如果你最近也在用 AI 写代码，你大概率经历过这种“过山车式”的体验：

一开始，你对着屏幕惊叹：“天呐，它居然 5 分钟就写出了我一天的工作量！”然后，你开始尝试添加新功能，AI 挥洒自如，代码量暴增。最后，你看着满屏的“技术债”，面对着无法通过的测试，陷入了深深的自我怀疑——这个项目好像已经失控了，它成了一团只有 AI 自己能看懂的“乱麻”。

这并非你的错，这是所有“生成式 AI”在缺乏约束下的必然宿命。AI 像一个没有项目上下文记忆、急于求成、且从不写测试的“狂热实习生”。

就在昨天，GitHub 趋势榜上出现了一个名为obra/superpowers的项目，单日斩获近 3000 颗 Star。它没有炫酷的 Demo 视频，也没有发布新的大模型，它只做了一件事：给 AI 立了一套“死规矩”。

这不仅仅是一个开源项目，这是一场针对“失控 AI 编程”的外科手术。

一、 我们不需要更多的“能力”，我们需要“纪律”

obra/superpowers的核心定义是一个“Agentic Skills Framework”（代理技能框架）。

在它出现之前，我们对 AI 的使用往往是碎片化的：“帮我写个排序函数”、“帮我修这个报错”。这种模式被称为“提示词工程（Prompt Engineering）”，它把 AI 当成了一个高级的自动补全工具。

superpowers彻底推翻了这种模式。它认为，让 AI 写代码，不能靠“求”，而要靠“管”。

它内置了一套完整的软件开发生命周期（SDLC）规则。当你启动一个新项目时，它不会让你直接开干，而是强制执行以下流程：

先聊清楚（Brainstorming）

：AI 必须先问你，到底想做什么？它会生成设计文档，直到你点头。

先写计划（Writing Plans）

：把大任务拆解成 2-5 分钟能完成的小任务，精确到文件路径。

先写测试（TDD）

：这是红线。必须先写失败的测试，再写代码，绝不允许“先写代码后补测试”的陋习。

这套逻辑非常反直觉，因为它看起来降低了效率。为什么要让 AI 花时间去写设计文档？为什么要拆分成那么多小步骤？

答案是：为了对抗熵增。

二、 核心机密：Subagent-Driven Development

如果说传统的软件开发是“人驱动代码”，现在的 AI 编程往往是“人被 AI 牵着鼻子走”，那么superpowers提出的Subagent-Driven Development（子代理驱动开发）则是第三种范式。

它的核心在于：不要让一个 AI 负责到底，而是让一群 AI 互相监督。

根据项目文档，这套系统的工作流是这样的：

调度员（The Dispatcher）

：负责把大计划拆解成任务。

执行者（The Executor）

：负责写代码。

审查员（The Reviewer）

：在代码落地前，必须进行两阶段审查——先看是否符合设计规范，再看代码质量。

这就像在你的 IDE 里组建了一支特种部队：有指挥官、有突击手、还有质检员。每一个任务都是隔离的，每一个产出都是经过同行评审的。

这种架构直接击中了当前 AI 编程最大的痛点——上下文窗口的遗忘症。通过将大任务切片，AI 不需要记住整个项目的 10 万行代码，它只需要在这个切片内完美执行即可。

三、 这套“死板”的流程，为什么是开发者的救赎？

在看 superpowers 的源码和文档时，我注意到几个非常“偏执”的细节，这些细节恰恰证明了它为什么能火：

强制的 Git Worktrees：它强制要求 AI 在独立的 Git 分支（Worktree）中工作。这意味着，不管 AI 在那个分支里把代码写成什么样，只要它没通过你的 Code Review，主分支就是安全的。这是对生产环境最底线的保护。

防御性极强的 Debugging：它的调试流程不是“猜哪里错了”，而是“系统性根因分析”。它要求 AI 必须验证问题是否真的修复了，而不是给出一个看似合理的借口。

拥抱 YAGNI 原则：现在的 AI 往往喜欢过度设计，非要给你加上一堆设计模式和复杂的架构。superpowers在方法论层面强制要求“你不会需要它（YAGNI）”，保持简单，拒绝 AI 的“炫技”。

四、 写在最后：从“提示词”到“工程化”

obra/superpowers的爆火，是一个强烈的信号：AI 编程的“淘金热”时代结束了，现在进入了“基础设施建设”时代。

我们不再满足于用提示词（Prompt）去哄骗 AI 做出一个 Demo。我们需要的是能交付给客户、能维护 5 年以上的工业级产品。

对于开发者来说，现在是介入的最佳时机。这个项目目前完全是开源的，它提供了一套标准的“技能（Skills）”模板。你可以把它看作是未来的“编程标准库”。

如果你还在为 AI 写出的代码难以维护而头疼，不妨去 GitHub 上看看这个项目。也许，驯服 AI 的第一步，就是像人类管理人类一样，给它立一套“死板”的规矩。