企业官网建设流程全解析

很多人第一次听到“superpowers”这个词，还以为是某个游戏模组或者中二的项目名。实际上，它是这两年AI编程和智能体工作流里上升势头很猛的一个VS Code扩展，中文圈子里常叫它“技能包”或者“技能管理器”。我最早是在折腾AI自动写代码、自动整理任务的时候接触到的，当时被一个问题折磨得不行——每次想让AI干活，都得把一堆上下文、规则、示例喂给它，换个项目又得重来，完全没有复用性。后来我把superpowers装进编辑器，配合它预置的skills体系，整个工作流变得规矩多了。

这篇文章就是想把superpowers这套东西讲透，重点回答四个问题：它到底是什么、有哪些值得用的skills、怎么把一个现成技能引入到自己的环境里、以及如何自己写一个技能并把它串进日常流程。不管你是写代码的、做内容的，还是搞办公自动化的，只要你手上有一台能跑VS Code的电脑，这套东西都能直接落地。

1. 先看清楚superpowers的底层逻辑

1.1 它解决的不是“写代码”，而是“让AI干活更规范”

很多人的误区是，superpowers是用来生成代码的。其实代码生成只是它众多技能里的一个分支，它真正解决的痛点是：如何把AI从“一次性聊天的玩具”变成“可复用、可版本管理、可分享的生产力工具”。

聊过AI的人都有体会：同样一件事，这次问它写Python脚本，下次问它做周报，每次都得把需求讲一遍，AI的回答风格还不稳定。superpowers的思路很简单——把那些反复使用的提示词、工作流步骤、质量标准，打包成一个一个的独立技能文件，放在项目目录或者全局目录里。需要用的时候，直接在编辑器的输入框里键入斜杠加技能名，AI就会把这个技能对应的指令文件读进来，相当于给AI换上了一套专业的“操作手册”。

我这里说个实在的比喻。没有技能包的AI像一个刚入职的实习生，你告诉他什么都得从头说；有了skill文件的AI像一个干了三年的老员工，你只需要说“按老规矩办”，他自己就知道该调用哪些工具、按什么顺序执行、输出什么格式。superpowers的定位就是给这个老员工搭好“规章制度”的架子。

1.2 技能包在磁盘上的真实长相

如果你还没有装过superpowers，先在心里记下一个概念：技能是什么？技能就是一个带格式的Markdown文件，通常叫SYSTEM.md或SKILL.md，放在一个约定的目录里。

整个superpowers体系在磁盘上的组织方式大致是这样几个层次：

• 技能根目录：通常是用户的home目录下的~/.superpowers/，或者项目内部的.superpowers/，里面可以放多个技能文件夹。
• 技能文件夹：每个技能一个文件夹，文件夹名字就是技能名，比如image-generation、commit-message，里面至少有一个SKILL.md。
• 技能定义文件：SKILL.md是技能的核心，文件头部有一段YAML格式的元信息，包括技能名、描述，正文部分则是给AI的详细指令，可以写步骤、注意事项、示例、输出格式约束。
• 附属文件：技能文件夹里还可以放脚本、模板、参考文档，技能运行时AI可以按需读取。

这个设计的巧妙之处在于，技能文件是纯文本的，可以被Git管起来，也可以直接分享给别人。你从网上拿到一个别人写好的技能包，本质上就是下载了一个文件夹，放到指定位置，AI就能用了。这也是为什么它的热词里总有人问“怎么引入这些技能”——因为真的就是一个拷贝粘贴的活，完全不涉及写代码。

1.3 为什么我推荐从superpowers而不是自己堆prompt开始

前阵子我试过把几十条prompt模板塞进一个提示词配置文件里，最后发现根本维护不了。因为提示词之间会互相干扰，同一个AI经常分不清哪个规则优先。而superpowers把每条提示词封装成了独立的“技能”，彼此隔离，调用时才注入，天然避免了这种混乱。

更关键的是，它的技能体系里有“技能清单”的概念。当你在编辑器里输入斜杠时，AI会先读一遍所有可用技能的清单文件，自动判断你当前的需求对应哪个技能。这种“注册-发现-调用”的机制，比手动复制粘贴prompt要优雅得多。你想让AI生图，不用把生成图片的大段指令再讲一遍，只需输入/，它自己就会匹配到image-generation这个技能。

