企业官网建设流程全解析

superpowers 这套东西我盯了有一阵子了。如果你已经用上了 Claude Code，应该能感觉到：原生的能力虽然强，但每次干点正事都得反复交代背景、约束格式、提醒别偷懒，像带一个聪明但不上心的实习生。superpowers 做的事，就是把这一整套“调教AI”的经验打包成可复用的技能（skills），让它一上来就进入干活状态。这篇文章我想从一个实际使用者的角度，把它是什么、怎么装、里面到底有哪些 skills、以及实际用起来会遇到什么问题，一次性讲清楚。

我不打算写成一个翻译文档式的“说明书”，而是把我自己从安装到真正跑起来的完整过程拆给大家。你会看到它的设计思路、目录结构、几个核心技能的底层逻辑，以及我在项目里试出来的坑和解决办法。不管你是刚听说这个项目、还在犹豫要不要装，还是已经装了但没用明白，这篇应该都能帮上忙。

1. superpowers 是的核心思路：它解决了什么问题

先聊一个最基本的疑问：Claude Code 本身已经很强了，为什么还需要 superpowers 这类技能包？

1.1 裸装 AI 的“能力边界”问题

如果你用过一段时间 Claude Code，大概率会有这种感觉：在一个干净的项目里让它做事，它能干，但很“凉”。你想让它批量处理几十个文件，它会老老实实一个个来，速度慢不说，中间稍微有点状态变化它就乱了。你让它写提交信息，它能写，但风格飘忽不定，今天这样明天那样。你让它做个规划，它给你的东西不是泛泛而谈就是过度设计。

这不是模型能力不够，而是缺少“约束和套路”。一个经验丰富的工程师干活是有肌肉记忆的：先扫一遍现状，再定方案，然后分步执行，中途随时自检。裸装的 Claude Code 没有这套肌肉记忆，每次都是从零开始推理，所以你才觉得它不稳定。

superpowers 的核心思路，就是把这类“肌肉记忆”固化成文件——每个技能一个目录，里面有 SKILL.md 描述这个技能怎么用、什么时候用、有什么步骤，再加上一些辅助脚本和模板。需要哪个技能的时候，通过斜杠命令或者自然语言直接调用，AI 就会按照这套流程来干活。

1.2 它和插件的区别：不是功能增强，是行为增强

这里有个容易混淆的点。很多人以为 superpowers 是给 Claude Code 加新功能的插件，比如“能读 PDF 了”“能连数据库了”。其实不是。它更像是给 AI 换了一套工作方法论。你装上之后，Claude Code 不会多出什么魔法按钮，但它的工作方式会明显变得更“懂行”：做批量操作时知道要分块、要保留现场、要处理中断；写代码时知道要先交代设计背景再贴代码；写提交信息时知道要按规范拆标题和正文。

打个比方：原生的 Claude Code 是个什么工具都会一点的新手，superpowers 是给这个新手配了一整套老师的批注笔记和工作模板。它不教你知识，但教你怎么有条理地做事。

1.3 它适合谁，不适合谁

说实话，它不适合完全没用过 Claude Code 的人。如果你连基本对话、跑命令都不太熟，上来就装这套东西，你会被它的目录结构和各种技能文件搞懵。它适合已经有了几个真实项目、想提升 AI 干活稳定性和效率的人。尤其是这几类场景会很受益：

• 频繁做跨文件重构、批量改代码的开发者
• 想让 AI 写文档、写提交信息但又不想每次都苦口婆心定规范的人
• 团队里多人共用同一个 AI 工作流，想统一“手感”的人
• 对 AI 生成质量有要求、愿意花时间去调教工作流的人

我自己属于最后一类。用了两周之后最大的感受：不是它让 AI 变聪明了，而是让 AI 变“稳”了。以前每次对话的随机性很大，现在走完同一套技能，输出质量基本在一个水平线上。

