Superpowers Skills 实战指南：把 AI 编码从“猜”升级为“按流程干活”

1. 为什么我放弃了裸奔的 AI 编码，转向 Superpowers Skills

如果你过去一年在认真用 AI 写代码，大概率经历过这样的循环：装好 Cursor 或 Copilot，兴奋地让它生成一个函数、补全一段逻辑，前几次效果惊艳，但随着项目变大、依赖变多、上下文变长，AI 的回答开始变得"飘"——不是 API 参数记错了，就是忽略了你项目里已有的工具函数，甚至一本正经地编造一个根本不存在的库。

我最初以为这是模型能力问题，直到我在一个中型 Next.js 项目里被 AI 坑到怀疑人生：它连续三次重置了我的认证中间件，理由都是"这样做更符合最佳实践"。最后我花了一个周末把所有代码改回原样，才意识到问题不在模型身上，而在使用方式上——我把它当成了搜索引擎，而不是协作者。

如果你也有类似的经历，这篇东西就是写给你看的。

这不仅仅是一篇教程，更是一份我在实际项目中反复踩坑后整理出来的上手指南。核心围绕一个基于 Cursor 的规则与技能框架：Superpowers Skills。它解决的问题非常明确：把模糊的"帮我改一段代码"升级为"严格按你项目里的上下文，执行一次标准化的重构流程"。

看完这篇文章，你会得到一份可以直接抄作业的技能安装清单、每个技能的底层原理拆解、以及我在真实项目里验证过的效率提升数据。文末还会聊几个官方文档里没写透的坑。

先说结论：这个工具链解决的不是"AI 生成代码"这件事，而是解决"AI 生成的代码为什么经常不靠谱"这件事。它把编码过程中的隐性知识——比如"改代码前应该先跑测试""查文档前应该先确认版本""重构时应该分步执行"——显式地写成了规则，让 AI 每一步都有据可依。

听起来很简单，但效果差异巨大。

2. 装之前必须先搞明白的事：Superpowers Skills 的底层逻辑

我不想让你变成只会复制配置的"规则操作员"，所以在动手之前，我们先花几分钟把它的核心思想讲透。理解了这些，后面排查问题时你会少走 80% 的弯路。

2.1 它本质上是给 AI 的一本"操作手册"

先看一张我自己整理的逻辑关系：

• Skill：是一个个独立的 Markdown 文件，存放在 .cursor/skills 目录下（也可以全局安装到 ~/.cursor/skills）。
• 每个 Skill 的 YAML Frontmatter：定义了触发条件、适用场景、所需模型能力。
• 每个 Skill 的正文：是一套完整的、人类专家编写的执行流程，比如"不知道 API 怎么用时，先查官方文档""依赖缺失时，先确定包管理器再安装"。

一句话总结：它把那些你在日常开发中"凭经验自动执行"的习惯动作，翻译成了 AI 能理解和遵循的操作规程。

我见过很多人第一次打开这些 Markdown 文件时有点失望——"就这？不就是文档吗？" 对，形式上就是文档，但关键在于它改变了 AI 的决策路径。

2.2 默认行为 vs. Skill 行为：差别在决策链

不带 Skills 的时候，你让 AI 改代码，它大概率会这样做：

1. 读取当前选中的代码。
2. 根据自己的训练记忆"猜"一个改法。
3. 直接输出修改结果。

这中间缺了最关键的环节：验证。它不会去跑测试，不会去查项目里有没有现成的工具函数，不会检查改完是否影响其他模块。这就是为什么你经常觉得 AI 在"一本正经地胡说八道"。

装了 Skills 之后，同样的请求会走另一条路：

1. 读取选中的代码。
2. 被 Skill 规则拦截，识别出"这是一个重构场景"。
3. 按照 Skill 定义的流程执行：先理解