⚡ Superpowers
一套面向 AI Coding Agent 的软件开发工作流 Skills，将软件工程中的需求分析、方案设计、任务规划、编码、测试、Debug、Code Review、Git 协作等流程标准化，让 AI Agent 不只是“写代码”，而是按照完整的软件工程方法完成开发。
✨ 适合：
- Claude Code
- Codex
- AI Coding Agent
- 大型项目开发
- 复杂功能开发
- TDD / 测试驱动开发
- 多 Agent 协作
- Code Review
- Git Worktree
- 软件工程工作流
🧠 Core Skills
💡 brainstorming
需求分析 / 方案设计
在开始编码之前，通过结构化提问理解需求，分析约束条件，探索不同实现方案，并形成经过确认的设计方案。
📝 writing-plans
任务规划 / 实现计划
将已经确定的设计拆解成可执行的小任务，明确涉及的文件、实现步骤、测试方式以及验证标准。
▶️ executing-plans
计划执行 / 批量开发
按照已经生成的 Implementation Plan 批量执行开发任务，并在关键节点进行检查和反馈。
🤖 subagent-driven-development
SubAgent 驱动开发
为不同开发任务分配独立 SubAgent，每个任务完成后进行代码 Review，再继续后续任务，实现：
Task → Implement → Review → Fix → Next Task
适合复杂、多任务的软件开发。
🔀 dispatching-parallel-agents
并行 Agent / 多任务并发
将互相独立的开发或分析任务分发给多个 Agent 并行执行，提高复杂任务的处理效率。
🧪 Testing Skills
🔴 test-driven-development
TDD / 测试驱动开发
强制遵循：
RED → GREEN → REFACTOR
即：
- 先编写失败测试
- 确认测试确实失败
- 编写最小实现
- 确认测试通过
- 重构代码
- 再次验证
核心思想是避免 AI 先写大量代码，再“补测试”。
⏱️ condition-based-waiting
条件等待 / 异步测试
针对异步任务、并发任务、后台 Job 等场景，通过等待“条件成立”而不是固定 sleep 时间，提高测试稳定性。
🚫 testing-anti-patterns
测试反模式识别
识别常见测试问题，例如：
- 测试实现细节而不是行为
- Mock 过度
- 测试没有真正验证失败场景
- 测试本身存在逻辑漏洞
- 为了让测试通过而修改测试
🐛 Debugging Skills
🔍 systematic-debugging
系统化 Debug / 根因分析
遇到 Bug 时不允许直接猜原因，而是按照系统化流程：
复现 → 收集证据 → 定位根因 → 修复 → 验证
避免 AI 反复尝试“可能有效”的修改。
🧬 root-cause-tracing
根因追踪
从错误出现的位置反向追踪数据流、调用链和状态变化，寻找真正产生问题的源头，而不是只修复最终表现出来的错误。
🛡️ defense-in-depth
纵深防御 / 多层验证
对于已经发现的问题，在不同层级增加防护，例如：
输入层 → 业务层 → 数据层 → 系统层
避免同类问题通过其他路径再次发生。
⏱️ condition-based-waiting
条件式等待
用于解决异步操作、竞态条件和时序相关 Bug，通过等待实际条件满足来进行验证，而不是依赖固定延迟。
✅ verification-before-completion
完成前验证
AI 在声称“任务完成”“Bug 已修复”之前，必须实际执行验证：
- 运行测试
- 检查构建
- 检查实际输出
- 检查 Git Diff
- 验证需求是否全部满足
核心原则：
Evidence over claims —— 用证据证明完成，而不是直接声称完成。
🤝 Collaboration Skills
🌳 using-git-worktrees
Git Worktree / 隔离开发环境
为不同开发任务创建独立 Git Worktree 和分支，使多个 Agent 或多个任务可以互不干扰地开发。
典型流程：
Design → New Worktree → Development → Test → Review → Merge
👀 requesting-code-review
代码 Review 请求
开发任务完成后主动调用 Code Reviewer，对代码进行检查。
重点检查：
- 是否符合需求
- 是否符合 Implementation Plan
- 是否存在 Bug
- 是否存在设计问题
- 是否存在代码质量问题
官方流程要求对问题按照严重程度处理，Critical / Important 问题应在继续开发或合并前解决。
🔄 receiving-code-review
Code Review 反馈处理
用于接收和处理其他 Agent / Developer 的 Review 意见。
核心流程：
Review → 分析反馈 → 判断是否合理 → 修改 → 验证
避免 AI 看到 Review 后无条件修改代码。
🧩 subagent-driven-development
SubAgent 协作开发
让不同 SubAgent 分别负责：
- Implementation
- Spec Review
- Code Quality Review
并在任务之间建立 Review Gate，从而减少上下文污染和错误累积。
🏁 finishing-a-development-branch
开发分支收尾
当开发任务完成后，对整个 Branch 进行最终检查，并决定：
- Merge
- 创建 Pull Request
- 保留 Branch
- 删除 Branch
- 清理 Worktree
确保开发任务不是简单“代码写完”，而是完整结束一个开发生命周期。
🧰 Meta Skills
🦸 using-superpowers
Superpowers Skill 调度
Superpowers 的核心入口 Skill。
它负责判断当前任务是否存在适用的 Skill，并要求 Agent 在执行任务前主动调用对应 Skill。
也就是说：
用户需求 → 判断 Skill → 调用 Skill → 执行任务
而不是让 Agent 自己随意决定开发流程。
✍️ writing-skills
Skill 创建 / Skill 开发
用于创建新的 AI Agent Skill。
它甚至将 TDD 思想应用到了 Skill 本身的设计：
编写压力测试场景 → 观察 Agent 失败 → 编写 Skill → 再次测试 → 持续改进
也就是：
Test the Skill before trusting the Skill.
📤 sharing-skills
Skill 分享 / Skill 贡献
用于将自己开发的 Skill 整理、提交并贡献到 Skill 生态中。
🔄 Superpowers 完整工作流
Superpowers 真正强大的地方并不是某一个 Skill，而是这些 Skill 可以组合成一套完整的软件开发流程：
💡 Brainstorming
↓
需求理解 / 方案探索
↓
📝 Writing Plans
↓
任务拆解 / Implementation Plan
↓
🌳 Git Worktree
↓
创建隔离开发环境
↓
🤖 Subagent-Driven Development
↓
任务分发 / Agent 开发
↓
🔴 Test-Driven Development
↓
RED → GREEN → REFACTOR
↓
👀 Code Review
↓
Spec Review + Code Quality Review
↓
🐛 Systematic Debugging
↓
问题定位 / 根因修复
↓
✅ Verification
↓
测试 / Build / 实际验证
↓
🏁 Finishing Development Branch
↓
Merge / PR / Cleanup✨ 核心理念：
- Planning over improvisation —— 先规划，再编码
- Testing over guessing —— 用测试验证，而不是猜
- Systematic over ad-hoc —— 系统化解决问题，而不是不断试错
- Evidence over claims —— 用证据证明完成
- Review early, review often —— 尽早 Review，持续 Review
📌 一句话总结：
Superpowers 不是一个“让 AI 写代码更快”的 Skill，而是一套让 AI Agent 按照软件工程方法开发软件的 Skills Framework。
🔗 GitHub：
