企业官网建设流程全解析

1. Superpowers 是什么：它到底解决了什么问题

1.1 先从一次"开盲盒"式的编码体验说起

如果你用过 Codex CLI 或其他 AI 编程代理，大概率经历过这种场景：同一个需求，上午让它写一个函数，思路清晰、测试完备，简直像身边坐了个高级工程师；下午换了个说法再问，它就开始东一榔头西一棒子，先改配置再改接口，最后还把一个本来能跑的模块拆得七零八落。这种"时灵时不灵"的状态，其实是 AI 编程工具目前最大的痛点——模型本身的推理能力不差，差的是缺少一套稳定的工作方法。

我最早接触到 Superpowers 这个项目，就是在被 Codex CLI 的随机性折磨了好几周之后。当时在 GitHub 上闲逛，看到别人分享说有个叫 superpowers 的技能集合，专门给 Codex CLI 这类工具补充"干活的方法论"，装完之后 AI 的行为会稳定很多。说实话，最初我是半信半疑的，因为市面上各种"提示词包"太多了，大多数只是把几条指令拼在一起，换个模型就失效。但实际用了两周之后，我得承认：Superpowers 和那些提示词模板完全不是一回事。

1.2 核心设计：SKILL.md 与 Call-and-Response 机制

Superpowers 的本质，是一套以SKILL.md文件为载体的技能集合。每个技能对应一个 Markdown 文件，里面不是简单写"你要怎么做"，而是用一套严格的格式，把 AI 在特定任务中的行为路径固定下来。比如 Planning 技能会强制 AI 先拆解需求、列出约束条件、评估风险，然后才允许写代码；Debugging 技能会引导 AI 按照"复现问题—缩小范围—定位根因—修复—验证"这个链路来走，而不是遇到 bug 就靠猜。

这里最值得说的，是它的Call-and-Response（呼叫-响应）机制。这个机制要求 AI 在每个关键节点，都必须用指定格式向用户"汇报"自己的思路和下一步计划，用户确认之后再继续。听起来好像很啰嗦，但实际用起来你就会发现，它本质上是在给 AI 加了一道"刹车"——每次大动作之前，都有机会把方向扳回来。我实测下来，这个机制对那种"闷头改了一堆文件最后跑不起来"的问题，几乎是根治级别的改善。

还有一个容易被忽视的细节：Superpowers 的技能是叠加式的。它不是一个 monolith 式的"超集提示词"，而是把规划、编码、测试、调试、审查拆成多个独立技能。你可以只启用其中两三个，也可以全部启用。这种模块化设计，让我可以按项目的实际需要灵活组合，而不是被迫接受一套固定的" AI 工作流"。

1.3 它和普通提示词模板的本质区别

很多人第一次看到 superpowers 的效果，会以为它只是提示词写得更好。但我实际研究过它的文档和源码之后，发现它不是靠几个精心编排的 prompt 来提高模型表现，而是靠改变 AI 工作的"程序结构"。

普通提示词模板，本质上是"一次性指令"——给 AI 一段话，让它在一次生成中完成尽可能多的逻辑。而 Superpowers 更像是在 AI 的工作环境里装了一套"过程协议"：每个技能不是让 AI 一次做完，而是把任务拆成有明确验收标准的多个步骤，每个步骤之间需要用户确认。这样一来，即使模型在某一步跑偏了，损失也被控制在一个很小的范围内。

打个比方：普通提示词像是给一个新人一张任务清单，新人可能一口气干到底，错了就全部返工；Superpowers 则像是给新人配了一个带检查点的作业指导书，每完成一小步都要核验一次。后者看起来效率低，实际上总耗时大幅下降，因为大部分返工都被提前扼杀了。这也是我在这篇文章里会反复强调的一点——对于 AI 编程工具，稳定大于速度，可控大于炫技。

2. 环境准备与安装：从零到能跑通

2.1 Codex CLI 的安装与基础配置

在安装 Superpowers 之前，你需要先有一个可用的 Codex CLI。Codex CLI 是 OpenAI 推出的命令行 AI 编程代理，跑在终端里，可以直接读取你的项目文件、执行命令、提交改动。安装方式很简单，前提是你本机已经有 Node.js 环境，然后执行：

npm install -g @openai/codex

装完之后，建议先跑一次codex命令完成初始化配置，它会引导你填入 API Key 或登录账号。这一步必须做，否则后面所有技能调用都会卡在认证环节。

基础配置里我建议重点关注两个选项：一是默认模型选择，如果你的账号能访问更强的模型，就在配置里指定，因为 Superpowers 里很多技能对模型的指令跟随能力有一定要求，模型太弱效果会打折扣；二是工作目录的权限设置，Codex 默认只能在当前目录下操作，你可以把常用项目目录加进去，省得每次都要确认权限。

