技能优于提示词
Superpowers 与 AI 编程的工程纪律范式

Superpowers 创造者 Jesse Vincent（Request Tracker 作者、Perl 5 发布负责人）把AI编程代理的失效模式总结得很犀利："语言模型被训练为'立即提供帮助'，这种本能驱使它们尽快产出代码，却跳过了所有工程化的前置步骤。"

结果就是：用错库、文件位置错误、遗漏关键需求，最后人类要花更多时间调试代理的输出。Vincent 的解决方案不在模型层面动刀，而是在会话级别拦截这种默认本能，把它路由到结构化的门禁流程中——这是一个把"工程纪律"作为一等公民的设计选择。

Superpowers 的物理仓库分三层，每一层解决不同问题：

最具颠覆性的设计是"Markdown 即规范"：用 Markdown 而非 JSON/YAML 编码过程规范，使同一份文件既是人类文档也是机器指令。Frontmatter 给出元数据，正文描述行为约束，嵌入 Graphviz DOT 流程图，"Red Flags 表格"列举AI常见的合理化借口与反驳——单一事实源（Single Source of Truth）。

当用户在对话中说"Let's build X"时，Superpowers 不会立即写代码，而是按七步推进——每一步都是强制门禁而非建议：

1. ① brainstorming · 苏格拉底式设计提炼，一次只问一个澄清问题，分段呈现方案。
2. ② using-git-worktrees · 创建隔离工作区，验证测试基线干净。
3. ③ writing-plans · 把设计拆为 2-5 分钟的微任务，含精确文件路径和完整代码。
4. ④ subagent-driven-development · 每个任务派全新子代理执行，避免长会话漂移。
5. ⑤ test-driven-development · "NO PRODUCTION CODE WITHOUT A FAILING TEST FIRST"——铁律式措辞。
6. ⑥ requesting-code-review · 任务之间执行预审查，按严重度分类问题。
7. ⑦ finishing-a-development-branch · 验证测试、合并/PR/丢弃，清理工作区。

注意第④步——每个任务都派出一个新的子代理。背后是一个深刻观察：长会话中的代理会逐渐偏离原始规范，上下文窗口越长越容易"忘记"最初的设计决策。子代理隔离不是为了并行加速，而是为了用上下文重置对抗注意力漂移。

反合理化（Anti-Rationalization）：AI在面对约束时会像人类一样"找借口"。Superpowers 在 using-superpowers 技能里专门列出代理常见的逃避借口（"我已经手动测试过了"、"这太简单了不需要设计"）并配上预制反驳。writing-skills 甚至引用 Cialdini《影响力》的说服原则，教导技能作者用权威性、一致性等心理机制增强约束力。

测试技能而非测试代码：Superpowers 的测试体系不是验证代码正确性，而是验证技能能否有效防止代理违规。测试脚本设计 3 种以上组合压力场景，迫使代理产生违规行为，逐字记录代理的具体借口——这种"元测试"方法在agentic框架中独树一帜。

流程门禁优于提示词工程：与其投资更精巧的提示词来"说服"代理做正确的事，不如在架构层面设置强制门禁。Superpowers 证明：当代理别无选择只能遵循规范时，行为质量显著提升。

• 三层分离模型：把行为规范、注入机制、平台适配解耦，同一套规范服务多个工具。
• Markdown 作为可执行规范：让规范同时是人类文档和机器指令，降低维护成本。
• 流程门禁优于提示词工程：约束代理行为的最佳点是架构层而非提示层。
• 子代理作为上下文管理工具：用上下文重置对抗长会话中的注意力漂移。
• 测试技能而非测试代码：在AI agent语境下重新定义"正确性"。

如果你正在为团队设计 AI 编程或科研工作流，欢迎了解带带科研的 ARS 学术研究技能库——我们把行业最新的工程纪律方法论，落地到了科研论文、专利、软著三条产出线上。