你用 Cursor、Claude Code 写代码的时候，有没有遇到过这种情况：让 AI 改个小功能，它一口气改了 20 个文件，改完跑不起来，你都不知道它干了啥。

GitHub 上有两个项目，都是来解决这个问题的。一个 5.5 万星，一个 22.5 万星，思路截然不同。

Addy Osmani 的做法：给 AI 一本工程手册

Addy Osmani 在 Google Chrome 团队干了十几年，写过《JavaScript 设计模式》，是前端圈的老面孔。

他的项目叫 agent-skills，思路很直接——把资深工程师的工作习惯写成技能文件，AI agent 照着做就行。

https://github.com/addyosmani/agent-skills

项目里有 24 个技能，覆盖从写需求到上线的完整流程：

  • /spec — 先写产品需求文档，再动手写代码
  • /plan — 把需求拆成小任务，每个任务独立可验证
  • /build — 一次只做一个垂直切片，做完测试再继续
  • /test — 强制 TDD，先写失败测试，再写实现
  • /review — 五个维度的代码审查
  • /ship — 上线前检查清单

每个技能文件的结构都一样：步骤、检查点、退出标准。还有一张「反自我合理化表」——把 AI 常见的偷懒借口列出来，配上反驳理由。比如 AI 会说「这个改动太小，不需要测试」，技能文件直接告诉你：不管多小，都得测。

技能按需激活，不需要手动调用。你在写 API，api-and-interface-design 自动加载；你在做前端，frontend-ui-engineering 自动生效。

里面有个挺有意思的技能叫 doubt-driven-development（怀疑驱动开发）。不是代码写完再 review，而是在做每个非平凡决策的时候，立刻开一个干净上下文的审查 agent 来质疑你。核心理念：一个自信的回答不等于一个正确的回答。长对话里积累的上下文会把假设悄悄变成”事实”，而你需要一个不带偏见的旁观者来打破这个幻觉。

兼容 Claude Code、Cursor、Windsurf、Gemini CLI、GitHub Copilot 等主流工具，技能文件都是纯 Markdown，本质上就是结构化的 prompt。

Jesse Vincent 的做法：让 AI 自己当项目经理

Jesse Vincent 是另一个圈子的大佬——他写了 Request Tracker（RT），Perl/Ruby 社区的传奇人物。

他的项目叫 Superpowers，思路完全不同。不是给 AI 加技能，而是给 AI 一整套方法论，让它从接需求到合并代码全程自主。

https://github.com/obra/superpowers

Superpowers 的核心是 subagent 驱动开发。流程是这样的：

  1. 你说你想做什么
  2. AI 不急着写代码，先通过苏格拉底式提问把需求搞清楚
  3. 需求确认后，自动生成实施计划，每个任务精确到文件路径和完整代码
  4. 你说”开始”，主 agent 变身监工，每个任务派一个全新子 agent 去执行
  5. 子 agent 做完后，不是交给人类检查，而是再派两个审查 agent：第一个查规格合规性，第二个查代码质量
  6. 不合格打回重做，合格才进入下一个任务
  7. 全部做完，再来一轮整体代码审查
  8. 最后给你选项：合并、提 PR、保留分支、还是丢弃

整个过程 AI 可以自主跑几个小时不用人干预。关键设计是每个子 agent 都是全新上下文——不继承主 agent 的对话历史，只拿到精确的任务指令。这避免了长对话的上下文污染问题。

还有个细节：Superpowers 用 git worktree 做隔离。每个功能分支有自己的独立工作目录，互不干扰。做完了要么合并，要么扔掉，主分支始终干干净净。

模型选择上也动了心思——机械任务用便宜模型，架构决策用最强模型。不是所有活都让最贵的模型干。

两个项目的根本差异

agent-skills 是技能图书馆。你需要什么拿什么，灵活组合，但得自己决定什么时候用什么技能。

Superpowers 是全自动流水线。你只管提需求和签字，中间的全过程 AI 自己走完。

一个像是给厨师配了一套好刀和菜谱，另一个像是雇了个厨房团队——主厨统筹，切菜的、炒菜的、摆盘的各司其职，最后端上桌让你验收。

为什么现在火

两个项目都不是今天才出现的。Superpowers 去年 10 月就有了，agent-skills 今年 2 月创建。但最近同时冲上 GitHub Trending 榜首，说明一件事：用 AI 写代码的人，已经过了”能跑就行”的阶段，开始关心质量了。

这两个项目的共同点很明确：都强调先想清楚再动手，都强制 TDD，都在流程里埋验证点。不同点在于谁来驱动流程——人还是 AI 自己。

目前两个项目都支持 Claude Code、Cursor、Gemini CLI、GitHub Copilot 等主流编码工具，MIT 开源协议。Superpowers 还额外支持 Codex CLI 和 Factory Droid。

如果你在用 AI 编码工具，至少值得花十分钟翻翻它们的 SKILL.md 文件，看看资深工程师是怎么组织工作流的。

参考链接

  1. addyosmani/agent-skills
    https://github.com/addyosmani/agent-skills

  2. obra/superpowers
    https://github.com/obra/superpowers

  3. Superpowers 发布公告（Jesse Vincent 博客）
    https://blog.fsck.com/2025/10/09/superpowers/

  4. Addy Osmani 个人网站
    https://addyosmani.com