配置好之后，先随便让 Codex 做一个小题，比如"给这个 README 加一段使用说明"，确认它能正常读写文件、执行命令。这一步很关键，因为 Superpowers 安装完的技能本质上是一堆 Markdown 文件，Codex 需要能正常读取并遵循它们，所以基础链路通畅是前提。

2.2 通过 Codex CLI 安装 Superpowers 技能

Codex 初始化完之后，安装 Superpowers 就变成了一件很直接的事。Superpowers 项目在 GitHub 上有公开仓库，官方提供了一条安装命令，你只需要在项目目录下执行：

codex install superpowers

如果是首次安装，它会把技能文件拉取到 Codex 的技能目录下，通常是~/.codex/skills/或项目内的.codex/skills/目录。装完之后，你可以用下面的命令确认技能是否注册成功：

codex skills list

正常的话，你会看到一长串技能名字，包括但不限于：Planning（规划）、TDD（测试驱动开发）、Debugging（调试）、Code Review（代码审查）、Refactoring（重构）、Documentation（文档撰写）等。

这里我要多说一句安装路径的问题。Superpowers 既可以全局安装（放在用户目录的 skills 目录下），也可以按项目安装（放在项目自己的.codex/skills/下）。我的建议是：如果你有多个项目都在用，先用全局安装，省得每个项目重复配置；当你确定某个项目需要自定义技能变体时，再把技能复制到项目目录做覆盖。我一开始图省事全用全局，后来发现不同项目的技术栈差别很大，于是把 React 相关的技能固定在了前端项目的局部目录，效果好了不少。

另外，如果你安装的是较新版本，Codex 的配置体系里还有一个codex.toml文件，里面可以声明启用哪些技能。默认情况下，技能装进去之后就会对所有会话生效，但如果你想精细控制，可以在这个配置文件里用星号通配符或逐一列举的方式指定：

[skills] enabled = ["planning", "tdd", "debugging", "code-review"]

2.3 在 Trae 等 AI IDE 中安装技能

Superpowers 并不是 Codex CLI 的专属，很多主流的 AI 编程工具都支持以类似方式加载技能。我目前主力配置里就同时给 Codex CLI 和 Trae 装了不同的技能组合，两者互相补充，实用度很高。

Trae 是字节跳动推出的 AI IDE，它底层的技能机制和 Codex 类似，也是通过 Markdown 格式的技能文件来约束 AI 的行为。安装方式我在实际操作中试过两种，都可行。第一种，在 Trae 的扩展市场里直接搜索 "superpowers"，如果网络环境允许，它会自动完成下载安装；第二种，手动把仓库克隆到 Trae 约定的技能目录下，然后在配置里声明启用。

需要注意一点：Trae 的技能目录结构与 Codex 稍有差异，它更习惯把技能放在工作区内，也就是项目根目录的.trae/skills/或用户目录下。如果你是从 Codex 那边复制技能文件过来，最好先确认目录结构是否对应，否则会出现"文件在但技能不生效"的怪问题。

我个人的使用习惯是：终端里的快速改动、脚本编写、仓库级别的维护用 Codex CLI + Superpowers；完整功能的开发、代码浏览、多人协作场景用 Trae + Superpowers。两者共享同一套技能体系的好处是，无论在哪边写代码，AI 的工作方式是一致的，不需要重新适应。

3. 核心技能体系拆解：每个技能到底在干嘛

3.1 Planning：让 AI 先想清楚再动手

Planning 技能是我装上之后最先感知到变化的模块。没装之前，问 Codex"帮我实现一个用户登录功能"，它会立刻开始写代码，几个文件刷刷地蹦出来，表面上很爽，实际上经常写到一半发现需求理解偏了，返工成本极高。

装完 Planning 技能后，同样的问题，Codex 会先进入"规划模式"：它会先复述一遍它理解的需求，然后分条列出它准备改哪些文件、每个文件大概怎么改、有没有依赖风险、是否涉及数据库迁移等敏感操作。这一串输出完毕之后，它不会立刻动手，而是等我确认。

