企业官网建设流程全解析

1. 这不是“超能力”，是开发者工具链的现实进化

最近在几个技术社区和内部团队协作群里，频繁看到“superpowers”这个词被反复提起——不是漫威电影里的设定，也不是玄学概念，而是真实存在于你编辑器侧边栏、终端窗口和CI/CD流水线里的新生产力范式。它背后没有魔法，只有三类工具正在悄然重构日常开发流程：以Claude Code为代表的AI原生编程助手、以Antigravity为代号的本地化智能代理执行框架、以及Codex CLI这类深度嵌入开发工作流的命令行增强套件。而Cursor，则是目前唯一把这三者真正“缝合”进统一界面的IDE载体。我从去年底开始在三个不同规模的项目中系统性落地这套组合，从单人脚手架搭建到20人协同的微服务重构，它解决的从来不是“写代码快不快”的问题，而是“要不要亲手写这段代码”的决策权转移。

核心关键词里，“superpowers”不是功能列表，而是一种状态描述：当你在修改一个遗留Java模块时，不再需要花40分钟翻文档查Spring Boot 2.3的自动配置加载顺序，而是用一句自然语言提示让Claude Code生成带上下文注释的patch；当你需要批量重命名57个Kubernetes ConfigMap并同步更新Helm Values时，不再手动grep+sed+kubectl apply，而是调用Codex CLI的codex patch --resource=configmap --pattern=legacy- --replace=new-一条命令完成；当你调试一个跨服务异步链路卡点时，Antigravity会自动注入trace上下文、捕获各节点日志片段、甚至反向推导出最可能出错的中间件版本差异。这不是替代开发者，而是把人从“查文档-试语法-调参数-验结果”的机械循环里解放出来，专注在真正需要判断力、权衡取舍和架构视野的环节上。适合谁？不是只给资深架构师，恰恰是那些每天被CRUD淹没、却要同时兼顾交付节奏与代码质量的中级工程师；也适合刚转岗的测试同学，用Cursor内置的自然语言调试面板直接定位SQL慢查询根源，而不必先啃完《MySQL内核解析》。

2. 工具链设计逻辑：为什么必须是“三位一体”而非单点突破

2.1 单点工具的天然局限性

我最早接触的是Claude Code的VS Code插件版本。实测下来，它在函数级补全和单元测试生成上确实惊艳，但很快遇到三类硬伤：第一，上下文感知断层——当你要修改一个涉及6个微服务、3种数据库、2套认证协议的订单取消流程时，VS Code默认只加载当前文件，Claude无法理解跨服务调用链，生成的代码常出现硬编码token或忽略幂等性校验；第二，执行闭环缺失——它能写出完美的Dockerfile优化建议，但不会帮你实际build、push、验证镜像大小变化；第三，环境适配失焦——团队用Ubuntu 22.04 + OpenJDK 17，而Claude训练数据里大量样本基于macOS + Java 8，生成的JVM参数建议（如-XX:+UseZGC）在生产环境直接OOM。

后来试过纯CLI方案：Codex CLI。它的强项在于精准的资源操作——比如codex diff --env=prod --service=payment --since=yesterday能直接对比生产环境Payment服务昨天和今天的配置差异，并高亮出被意外修改的Redis连接池大小。但问题在于，它不理解“为什么改”，更不会告诉你这个改动是否触发了某个已知的内存泄漏模式。它是个优秀的手术刀，但不是主刀医生。

Antigravity则走了另一条路：它把所有开发操作抽象成可编排的Agent。你可以定义一个deploy-to-stagingAgent，包含“构建镜像→推送至私有Registry→滚动更新K8s Deployment→运行Smoke Test→发送Slack通知”整条链路。但它本身不生成任何代码，也不理解业务逻辑——当Smoke Test失败时，它只会报错，而不会像人类一样思考：“是不是因为新引入的JWT解析库不兼容旧版Token格式？”

2.2 “superpowers”组合的协同机制

真正的突破点在于三者的职责切割与数据贯通：

• Claude Code是“大脑”：负责理解意图、生成语义正确且符合团队规范的代码/配置/文档。它不直接执行，但输出必须能被后续环节消费。例如，当你输入“为用户服务添加邮箱格式校验，兼容国际化”，它生成的不是孤立的正则表达式，而是包含@Email注解、i18n消息键、前端表单验证规则的完整代码块，并自动标注每个片段适用的文件路径（src/main/java/com/example/user/User.java,src/main/resources/messages.properties,src/app/components/user-form.tsx）。