2. 值得上手的skills清单与核心细节

2.1 内置的几个热门技能，逐个拆开看

顺着热搜词里“有那些skills”的疑问，我把常见的高频技能分成了几类，每一类挑一两个典型给你讲清楚用法。

生成与创意类

• example-generator：当你需要示例数据时，它会先读取项目的技术栈和数据结构，再生成一套符合上下文风格的示例内容。很多人用它来造测试数据、生成API返回样例，比手动编JSON快太多。
• image-generation：把自然语言描述转成图片。它对提示词的优化能力比较强，会自动把白话描述扩展成包含主体、背景、风格、镜头语言等维度的完整创作用词。我用它生成过好几组配图，比我单独写prompt给Midjourney的效果还稳。
• thought-provoker：适合做头脑风暴。它有一套反向提问的框架，会从“最容易忽略的约束条件”切入，逼你想清楚边界问题。我每次准备一个方案前都会先跑一遍它，用来找漏洞。

工程提效类

• commit-message：把暂存区的改动批量映射成符合Conventional Commits规范的提交信息。它会先分析diff的大致结构，识别出改动类型（feat、fix、docs、refactor），再生成几条候选commit message，你可以挑一条直接提交。
• unit-test-writer：这个技能会先读取源码文件，解析出函数和类的结构，然后自动生成单测骨架。它厉害的地方在于会识别出边界条件，比如空数组、空字符串、除零场景，比很多IDE自带生成器考虑得全。
• vibe-check：我愿称它为“代码审查哨兵”。当你不确定某段代码是否够好、风格是否统一时，它会对当前代码文件做一次快速体检，给出一份可执行的修改清单。

内容与办公类

• blog-post-writer：给定一个主题和关键词，它会先拉取相关的参考内容，再按照吸引人的方式组织出一篇结构完整的短文。它默认带SEO优化的思想，会自动铺关键词但不会堆砌。
• startup-pitch：把一个粗糙的创业想法扩展成完整的电梯演讲，包含客户痛点、解决方案、市场规模、商业模式等模块。
• personal-notes-organizer：这个技能适合经常记零散笔记的人。它会读取选中的笔记片段，重新整理成带标题、标签和相互链接的完整笔记，可以理解为“把随笔升级成知识库”。

这些技能有一个共同点：都长得像一个规范的操作指导书，AI在执行时会严格按步骤走，而不是自由发挥。这也是技能包和普通对话提示词最大的区别。

2.2 核心细节之一：技能文件里到底写了什么

我刚拿到一个技能文件夹时，第一件事就是打开SKILL.md看它的结构。以blog-post-writer为例，一个典型文件长这样：

--- name: blog-post-writer description: Generates a well-structured blog post based on a topic and target audience. --- # Blog Post Writer ## Objective Write a blog post that is engaging, informative, and clear. ## Steps 1. Analyze the topic and identify the target audience. 2. Outline the main points to cover. 3. Create structured sections with headings. 4. Write each section in detail, ensuring flow. ## Quality Criteria - The blog post has a clear introduction, body, and conclusion. - Sentences are short and easy to read. - The post contains specific examples from the user's input data if available.

这里的奥妙其实在frontmatter里的description。AI在斜杠触发时，会优先扫描所有可用技能的description字段，根据语义匹配判断该用哪个技能。如果description写得笼统，AI可能压根不会激活这个技能，所以自己写技能时，description里要把适用条件、读取什么文件、输出什么格式都塞进去。

2.3 核心细节之二：技能不是魔法，它只是“上下文”

说句实在话，技能文件本身没有魔法，它本质上是一段被AI自动读取的上下文。但为什么效果差异这么大？我观察下来有三个原因：

一，技能文件里的指令结构是经过打磨的，远比随手写的prompt要严谨。每个技能都拆成了Objective、Steps、Quality Criteria三个部分，相当于告诉AI“目标是什么、按什么顺序来、最终做成什么样算合格”。

二，技能文件可以利用项目的真实上下文。很多技能会加上一条指令——“读取当前项目下的技术栈或内容风格文件，再执行任务”，这样AI的输出就不是凭空捏造，而是贴着你的实际情况来的。

三，技能之间可以互相引用。一个技能文件里可以指示AI去读取另一个技能的参考文档，或者调用配套的脚本，让单个技能具备简单的编排能力。比如commit-message会读取Git暂存区的状态，image-generation会自动检查生成图片的脚本是否可用。