2. 安装：五步把 superpowers 接入 Claude Code

如果你决定要试，下面这套流程是我实操验证过的，照着走就行。

2.1 前置条件：确认环境和版本

先确认几样东西：

• 已安装 Node.js（18.0.0 以上，我用的 20.x 没问题）
• 已安装 Claude Code，并且至少完整跑通过一次对话
• 系统是 macOS 或者 Linux 都行，Windows 上通过 WSL 也没遇到大问题

命令检查一下：

node -v claude --version

如果这两条都能正常输出版本号，就可以继续了。

2.2 通过插件市场安装的完整步骤

在 Claude Code 会话中输入斜杠命令：

/plugin marketplace add obra/superpowers

这个命令的作用是把 superpowers 的仓库注册为插件市场。执行成功后，再输入：

/plugin install superpowers

安装过程会拉取插件代码，时间取决于网络状况，一般一两分钟内完成。装完之后，输入/plugin应该能在列表里看到 superpowers。

2.3 可选：手动安装的备选路径

如果你不想走插件市场，也可以直接 clone 仓库到本地：

git clone https://github.com/obra/superpowers.git ~/.claude/plugins/superpowers

然后你需要手动把插件的配置路径指到本地目录。这个方案适合你想自己改源码、或者网络访问插件市场不顺畅的情况。不过日常使用，我建议优先用插件市场，因为后续更新只需要重新执行 install 命令，手动 clone 的要自己 pull，麻烦一些。

2.4 安装后的目录结构

装完建议花五分钟看一眼目录结构，这能帮你理解它的工作方式。核心目录大概长这样：

~/.claude/plugins/ └── superpowers/ ├── plugin.json ├── skills/ │ ├── brainstorm/ │ ├── comprehensive-planning/ │ ├── batch-processing/ │ ├── commit-release/ │ ├── info-packed-doc-generation/ │ └── sketching-skills/ ├── scripts/ └── commands/

每个 skills 下的子目录就是一个独立技能，里面通常有 SKILL.md 说明文件，复杂的技能还会带模板和脚本。commands/目录里则是斜杠命令的注册入口。理解了这个结构，后面你想自己加技能或者改现成技能，就知道去哪动刀了。

3. 核心 skills 逐个拆解：有哪些、怎么用、何时用

装完之后很多人会卡在一件事上：skills 这么多，到底什么时候该用哪个？我把几个我用得最勤的列出来，逐个说说它们的使用场景和底层逻辑。

3.1 skills 总览速查表

3.2 三个我每天都用的技能

Batch Processing（批量处理）

这个是我觉得最有价值的一个。原生的 Claude Code 处理大量文件时特别容易半路丢状态——改着改着就忘了开头说了什么。Batch Processing 的思路是把一个大任务拆成小批次，每批次处理前先明确目标、处理完做一次小结，全部结束后再汇总。

我有一次要批量给一个项目里 80 多个组件加错误边界，直接用很容易改着改着就走样。后来改用 Batch Processing，给它一个清单文件，让 AI 按批次读取、修改、确认，最后统一跑测试。整个过程下来，没有一个文件被遗漏，中途我打断它再恢复，它也能从断点继续。

Comprehensive Planning（全面规划）

这个技能解决的是“猴急综合征”——AI 一上来就写代码，写到一半发现方案有问题。它会强制 AI 先产出一份计划，包含目标、现状分析、变更点、风险点、验证方式，然后等你确认再动手。

实际用的时候要注意：你不能无脑让 AI 自己定计划。我给它的建议是，先跟它聊几分钟需求背景，把约束条件和偏好说清楚，再让它生成计划。这样出来的计划贴合度会高很多，后面实施阶段的返工少一大半。

Info-Packed Doc Generation（文档生成）

这个技能写出来的文档信息密度很高。它不是那种“本文介绍了某某功能”的水文，而是直接给出背景、接口、数据结构、示例、边界情况、变更影响面。我最近给项目写模块设计文档，列了个大纲之后用这个技能，一小时内就产出了初稿，信息密度比我手写的高。