• Codex CLI是“肌肉”：接收Claude输出的结构化指令，转化为精确的系统操作。它内置了对主流云平台（AWS/Azure/GCP）、K8s发行版（EKS/Rancher/OpenShift）、CI工具（GitHub Actions/Jenkins）的适配器。关键设计是它的--dry-run模式——所有操作先生成可审查的Shell脚本或YAML清单，确认无误后再执行。比如Claude建议“升级PostgreSQL从12到14”，Codex CLI不会直接apt upgrade，而是生成包含pg_dump备份命令、版本兼容性检查脚本、回滚步骤的完整执行包。

• Antigravity是“神经网络”：监听Codex CLI的执行日志和系统指标（CPU/内存/网络延迟），动态调整后续动作。典型场景：当Codex CLI执行数据库迁移时，Antigravity检测到主库CPU持续95%超过2分钟，自动触发降级策略——暂停后续服务重启，先运行pg_stat_activity分析长事务，并向Claude Code提交诊断请求：“当前PostgreSQL 14迁移卡在ALTER TABLE阶段，主库CPU 95%，请分析可能原因并提供紧急缓解方案”。

这种分工让整个链路形成反馈闭环：Claude生成→Codex执行→Antigravity监控→Claude再诊断。我在电商大促前压测中用这套机制，将一次数据库连接池耗尽故障的平均响应时间从47分钟缩短到6分23秒——其中3分15秒用于自动定位到某SDK的连接泄漏，剩余时间全部花在人工确认修复方案上。

2.3 Cursor为何成为不可替代的载体

很多人问：为什么不用VS Code+插件组合？答案藏在Cursor的底层架构里。它不是简单地把Claude、Codex、Antigravity打包进一个UI，而是重构了IDE的核心抽象层：

• 统一上下文图谱（Unified Context Graph）：Cursor启动时，会扫描项目根目录下的.cursor/config.json，自动构建包含代码文件、Git历史、CI配置、依赖树、甚至Slack频道讨论记录的关联图谱。当Claude Code分析一个bug时，它看到的不仅是当前文件，还有上周该模块的PR评论、相关Jira ticket的附件截图、以及CI失败时的完整日志流。这种深度上下文是VS Code插件无法通过API获取的。

• 原子化操作协议（Atomic Operation Protocol）：Cursor定义了一套标准指令集，让Claude、Codex、Antigravity使用同一套语义通信。例如codex run --agent=rollback --target=order-service --version=v2.3.1这条命令，会被解析为三个原子操作：① Claude生成回滚SQL脚本（含数据一致性校验）；② Codex CLI执行脚本并验证；③ Antigravity监控回滚后订单创建成功率是否恢复基线。任何一环失败，整个事务回滚，而不是停留在“部分成功”状态。

• 安全沙箱执行环境（Secure Sandbox Execution）：所有Claude生成的代码、Codex执行的命令、Antigravity触发的Agent，都在独立的Linux容器中运行。容器镜像预装了团队白名单工具链（如特定版本的kubectl、helm、jq），并挂载只读的项目代码卷和受限的K8s config。这意味着即使Claude误生成rm -rf /，也只会影响沙箱内的临时文件系统，宿主机完全安全。这点在金融类项目中至关重要——我们曾因VS Code插件权限过大导致一次误删生产环境Secret的事故，而Cursor沙箱从未发生过越界操作。

3. 实操落地：从零部署到生产就绪的完整路径

3.1 环境准备与基础组件安装

部署“superpowers”不是安装一个软件，而是构建一套受控的开发基础设施。我推荐采用渐进式策略，避免一次性替换现有工具链引发团队抵触。以下是经过3个团队验证的最小可行路径：

第一步：确认基础依赖（所有组件共用）
必须使用Linux或macOS系统（Windows需WSL2）。Ubuntu 22.04 LTS是最稳妥的选择，因其内核版本（5.15）对eBPF监控支持完善，而Antigravity的性能分析模块重度依赖eBPF。检查命令：

uname -r # 应输出 5.15.0-xx-generic ls /sys/fs/bpf # 应存在此目录

第二步：安装Cursor IDE（核心载体）
不要从官网下载通用安装包，必须使用团队定制版。我们通过内部Nexus仓库分发cursor-pro-v0.42.2-team-a.deb，该版本已预置：