3. 完整实操：从零到一装好并引入技能

3.1 前提准备：你只需要四样东西

就按我当时的安装环境来说，其实非常轻量：

1. 一台装了VS Code（或者兼容的编辑器）的电脑，版本不用最新，稳定版就行。
2. 一个能连上扩展市场的网络环境，到VS Code的扩展面板里搜Superpowers就能看到。
3. 一点动手能力，能打开终端执行几条命令。
4. 一个可用的AI模型接入，通常是通过Claude Code等工具或API Key配置好的环境。

这里我岔开说一下为什么需要AI模型接入。Superpowers本身不会调用任何大模型，它做的是“技能加载和编排”，真正干活的还是你背后的AI。它把技能文件转成AI能理解的结构，再把这套结构“喂”给正在运行中的AI进程。所以你可以把superpowers理解成一个自动驾驶的控制系统，而AI模型则是引擎。

3.2 安装过程记录

第一步：打开VS Code，在左侧扩展面板搜索关键词Superpowers。认准官方发布的那个，安装量最大的一般没错。点Install之后，VS Code会提示重启窗口，不用犹豫，直接重启。

第二步：重启后打开命令面板（快捷键通常是Ctrl+Shift+P或Cmd+Shift+P），输入Superpowers，你会看到一堆相关命令，比如“Superpowers: Setup”或“Superpowers: Install”。执行这个Setup命令，它会自动创建一个~/.superpowers/目录，并初始化必要的配置文件。

第三步：如果你要使用它内置的“标准技能包”，通常需要向里写入一个初始化脚本，用来部署技能清单。最稳妥的方式是用它自带的构建工具，执行构建命令后，它会从官方仓库克隆一份默认的skills文件夹到本地。

注意，这套动作是纯本地的，不涉及任何账号体系，所以不会有登录或者绑定的步骤。

第四步：验证一下安装是否成功。随便新建一个文本文件，在文件里输入斜杠，看看会不会弹出技能列表。如果弹出来一堆技能名，说明安装成功了。没弹出来也别慌，检查一下技能目录路径是否正确，或者重新执行Setup命令。

3.3 引入现成的第三方技能

这是热搜里“怎么引入这些技能”最核心的答案。引入技能叫做“增加技能包”，整个流程说白了三步：

• 下载技能文件夹：从技能的发布页面下载一个zip包，解压之后你会得到一个文件夹，里面是SKILL.md和可能存在的参考文件。
• 放到技能目录：把整个技能文件夹复制到~/.superpowers/skills/目录下。
• 重新加载编辑器：让AI重新扫描技能目录，之后输入斜杠就能在列表里看到它。

我这么说你可能觉得太简单了，确实就这么简单。但有几个坑要提醒一下：

第一，技能文件夹的层级不要搞错。正确的位置是~/.superpowers/skills/技能名/SKILL.md，而不是~/.superpowers/skills/某个外层目录/技能名/SKILL.md，如果你的技能扫描不到，先检查这个层级。

第二，技能文件夹的名称最好和SKILL.md里frontmatter的name一致，不然可能造成混乱。比如文件夹叫image-gen-v2，但里面的name写的是image-generation，AI有时能识别有时不识别，最好保持一致。

第三，下载后先打开SKILL.md看一眼。确认frontmatter完整、没有乱码、没有奇怪的依赖脚本。我曾经下载过一个自称“全能助手”的技能，打开才发现里面引用了一个外部接口作为运行时依赖，由于我不会配那个环境，这个技能就一直静默失败，折腾了我一个下午。

3.4 给非技术朋友的三句话

我知道看这篇文章的人不一定都是程序员。如果你是做内容运营、项目管理或者其他文档类工作的，非技术背景，记住这三句话就够了：

• 安装超级技能就跟给电脑装一个普通插件差不多，界面操作为主，不需要会编程。
• 技能就是别人已经写好的“傻瓜说明书”，你只需要把说明书放进对应抽屉。
• 以后用AI时，别再说“帮我写个周报”，而是输入斜杠找到那个叫weekly-report的技能，AI会自动按技能里的模板来写，质量稳定很多。