它写文档的时候还会主动去代码里找线索，不是凭空造句。这一点靠谱，因为穿插代码引用能让文档可信度高一个档次。

3.3 技能背后的实现机制

了解机制之后，你就能自己玩出花来。

每个技能本质是一份 SKILL.md 文件，格式大概如下：

--- name: comprehensive-planning description: Generate comprehensive implementation plans --- ## When to Use ... ## Process 1. ... 2. ...

Claude Code 在对话中读到这份文件后，会把其中的步骤、约束、示例“加载”进上下文。也就是说，技能不是外挂逻辑，而是通过提示词工程的约束，引导模型走固定流程。

这也是为什么它的技能可以被自定义、被共享——你只需要按同样的格式写一份新的 SKILL.md，丢到~/.claude/plugins/superpowers/skills/或者自定义插件目录里，Claude Code 下次启动时就能识别到。我最近就照着这个格式给团队写了个“代码评审”技能，效果非常不错。

4. 实操全记录：让 superpowers 真正跑起来

讲完理论，说点实际的。下面是我在一个模拟项目里完整实操的记录，从启动到完成走了一遍，你可以直接照做。

4.1 场景准备：一个前后端分离的项目

我准备了一个模拟仓库，包含一个 Flask 后端、一个 React 前端、几十个工具函数和一点测试代码。整体规模中等，大概几十个文件，适合演示技能的完整工作流。

我先在仓库根目录启动 Claude Code，输入：

cd ~/projects/superpowers-demo claude

启动后第一件事不是马上让 AI 干活，而是先花几分钟梳理项目结构和现状，把这个信息喂给它。

4.2 用 Comprehensive Planning 生成实施方案

我提了一个需求：把后端的路由从函数式改造成蓝图（Blueprint）组织方式。这个需求涉及路由迁移、引用修复、测试调整，属于典型的多文件结构变更。

我发出指令：

/plan 将后端的路由改为 Flask Blueprint，并保持现有接口不变

Claude Code 开始执行 Comprehensive Planning 技能，输出了一份计划，大致包含：

• 目标描述与约束（接口兼容）
• 现状分析（列出所有路由所在文件）
• 重构方案（蓝图创建、注册方式、文件目录调整）
• 变更影响面（需要同步修改哪些引用）
• 测试验证方案

我看了计划之后，把其中一条（蓝图模块的位置）做了调整，然后让它继续。注意，这里我没有直接说“开始改”，而是先改计划再确认。这个步骤很重要，等于提前把肠子理清楚了，后面执行就不容易跑偏。

4.3 用 Batch Processing 做多文件修改

计划确认后，技能自动切到了执行阶段，变成了批量处理模式。它把涉及的文件整理成了一个清单，分三批处理：

第一批：创建蓝图模块和目录结构 第二批：迁移路由到蓝图并修复 import 第三批：更新测试导入路径

每批次之间，AI 会做状态小结，说明这个批次改了什么、有没有异常。中途我故意在第三批次开始时打断它，问了一个问题，它回答完之后没有丢失上下文，直接从断点继续往下跑了。

全部完成后，它自动汇总了改动清单，并跑了一遍测试确认没有破坏现有功能。整个过程，我只做了两件事：确认计划和中途提问，其余全是 AI 自动推进。

4.4 用 Commit/Release 生成提交信息

修改完成后，我输入：

/commit

它会先读一遍git diff --stat和具体的 diff，然后按规范生成提交信息。这里有个细节：它会主动分析哪些文件是重构、哪些是测试、哪些可能涉及破坏性变更。生成的信息也不是简单拼接，而是会写成“重构路由层为蓝图架构，保持接口兼容，涉及路由注册与引用调整”这种有信息量的句式。