• 内置Claude Code 3.5模型权重（离线可用，避免API调用延迟）
• Codex CLI v2.8.1二进制文件（已签名，校验通过才允许执行）
• Antigravity Agent Registry配置（指向内网私有仓库）

安装命令：

sudo apt install ./cursor-pro-v0.42.2-team-a.deb # 验证安装 cursor --version # 输出应为 v0.42.2-team-a

提示：Cursor首次启动会要求登录企业SSO账号，这是强制的安全策略。个人邮箱注册的免费版无法启用Codex CLI和Antigravity功能，因为它们需要访问内网K8s集群和CI系统。

第三步：初始化项目级配置
在项目根目录创建.cursor/config.json，这是整个superpowers链路的控制中心。一个典型电商项目的配置如下：

{ "project": "ecommerce-order", "context_sources": [ {"type": "git", "branch": "main", "history_depth": 30}, {"type": "jira", "url": "https://jira.internal/api", "token_env": "JIRA_TOKEN"}, {"type": "k8s", "cluster": "prod-us-east", "namespace": "order-service"} ], "agents": { "deploy": { "steps": ["build", "test", "push", "apply"], "timeout": 300 } }, "security": { "allowed_commands": ["kubectl", "helm", "jq", "curl"], "blocked_patterns": ["rm -rf", "chmod 777", "eval"] } }

这个配置决定了Claude能访问哪些上下文、Codex CLI能执行哪些命令、Antigravity能监控哪些资源。特别注意blocked_patterns字段——它由团队安全组统一维护，任何试图绕过此限制的操作都会被Cursor内核拦截并记录审计日志。

3.2 Claude Code的深度集成与调优

Claude Code在Cursor中不是简单的代码补全，而是作为“语义理解引擎”存在。其价值最大化依赖两个关键配置：

1. 自定义提示词模板（Prompt Templates）
Cursor允许为不同文件类型定义专属提示词。在.cursor/prompt-templates/目录下创建java-springboot.yaml：

file_type: "java" framework: "spring-boot-3.2" rules: - "所有REST接口必须返回Result<T>包装体，禁止裸返回POJO" - "数据库操作必须使用@Transactional，且传播行为明确指定" - "日志输出必须包含traceId，格式为[traceId=%s] %s" examples: - input: "为订单创建接口添加幂等性校验" output: | @PostMapping("/orders") public Result<OrderResponse> createOrder(@RequestBody OrderRequest request) { String traceId = MDC.get("traceId"); log.info("[traceId={}] 开始处理订单创建请求", traceId); // 幂等性校验逻辑... }

这个模板让Claude生成的代码天然符合团队规范，省去90%的Code Review返工。我们实测显示，使用定制模板后，Java后端代码的一次通过率从63%提升至92%。

2. 上下文窗口动态管理
Claude的token限制是硬伤。Cursor通过“上下文锚点（Context Anchors）”机制解决：

• 在代码中插入// @anchor: order-flow标记，告诉Claude“从此处开始的500行是核心业务流”
• 在Git提交信息中写[context] payment-service-refactor，Cursor自动将该PR关联的所有文件加入Claude上下文
• 在Cursor侧边栏点击“Focus Mode”，它会根据当前光标位置，自动提取调用栈涉及的3层方法、2个配置文件、1个SQL脚本，组成最优上下文包

注意：不要滥用@anchor标记。我们团队规定每个文件最多2个锚点，且必须由Tech Lead审批。过度标记会导致Claude注意力分散，生成质量反而下降。

3.3 Codex CLI的实战应用：从命令到工作流

Codex CLI的价值不在命令本身，而在它如何把开发者意图转化为可审计、可复现、可回滚的操作。以下是三个高频场景的实操细节：

场景1：安全的数据库迁移
传统做法：DBA手动执行SQL脚本，风险高、难追溯。Codex CLI方案：

# 生成迁移计划（dry-run） codex migrate --db=postgres --version=14.5 --target=prod \ --script=./migrations/v2.1.0.sql --dry-run # 输出包含： # - 备份命令：pg_dump -h prod-db -U admin ecommerce > backup_20240520.sql # - 兼容性检查：SELECT version(); 检查当前版本是否支持新特性 # - 回滚脚本：包含DROP INDEX等逆向操作 # - 执行清单：按顺序列出所有SQL语句及预期影响行数 # 确认后执行 codex migrate --db=postgres --version=14.5 --target=prod \ --script=./migrations/v2.1.0.sql --confirm

