文的"低后悔成本→裸跑、中→部分流程、高→全流程"表像经验法则，拆开却是一条决策不等式：把流程与验证的投入控制在与"错误逃逸后的修复代价"相称的量级。更精确地说，期望损失 ≈ 出错概率 × 爆炸半径 × 暴露时长（从错误产生到被发现的时间）。支付与安全改动之所以要走全流程，更因为其错误往往静默——能跑通、不报错，上线后以事故形式显形，暴露时长以周计，期望损失被放大若干倍。

边界也很清晰：爆炸半径在开场通常未知，用它配预算会低估高风险任务；流程有成本，不等式存在下界——小任务上"裸跑 + 快速回滚"可能才最优；规则还假设错误可被检测，无测试、无可观测性时它会直接失效，此时该补的是检测手段而不是流程。换言之，后悔成本表是结果而非原因，原因是验证预算的边际收益曲线长什么样。

7 项负向收益不是缺陷清单，而是三类采用风险¶

7 条归拢后处在不同层级。固定成本（简单任务的流程开销、学习曲线）在小任务上必亏，与其说反对 Superpowers，不如说反对无差别使用。上下文预算挤占：技能注入本身消耗窗口，这与上下文漂移与工具幻觉、上下文窗口经济学的观察同源，14 技能、SKILL.md 动辄数百行，技能数量本身就是成本项。信任错位最危险："安全感陷阱"让团队把"走了完整流程"误当"结果正确"，而验证者悖论提示验证环节会制造虚假确定性；团队摩擦与过度工程化说明副作用往往落在组织协商成本上。"提高下限，不保证上限"这句自我限定把它定位成方差削弱器而非能力放大器。

与裸 TDD、Plan Mode 的分界¶

TDD 是一种技术，Plan mode 是一种只读预演，二者都不含强制执行与状态持久化。Superpowers 的差异不在知识含量，而在三件事：把多个技术按固定顺序串成状态机（brainstorming → worktrees → writing-plans → subagent-driven → verification-before-completion）、把每步产物落盘、把"该用哪个技能"写成显式迁移而非留给模型临场判断。

因此它更像验证驱动开发与 OpenSpec + Superpowers 的 SDD/TDD 工作流这类"以可验证工件为交付物"的路线；与 Matt Pocock 与 Superpowers 对比的分野也在这里——迁移条件越硬、状态越外置，越能抵抗长任务漂移，代价是小任务被附加固定开销。

实践启示¶

把 SKILL.md 当概率偏置器写：用 MUST/NEVER 划硬边界，用具体数字给锚点（一次只问 1 个问题、给 2-3 个方案），并在结尾显式写出下一个该调用的技能。
按后悔成本分配验证预算，先估暴露时长：低（文案/样式）裸跑 + 快速回滚；中（新功能/重构）部分流程；高（支付/安全/核心状态机）全流程。同时问"这个错误多久才会被发现"——静默错误会把期望损失推高一个量级。
为负向收益预埋退出口：写出"流程豁免条件"（单文件、低风险、可秒回滚的改动允许跳过），并定期盘一下技能注入占了多少上下文预算，别给简单任务强加仪式。
把"流程正确"与"结果正确"分开验收：verification-before-completion 是独立关卡，不以"走完了流程"作为验收理由——流程提高下限，不保证上限。