我刚开始觉得这个流程多此一举，但真正用了一周之后，我发现它带来的最大价值不是"让 AI 想清楚"，而是"让我想清楚"。当我看到 AI 列出的实施计划，我会更容易发现自己原本需求描述里的漏洞。比如有次我让它加一个导出功能，它在规划里写道"需要确认导出文件的编码格式"，我才想起来确实没考虑过 Excel 打开乱码的问题。这种"被 AI 逼着完善需求"的体验，是普通提示词完全给不了的。

Planning 技能还内置了一个"变更影响评估"的环节。它会在动代码之前，先用工具搜索相关引用，如果发现你的改动会影响其他模块，它会明确提醒。这个功能在改那些老项目的时候特别救急，避免了很多次"改一处炸一片"的惨剧。

3.2 TDD 工作流：测试先行，而不是事后补

Superpowers 里的 TDD 技能，我愿称之为"AI 代码质量救星"。它把测试驱动开发这套人类工程师验证过几十年的方法论，原封不动地移植到了 AI 的工作流程里。

具体工作流是这样的：收到编码需求后，AI 会先分析需求，确定需要什么样的输入输出，然后先写一个（或一批）会失败的测试，用这个测试来锁定期望行为；接着才开始写实现代码，每写一点就跑一次测试；等测试通过之后，再做一轮小重构，确保代码结构干净。整个过程是红-绿-重构（Red-Green-Refactor）的循环。

可能有人会说："让 AI 先写测试，不就是多写一遍代码吗？"实际体验下来，价值非常大。一方面，测试先行的写法逼着 AI 把需求转化成可验证的标准，减少了"我以为写对了"的情况；另一方面，这轮测试用例会留在项目里，成为后续改动的回归保护网。有一次，Codex 在加了新功能之后，把之前一个接口的行为改了，如果是以前，这个 bug 可能到我手动测试才发现；但那次因为有前面生成的测试，它在改完的瞬间就发现测试挂了，自己就回退了改动。

需要提醒的是，TDD 技能对项目的基础设施有一定要求。如果你的项目连最基础的测试框架都没有，AI 还得先花一些步骤去搭测试环境。所以我的经验是，最好在项目早期就引入这个技能，越早越划算。

3.3 Debugging 流程：治好"瞎猜式修 bug"

我之前用 AI 修 bug 最大的感受是：它特别喜欢瞎猜。问它"这个接口为什么返回 500"，它能直接根据错误信息开始改代码，完全不看日志、不复现请求。运气好时能蒙对，运气差时越改越乱，最后代码状态比 bug 之前还糟糕。

Superpowers 的 Debugging 技能把这一套流程彻底改变了。它遵循一个严格的链条：先要求用户提供完整的错误信息，然后主动分析日志，再尝试复现问题；复现成功之后，它会缩小排查范围——可能是定位到某个函数、某个请求参数，甚至是某一行代码——然后才提出修复方案。每一步都有明确的输出格式和确认节点。

我印象最深的一次，是在调试一个并发问题。之前直接让 AI 修，它上来就给我改锁的粒度，结果问题没解决还引入了死锁风险。用了 Debugging 技能之后，它先花时间写了个并发测试脚本来复现问题，然后通过打印线程时间线，发现问题是共享的可变状态在没有保护的条件下被并发读写。它给出的修复方案不仅在代码层加了保护，还建议调整缓存策略，从根源上消除了竞争条件。这次经历让我彻底相信：AI 调试能力的天花板，不取决于模型智商，而取决于调试方法的严谨度。

3.4 Code Review 与重构：让代码质量"可传承"

Code Review 技能在多人协作项目里特别有用。它不满足于"这段代码有没有 bug"，而是会按几个维度去审：可读性、可维护性、安全性、性能隐患、测试覆盖度。每次审查完，它会产出一份结构化的评论清单，每条都标注了严重等级和修改建议。

我一般是让 Codex 在我提交 PR 之前先做一轮内部评审，很多低级问题（比如日志里打出了敏感信息、忘记处理空指针、命名可疑）它都能提前揪出来。有一次它在审查里提示我某段 SQL 查询没有加索引限制，在大数据量下会全表扫描。这种问题我自己 review 两遍都不一定能发现，AI 却能一步到位。

重构技能则是配合 TDD 使用的。它的特点是"小步重构"：每次只做一种类型的变化，比如重命名变量、提取函数、消除重复代码，每做一步都会要求测试保持绿色。这种保守的重构方式，让我那些遗留项目的代码质量能稳步提升，而不用承担"大规模重写"的风险。