关键技巧：--confirm参数必须配合--audit-log使用，所有操作会写入/var/log/codex/audit.log，包含操作者、时间戳、执行命令哈希值，满足金融行业合规要求。

场景2：K8s配置的精准变更
当需要修改ConfigMap时，传统kubectl edit易出错。Codex CLI提供声明式变更：

# 对比当前ConfigMap与目标值差异 codex diff configmap --name=app-config --namespace=order --key=redis.host --value=redis-prod.internal # 生成变更补丁（非覆盖式） codex patch configmap --name=app-config --namespace=order \ --set="redis.host=redis-prod.internal" \ --set="redis.port=6379" \ --dry-run # 输出YAML补丁，可人工审查后应用 # apiVersion: v1 # kind: ConfigMap # metadata: # name: app-config # data: # redis.host: redis-prod.internal # redis.port: "6379"

实操心得：codex patch命令的--set参数支持嵌套JSON路径，如--set="database.connection.timeout=30000"，这对Spring Boot的application.yml映射到ConfigMap的场景极其有用。

场景3：CI流水线的智能诊断
当GitHub Actions失败时，Codex CLI能自动分析：

# 分析最近一次失败的workflow codex diagnose ci --workflow=build-and-test --run-id=123456 # 输出结构化报告： # - 失败步骤：Test Phase # - 关键错误：java.lang.OutOfMemoryError: Metaspace # - 根本原因推测：新增的Hibernate实体类未配置@Cacheable，导致Metaspace溢出 # - 修复建议：在UserEntity.java添加@Cacheable(usage = CacheConcurrencyStrategy.READ_WRITE) # - 验证命令：mvn test -Dtest=UserEntityTest -Xmx2g

这个诊断能力源于Codex CLI内置的1200+常见错误模式库，它不是简单grep日志，而是结合JVM参数、依赖版本、测试覆盖率数据进行多维推理。

3.4 Antigravity Agent的编写与编排

Antigravity不是黑盒，而是可编程的智能代理框架。它的核心是agent.yaml定义文件，以下是一个生产环境告警响应Agent的完整实现：

# .antigravity/agents/alert-responder.yaml name: "alert-responder" description: "自动响应P99延迟超阈值告警" triggers: - type: "prometheus" query: 'histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m])) > 2.0' labels: {service: "order-api"} actions: - name: "collect-context" type: "shell" command: | echo "=== 当前服务状态 ===" kubectl get pods -n order --sort-by=.status.startTime | tail -5 echo -e "\n=== 最近错误日志 ===" kubectl logs -n order deploy/order-api --since=5m | grep -i "error\|exception" | tail -10 timeout: 60 - name: "diagnose-jvm" type: "jvm-profiler" jvm_pid: "order-api" duration: 30 metrics: ["heap.usage", "gc.pause.time", "thread.count"] - name: "suggest-fix" type: "claude-code" prompt: | 基于以下上下文诊断JVM问题： {{ .context.collect-context.output }} {{ .context.diagnose-jvm.output }} 请给出3个最可能原因及对应验证命令，按优先级排序。 - name: "execute-fix" type: "codex-cli" command: "codex scale deployment --name=order-api --replicas=4 --namespace=order" conditions: - type: "threshold" metric: "jvm.heap.usage" operator: ">" value: 90.0 action: "execute-fix"

这个Agent的工作流程：当Prometheus检测到P99延迟超2秒，Antigravity自动触发；先收集Pod状态和错误日志；再用JVM Profiler采集堆内存和GC数据；将所有数据喂给Claude Code生成诊断建议；最后根据Claude的结论（如“堆内存使用率92%，建议扩容”）调用Codex CLI执行扩缩容。

实操心得：Agent编写最大的坑是“无限递归”。比如一个告警响应Agent如果在execute-fix步骤中又触发了新的告警，就会形成死循环。我们的解决方案是在triggers中添加suppress_after: 300（5分钟内相同告警只触发一次），并在conditions中强制要求所有action必须返回success或failed状态码，Antigravity会监控这些状态并终止异常链路。

4. 常见问题与排查技巧实录

4.1 “Unable to locate the codex cli binary”错误深度解析

这是新手安装后最常遇到的报错，表面看是路径问题，实则涉及Cursor的沙箱隔离机制。错误日志通常显示：

Error: unable to locate the codex cli binary or required runtime components. Check that codex is installed and in your PATH.