4. 深入玩转：手写一个自己的技能并串联日常流程

4.1 技能的标准格式再解释

看完了别人的技能，咱们来动手写一个。一个标准的SKILL.md由两部分组成：头部YAML元信息和正文指令。YAML元信息里通常有这几个字段：

• name：技能名，字符串，最好用小写连字符，比如weekly-report-generator。
• description：技能的一句话描述，AI靠这个匹配意图，所以要写得具体，比如“根据当前文件夹下的任务记录，生成一份中文项目周报，按完成进度和风险输出”。
• allowed-tools（可选）：技能允许调用的工具列表，比如bash、read_file、list_directory。
• model（可选）：指定用哪个模型跑这个技能，不填则用全局默认。

正文指令就是给AI看的操作手册，你可以写任意规则，核心是让AI明确执行边界。我习惯的格式是：

1. 先写Objective——这个技能到底要产出什么。
2. 再写Steps——按顺序列出执行步骤，尽量拆细。
3. 最后写Quality Criteria——什么样的输出算好，比如“必须100字以上”“必须包含三个数据佐证”“标题不得使用感叹号”。

4.2 实战演示：写一个周报生成器技能

我用“周报生成”这个场景来做示例，因为这个技能谁都能用，不涉及代码。

先在你的技能根目录下新建一个文件夹，名叫weekly-report，然后在里面新建一个SKILL.md，填入内容：

--- name: weekly-report description: Generate a Chinese weekly work report based on the user's task notes with progress tracking and risk warnings. --- # Weekly Report Generator ## Objective Create a well-structured weekly report that clearly summarizes completed tasks, ongoing work, pending items, and risks. ## Input Sources If there is a file named "tasks.md" in the current project directory, read it first. Extract all tasks that are not marked as cancelled, and classify them as: - Done - In Progress - Blocked ## Steps 1. List the tasks according to the categories above. 2. For each task, write a short progress line with one concrete detail. 3. Identify any risk that may delay the schedule, and write a clear risk section. 4. Output the report in Markdown format, using headings and a simple table for status. ## Quality Criteria - The report starts with a summary sentence. - Every task line is under 40 Chinese characters. - The risk section is based on facts from Input Sources, not assumptions.

保存后，重新加载编辑器。你在一个新文件里输入斜杠，就能看到weekly-report，如果没出来，检查一下目录层级和frontmatter。用的时候，你只需要在当前项目里放一个记录了任务状态的tasks.md，然后在输入框触发这个技能，AI会自动读文件、按步骤生成报告。

这个技能我用了很久，最大的感受是：把“用户要什么”换成“技能怎么执行”，是提升AI稳定输出的关键。不同的人对“周报”的理解差异很大——有人要数据，有人要故事线，有人要风险导向，如果你的技能文件里不把这些要求写死，AI就会凭感觉输出，结果就是每次都不对味。

4.3 高级玩法：把一个流程拆成多个技能

等你摸熟了单个技能，就可以开始组合了。Superpowers的好处是技能之间能互相“呼叫”。我在做内容生产时，把整个流程拆成了三个技能：topic-brainstorm、draft-writer、polish-checker。每个技能只干一件明确的事，前一个技能的文件输出正好是后一个技能的输入。

这样设计的原因其实朴素：**如果一个大技能里塞了几十个步骤，AI很容易执行到一半“迷路”，尤其是对话轮次变长以后，前面的约束条件会被稀释。**拆成多个小技能后，每个技能的执行范围都被严格限定，从第一步到第三步是“接力”而不是“一口气跑完”。

你可能会问，技能之间怎么传递上下文？我的做法是给技能加一个约定：第一个技能把结果写到当前目录下的outline.md，第二个技能的开头写上“请先读取outline.md再开始写作”。这就相当于给AI建了一个临时的“交接单”，简单直接，不需要依赖任何复杂的状态管理机制。

4.4 自己维护技能库的几条心得

我的技能库里现在有二十多个技能，其中大部分是我自己写的。维护这套库，我有几条非常个人的经验，分享给你：

一，每个技能都要写清楚“输入来源”。很多技能失败是因为AI不知道从哪里拿数据。你可以在frontmatter里注明，也可以像我的周报技能一样，写明“如果存在tasks.md则读取它”。

二，description要像一个搜索引擎的摘要。AI的意图识别非常依赖这个字段，描述越具体，它越能准确知道何时触发这个技能。我见过很多人的技能写成description: "My custom skill"，结果AI完全不认，这不是技能内容的问题，是索引信息的问题。