4. 实操：用一个真实需求走通完整工作流

4.1 输入需求与角色设定

为了让你更直观地理解 Superpowers 的实际效果，我用一个具体的小需求来演示完整流程。这个需求是：给一个 Node.js 的待办事项命令行工具，增加"按优先级排序展示"的功能，优先级分为高、中、低三档。

有了 Superpowers 之后，我不会再用大白话直接问 Codex 要代码，而是先让它按照技能体系里的规范来拆解任务。在 Codex CLI 里，我输入了这样一段话：

请使用 Planning 和 TDD 技能，为这个项目实现"按优先级排序展示待办事项"的功能。优先级字段存储在 todo 对象的 priority 属性中，排序要求为：高 > 中 > 低。请先制定计划。

注意我明确指定了要使用的技能，这是 Superpowers 的一个使用技巧——它在技能之间设计了明确的边界，要求用户在合适的时候主动触发，而不是被动地等模型自己去选。这个细节很关键。

4.2 从计划到 TDD 的完整会话

输入完需求之后，Codex 进入了 Planning 模式。它首先复述了需求理解，列出了三个关键点：排序规则、字段缺失时的处理、以及 CLI 输出的格式。然后它给出了实施计划：

1. 修改 src/todo.js，新增 sortTodosByPriority 函数； 2. 在 list 命令中调用该函数，替换原有的按创建时间排序逻辑； 3. 编写单元测试，覆盖正常排序、空列表、缺失 priority 字段三种场景； 4. 更新 README 中的功能说明。

我确认了计划，它才进入 TDD 阶段。它先创建了一个测试文件test/todo.test.js，里面包含三个用例：

test('按优先级排序：高 > 中 > 低', () => { const todos = [ { id: 1, text: '低优先级任务', priority: '低' }, { id: 2, text: '高优先级任务', priority: '高' }, { id: 3, text: '中优先级任务', priority: '中' }, ]; const sorted = sortTodosByPriority(todos); expect(sorted.map(t => t.priority)).toEqual(['高', '中', '低']); }); test('空列表返回空数组', () => { expect(sortTodosByPriority([])).toEqual([]); }); test('缺失 priority 字段时视为低优先级', () => { const todos = [{ id: 1, text: '无优先级任务' }]; const sorted = sortTodosByPriority(todos); expect(sorted[0].priority).toBe('低'); });

写完好，它跑了一次测试，确认三个用例全部失败（红）。然后才开始写实现代码。有意思的是，第一个版本的实现里，它对"缺失 priority 字段"的处理有点问题——直接用了undefined参与比较，导致排序不稳定。因为测试用例提前锁定了期望行为，它跑测试的时候就发现第三个用例挂了，于是自己修正了实现，把它改成对priority做归一化处理：(todo.priority || '低')。整个过程几乎没有我介入，测试用例就变成了"验收标准"，AI 自己对着标准改到通过为止。

4.3 会话收尾与代码审查

测试全部变绿之后，Codex 并没有急着宣布"完成了"，而是主动进入了 Code Review 模式。它自己审查了自己刚写的代码，产出了几条评论，其中一条建议把排序比重抽取成常量，避免将来优先级档位变化时到处找魔法字符串。还有一条是建议在list命令中增加--sort-by选项，以便用户可以在"创建时间"和"优先级"之间切换。

这两条建议它都没有自动执行，而是列在审查清单里询问我是否采纳。我采纳了第一条，拒绝了第二条（因为用户没有这个需求，YAGNI 原则）。这种"提建议但不擅自扩大范围"的设计，让我对它的印象分高了不少——很多 AI 编程工具特别喜欢自作主张加功能，Superpowers 的流程约束很好地规避了这个问题。

整个流程走完之后，我再自己手动验证了一遍：运行测试、手动添加几条不同优先级的待办事项、执行list命令看输出。一遍通过，没有返工。对比以前直接问 AI 要代码的体验，这个流程多花了几分钟的"确认时间"，但省去了至少半小时的调试和改 bug 时间。

5. 常见问题与排查技巧实录

5.1 技能装了但好像没生效

我自己遇到最多的问题，就是技能文件明明装好了，但 Codex 在会话里完全没表现出技能的约束。这种情况别急着骂工具，先按下面几个方向排查：

第一步，确认技能确实被系统加载了。用codex skills list查看，如果列表里能看到技能名，说明文件位置没问题；如果看不到，多半是安装路径不对，检查一下是否存在全局目录和项目目录的覆盖冲突。