我还试过在-n 3参数下生成多个版本让 AI 挑选。实际效果不错——即使我只想要一个，它也能顺带解释为什么推荐这个版本。

4.5 用 Info-Packed Doc 快速生成文档

最后一步是给这个改动补一篇开发文档。我输入：

/doc 为本次路由重构生成一篇模块说明文档

它会自动去翻代码，列出新增的蓝图模块、路由注册方式、以及调用方的适配说明。最后产出的文档包含接口列表、文件路径、依赖关系，密度很高，我稍作润色就能归档。

这套组合拳打下来，我最大的感受是：以前我需要自己一步步盯着 AI 干，现在变成了“先跟它对齐计划，然后放它自己跑”。省心程度确实不一样。

5. 常见问题与排查技巧：我踩过的坑

任何工具都不可能一次顺畅。下面这些是我在实际使用中遇到并解决的问题，整理成速查表供你参考。

5.1 问题速查表

5.2 自定义一个自己的技能：格式与避坑

我把自定义技能这一段单独拿出来说，因为很多人的需求不是用现成技能，而是想沉淀自己的团队规范。

自定义技能的关键是 SKILL.md 的文件头。下面是一个最小可用示例：

--- name: crash-review description: Review code for potential crash points --- ## When to Use Use when reviewing code changes for potential exceptions. ## Process 1. List all files changed in the diff. 2. For each file, identify paths that could throw errors. 3. Classify error types: NullPointer, IndexOutOfBounds, etc. 4. Suggest mitigations with code snippets. ## Notes - Also check for silent swallowing of exceptions. - Never suggest ignoring errors even if "unlikely".

这个技能建好之后，我在会话里说“用 crash-review 看一下这周的变更”，AI 就会严格按照流程执行。

避坑经验：

• 技能描述要写清楚“什么时候用”，AI 是靠 description 字段来判断何时调用这个技能的。写得含糊，它就不知道什么时候该触发你的技能。
• 步骤要尽量可执行，不要写“分析代码”这种模糊指令。写成“列出 diff 涉及的全部文件”这种具体步骤，效果天差地别。
• 不要试图在一个技能里塞太多目标。一个技能解决一个类型的任务，别贪多。

5.3 几个日常防翻车习惯

最后分享几条我用这套东西养成的习惯：

• 新开会话之前，先“加载”需要的技能。在 Claude Code 里输入相关命令或者直接说“请使用 XX 技能”，比让它自己判断要稳定得多。
• 重要任务一定要先出计划再执行，不要嫌麻烦。超能力发挥的前提是方向正确，计划阶段多花五分钟，执行阶段省下来的不止五十分钟。
• 批量修改完成后，用/commit生成的提交信息过一遍，尤其注意有没有把“删除”“修改”“新增”这类语义搞对的地方。

结尾

说点实在的吧。我最初接触 superpowers 的时候，预期只是“装个插件多点功能”，但实际上它改变的是我使用 Claude Code 的整个方式。以前我是个“对话式”用户，想到什么问什么；现在我是个“流程式”用户，先定步骤，再放 AI 去跑。这种转变不是因为它有多神奇，而是因为它把工程里最常识的那部分——先规划、再动手、分步走、有自检——固化成了 AI 的默认行为。

如果你现在手头正有一个 Claude Code 项目，我建议你先别急着装一大堆技能。试着用上面的方法装好 superpowers，挑一个正在做的任务，走一遍“计划-执行-总结”的流程。用个几次，你应该就能感受到差别在哪里。我自己用过这段时间之后，最大的体会是：AI 工具的上限不在于模型多强，而在于工作流是否把它放对了位置。superpowers 只是把“正确的位置”这件事变成了可以复制的东西。

最后再留一个小技巧：把不急的任务留到一天中你能专注的时候，第一次用这套流程最好是开着完整的项目上下文而不是零碎对话。状态越完整，技能发挥越稳定。