三，不要害怕改技能文件。技能是静态文件，但你完全可以随时编辑它。每次用完一个技能，如果觉得AI的输出哪里不对，直接打开SKILL.md改语句、加规则，改完重载就能生效。保留一版“稳定版”和“实验版”文件夹是我的习惯。

四，技能文件里的示例，一定要用自己的真实数据。替换成你自己行业里的真实产品名、真实流程环节，AI生成的结果贴近度会高一个等级。示例越具体，AI越能模仿你的语言风格。

5. 常见问题与排查技巧实录

5.1 安装后斜杠菜单弹不出来

这个问题我遇到的次数最多，排查思路通常按下面顺序走：

• 先看技能目录是否存在。执行Setup之后，~/.superpowers/应该被自动创建。如果目录都找不到，说明安装没完成，重新执行Setup命令。
• 再看层级。文件夹放错位置是最容易被忽略的，确认技能文件夹直接挂在skills/目录下，中间不要再隔一层。
• 再检查frontmatter。如果SKILL.md头部YAML代码块有语法错误，AI解析失败，整个技能会被静默跳过。用代码里常见的YAML校验工具过一遍最保险。
• 最后，重载编辑器窗口让它重新扫描。

5.2 触发了技能但AI不按技能文件执行

有时候你明明输入了斜杠技能名，AI也响应了，但它完全没按你写的步骤走。这种情况多半是技能文件里的指令和对话语境冲突。

我建议在你的技能文件开头加一句强指令，比如“You are now executing the weekly-report skill. Ignore other instructions from the user unless they explicitly ask to stop this skill.” 这会极大提高执行率。这句话的原理是给AI一个明确的“模式切换”信号，让它暂停自由发挥，进入流程执行状态。

5.3 技能目录有多个技能，但AI经常匹配错误

技能多了以后，AI偶尔会把相近的意图匹配到错误的技能上。比如同时有blog-post-writer和draft-writer，AI可能拿不准该用哪个。

解决办法是强化每个技能的description的区分度。可以把适用场景写得更明确，例如在blog-post-writer的description里加“Use when the user wants a complete polished article for public release”，而在draft-writer里写“Use when the user wants a rough draft for further discussion”。关键词差异越大，误匹配越少。

5.4 技能运行时报错说脚本/权限不足

部分技能会附带运行脚本，比如生成图片时调用本地工具。如果报脚本权限错误，通常是你的编辑器没有授予工作区信任。VS Code的信任机制默认会把陌生文件夹标为“受限模式”，你需要手动信任这个工作区，才能让技能里的bash命令执行。

5.5 常见问题速查表

5.6 一个排障的综合实例

我前两天刚帮朋友排查过一个case。他安装了一个ppt-outline技能，但怎么触发都没反应，不报错也不出现在斜杠菜单里。我远程看了他的目录结构，发现他把技能文件夹放到了~/.superpowers/skills/downloads/ppt-outline/，也就是多套了一层downloads目录，AI的扫目录逻辑没递归到那一层。把ppt-outline直接挪到skills/下，重载窗口，立竿见影。

另一个坑是他在SKILL.md的frontmatter里写了一行：

description: "Create a PowerPoint outline for presentations, including main points and speaker notes."

看起来没啥问题，但前面漏了一个花括号没闭合，导致整个YAML解析失败。我帮他把文件里所有不必要的冒号和花括号清掉，技能立刻就能用了。这类问题极其常见，新手写技能时尽量让YAML部分保持精简，别放花式结构。

最后再分享一个我自己环境里的独门流程。我现在所有的技能都放在一个Git仓库里托管，每次修改完技能文件，提交一次，备注写明改了什么、为什么改。这样一旦新改法不理想，随时能回滚到上一个稳定版本，还能在不同电脑之间同步同一个技能库。我的技能库现在已经演化出了两套完整的工作流：一套用于编程提效，一套用于内容生产，每一套都是从几张草稿纸慢慢迭代成现在这个样子的。

如果你刚接触superpowers，我不建议一上来就下几十个技能，那样反而会“消化不良”。找个你最频繁用AI做的事，比如周报、写文章、生成测试数据、整理会议纪要，先只安装一个对口技能，用两周，琢磨透它是怎么读上下文、怎么执行步骤、怎么产出的。等你对这个机制有了手感，再逐渐扩展技能库。我自己就是从只装一个commit-message开始的，到现在整个体系的构建逻辑已经全部跑通，整个过程并没有多高的门槛，关键就是动手去试。