第二步，检查模型和 API 版本。有些旧版本的 Codex CLI 对技能支持不完整，建议升级到最新版本。我踩过一次坑：技能文件是最新的，但 CLI 还是半年前的版本，结果很多新语法和指令格式它根本不认，表现就是"技能像没装一样"。

第三步，检查需求描述方式。如果你在对话里直接说"帮我做某件事"，模型可能会绕开 Planning 技能直接回答，导致你觉得技能没生效。建议带上技能触发的关键词，比如"使用 Planning 技能""按照 TDD 流程"。这不是说模型不聪明，而是技能的触发机制本身就需要用户在关键节点主动指定，这是设计的一部分。

5.2 模型跑偏或擅自扩大改动范围

Superpowers 本身已经在流程上做了很强的约束，但模型毕竟不是程序，偶尔还是会跑偏。最常见的是：计划里明明只列了三个文件，它写着写着突然开始改第四个、第五个文件，或者擅自把依赖升级了。

遇到这种情况，我的处理方法是立即在会话里使用"刹车指令"，明确告诉它"停止当前操作，回到计划中的第 2 步，不要修改未在计划中列出的文件"。Superpowers 的机制在这里帮了大忙：因为计划是明文的、分步骤的，你可以精准地指出它跑到了哪个节点之外，模型能准确理解并回退。如果是没有技能约束的裸 Codex，你连"回到哪一步"都说不清楚。

这里还有一个技巧：在生产项目里，建议在让 AI 干活之前，先把 git 当前状态提交或 stash，保证工作区干净。这样即使 AI 跑偏，你也能用git checkout .快速回退所有改动，不用担心它改了计划外文件——直接丢弃就行了。

5.3 不同工具之间的技能配置差异

我用 Codex CLI 和 Trae 同时跑 Superpowers 的时候，发现两个工具在技能行为上还是有可感知的差异。Codex CLI 更偏"终端工具"，它的技能执行更加程序化，每个步骤之间等待用户确认，节奏比较慢但可控性极强。Trae 作为 IDE，它的执行更加流畅，很多步骤会连续执行，不太频繁打断用户，整体体验更顺滑，但相对的，中途纠偏的机会变少了。

我的建议是：根据任务类型选择工具。如果是重逻辑、多步骤、风险高的任务（比如数据库迁移、重构核心模块），用 Codex CLI + Superpowers，严格流程更安心；如果是 UI 调整、简单功能迭代，用 Trae + Superpowers，效率更高。两者共用同一套技能文件的好处是，工作流一致性有保障，你不需要因为切换工具而重新学习一套方法。

另外要注意，技能文件如果从 Codex 目录复制到 Trae 目录，最好用仓库里最新的 release 版本，不要用本地已经被你改过的版本，因为有些本地修改是针对 CLI 行为的，到了 IDE 环境可能水土不服。我在初期踩过这个坑，复制了一个改过的技能文件过去，结果 Trae 里 AI 的行为变得很奇怪，排查了半天才想到是这个原因。

5.4 关于模型选择的一点观察

最后分享一个我测试了多种模型之后的主观结论：Superpowers 这种"强流程 + 结构化输出"的设计，对不同模型的"容错率"差异还挺大的。指令跟随能力强的模型，套上流程之后表现是"如虎添翼"，输出稳定、计划合理；指令跟随弱的模型，套上流程之后虽然也会有改善，但偶尔会在关键节点漏掉步骤，导致流程断裂，你需要手动提醒它。

所以如果你在某个模型下体验不佳，先别急着卸载 Superpowers，优先尝试更换更强的模型。就我实测来看，性能越靠前的模型，和 Superpowers 搭配的收益越明显。这也是为什么官方文档里在安装步骤之前，专门花篇幅讲模型配置——流程协议再好，也需要一个能"听懂指令并严格执行"的底座。

我个人在实际操作中的体会是：Superpowers 这类项目的出现，标志着 AI 编程工具正在从"会写代码的聊天机器人"进化成"有职业素养的结对程序员"。它不一定能让 AI 变得"更聪明"，但它能让 AI 的能力发挥得更稳定、更可控。如果你也在为 AI 编程的不确定性头疼，不妨花半小时装上它，用一个真实需求走一遍完整流程，你可能会和我一样，第一次感觉到"AI 终于像个靠谱的同事了"。