根本原因：
Cursor的沙箱环境不继承宿主机的$PATH。即使你在终端中which codex能看到路径，沙箱内仍是空的。Codex CLI二进制文件实际位于/opt/cursor/resources/app/bin/codex，但沙箱默认不挂载此路径。

三步解决法：

1. 验证Codex是否真安装

   # 在Cursor内置终端（非系统终端）中执行 which codex # 此时应返回空 ls /opt/cursor/resources/app/bin/ | grep codex # 应看到 codex codex-linux-x64

2. 创建沙箱符号链接
   在项目根目录创建.cursor/init.sh：

   #!/bin/bash # 此脚本在每次Cursor启动沙箱时自动执行 ln -sf /opt/cursor/resources/app/bin/codex /usr/local/bin/codex

   然后在.cursor/config.json中添加：

   "sandbox": { "init_script": ".cursor/init.sh" }

3. 重启Cursor并验证
   关闭所有Cursor窗口，重新打开项目。在内置终端中：

   codex --version # 应输出 v2.8.1

注意：不要尝试用export PATH方式解决。沙箱环境是只读的，PATH变量修改无效。必须通过符号链接或挂载方式。

4.2 Antigravity Agent执行失败的排查链

当Agent执行失败时，日志往往只显示Agent execution terminated due to error，需要按顺序排查：

排查层级1：Agent语法校验

antigravity validate --file=.antigravity/agents/deploy.yaml

常见错误：

• YAML缩进错误（用空格而非Tab）
• triggers.query中Prometheus查询缺少{}标签选择器
• conditions.metric名称拼写错误（如jvm.heap.usage误写为jvm.heap_usage）

排查层级2：权限与网络连通性
Antigravity需要访问K8s API Server和Prometheus。检查：

# 在沙箱内测试K8s连通性 kubectl get nodes --v=6 2>&1 | grep "connection refused" # 若出现，说明kubeconfig未正确挂载 # 测试Prometheus连通性 curl -s http://prometheus.internal/api/v1/query?query=up | jq '.status' # 应返回 "success"

解决方案：在.cursor/config.json中显式配置：

"antigravity": { "k8s_config": "/home/user/.kube/config", "prometheus_url": "http://prometheus.internal" }

排查层级3：Claude Code生成内容合规性
最隐蔽的问题：Claude生成的代码包含被blocked_patterns拦截的危险操作。此时Antigravity日志会显示：

[WARN] Blocked command pattern detected: 'rm -rf /tmp/cache'

解决方法：

• 检查.cursor/config.json中的blocked_patterns，确认是否过于严格
• 在Claude提示词中明确禁止此类操作，例如添加规则：“禁止使用rm、chmod等系统命令，所有文件操作必须通过Java NIO API”
• 使用codex dry-run模式先行验证Claude输出

4.3 Cursor中文设置失效的真相

搜索“cursor中文怎么设置”会出现大量无效教程，因为Cursor的国际化机制与VS Code完全不同。它不依赖系统语言，而是由企业SSO账号的locale属性决定。

正确设置路径：

1. 登录企业SSO管理后台（如Okta或Azure AD）
2. 进入个人资料 → Preferences → Language → 选择“简体中文”
3. 退出Cursor，重新登录

验证方法：
在Cursor中按Ctrl+Shift+P打开命令面板，输入Configure Display Language，此时选项应为中文。若仍为英文，说明SSO同步延迟，等待5分钟或强制刷新令牌。

关键提醒：不要修改~/.cursor/settings.json中的locale字段。Cursor会忽略此设置，且可能导致下次登录失败。所有语言设置必须通过SSO源头控制。

4.4 Superpowers Java项目特有的陷阱

Java生态的复杂性让superpowers落地时出现独特问题：

问题：Claude生成的Lombok注解不生效
现象：Claude建议用@Data简化POJO，但编译时报错cannot find symbol @Data。
原因：Cursor沙箱内未安装Lombok插件，且Java编译器未启用annotation processing。
解决方案：

• 在项目pom.xml中确保包含：

  <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <optional>true</optional> </dependency>

• 在.cursor/config.json中添加：

  "java": { "annotation_processors": ["lombok.launch.AnnotationProcessorHider$AnnotationProcessor"] }

问题：Codex CLI执行Maven命令超时
现象：codex run --command="mvn clean package"卡住30分钟后失败。
原因：Maven默认使用~/.m2/repository，而沙箱内此路径为空，需重新下载所有依赖。
解决方案：

• 在.cursor/init.sh中预热Maven仓库：

  # 创建共享M2仓库 mkdir -p /mnt/shared-m2 # 挂载到沙箱 echo "/mnt/shared-m2 /root/.m2 none bind 0 0" >> /etc/fstab

问题：Antigravity监控JVM指标失败
现象：jvm-profileraction始终返回空数据。
原因：Java进程未启用JMX远程监控。
解决方案：在启动脚本中添加JVM参数：

-Dcom.sun.management.jmxremote \ -Dcom.sun.management.jmxremote.port=9999 \ -Dcom.sun.management.jmxremote.authenticate=false \ -Dcom.sun.management.jmxremote.ssl=false

然后在.antigravity/agents/xxx.yaml中指定：

jvm_port: 9999

5. 生产环境避坑指南：来自真实项目的血泪经验

5.1 权限最小化原则的落地细节

“superpowers”威力越大，安全责任越重。我们团队制定的权限铁律：

• Claude Code只能读，不能写：所有Claude生成的代码必须经人工确认后，再由Codex CLI执行。Cursor设置中禁用auto-apply选项。
• Codex CLI的--confirm必须双因子认证：在.cursor/config.json中配置：

  "codex": { "require_mfa": true, "mfa_provider": "okta" }

  每次执行高危命令（如codex delete）时，Cursor会弹出Okta验证窗口。
• Antigravity Agent的执行必须绑定RBAC角色：每个Agent在K8s中对应一个ServiceAccount，其Role仅授予必要权限。例如alert-responderAgent的Role：

  rules: - apiGroups: [""] resources: ["pods", "logs"] verbs: ["get", "list"] - apiGroups: ["apps"] resources: ["deployments"] verbs: ["patch"] # 注意：只允许patch，禁止delete

5.2 性能瓶颈的真实来源

很多人以为性能问题出在Claude模型太大，实则80%的卡顿来自I/O：

• Git上下文加载慢：Cursor默认扫描整个repo历史，对于10年以上的单体仓库（>50万commit），加载耗时超2分钟。解决方案：在.cursor/config.json中限制history_depth为30，并启用git partial-clone：

  "context_sources": [{ "type": "git", "partial_clone": true, "shallow": true }]

• Antigravity实时监控开销大：默认每5秒采样一次JVM指标，对高负载服务造成额外15% CPU占用。解决方案：动态采样率，在Agent中配置：

  conditions: - type: "cpu-load" operator: ">" value: 70.0 action: "reduce-sampling-rate"

5.3 团队协作的隐性成本

引入superpowers后，我们发现最大的挑战不是技术，而是协作范式转变：

• Code Review标准重构：以前Review重点是“代码是否正确”，现在变成“Claude的提示词是否精准”、“Codex CLI的dry-run输出是否可审计”、“Antigravity的条件判断是否覆盖边界场景”。我们为此创建了新的CR Checklist，包含12个superpowers专项条目。
• 知识沉淀方式改变：新人不再看Wiki文档，而是直接在Cursor中打开历史Agent，点击“Replay”按钮，观看整个自动化流程的执行录像。每个Agent都自动生成执行报告PDF，存档至Confluence。
• 故障归因复杂度上升：一次线上故障，Root Cause可能是Claude生成的SQL有N+1问题，也可能是Codex CLI的--dry-run模式被误关闭，还可能是Antigravity的conditions阈值设置过低。我们建立了“superpowers故障树”，将所有组件纳入统一归因框架。

最后分享一个真实体会：去年双十一前，我们用superpowers链路完成了支付服务的全链路压测。整个过程没有一个人SSH到服务器，所有操作通过Cursor界面完成。当大促流量洪峰到来时，系统平稳运行，而我的手机只收到一条Antigravity推送：“支付成功率99.997%，低于基线0.002%，已自动扩容2个Pod”。那一刻我意识到，所谓“superpowers”，不是让你变得无所不能，而是让你终于有余力，去关注那些真正值得人类思考的问题。