1. 写在前面的

最近购买了火山引擎的 codeplan，但是正在做的项目没用多少，token 没有被“极限压榨”。正好最近发现了 Superpowers 这个非常实用的 skill，于是借这个机会验证一下它的实战效果。本次使用 Superpowers 实战开发一款儿时经典的游戏：坦克大战。使用的编程语言是 Python，看看它能做到什么程度。

2. Superpowers 是什么

在开始实战之前，先简单介绍一下 Superpowers。

Superpowers 是一个面向编程智能体（Coding Agent）的开发方法论框架，由开源大佬 Jesse Vincent（Obra）创建，目前在 GitHub 上已有不小的影响力。它的核心理念很简单：让 AI 写代码之前，先学会"想清楚再动手"。

我们平时让 AI 写代码，最常见的问题就是：你说一句，它写一段，写完发现方向不对，又推倒重来。效率低不说，代码质量也堪忧。Superpowers 就是来解决这个问题的——它把软件开发的最佳实践封装成一个个"技能"（Skill），让 AI 在执行任务时自动遵循这些流程。

Superpowers 目前包含 15 个技能，分为四大类：

类别	技能	作用
测试类	test-driven-development	红绿重构循环，强制先写测试再写代码
调试类	systematic-debugging	4 阶段根因分析，先找原因再修 Bug
	verification-before-completion	确保修复真正生效，不报假喜
协作类	brainstorming	苏格拉底式提问，先细化需求再动手
	writing-plans	将工作分解为 2-5 分钟的细粒度任务
	executing-plans	批量执行加检查点
	subagent-driven-development	子代理快速迭代 + 双阶段审查
	dispatching-parallel-agents	并发子代理工作流
	requesting-code-review	代码审查前检查清单
	receiving-code-review	响应审查反馈
	using-git-worktrees	并行开发分支管理
	finishing-a-development-branch	合并/PR 决策工作流
元技能类	writing-skills	创建新技能的最佳实践
	using-superpowers	技能系统入门引导

看起来有点多？没关系，你不需要一个个去记。Superpowers 的核心工作流其实就三个字：想、拆、做。

• 想：收到需求后，先通过 brainstorming 细化需求，明确要做什么
• 拆：把需求拆解为详细的实施计划，每个任务控制在 2-5 分钟
• 做：按计划执行，过程中遵循 TDD，完成后做代码审查

这套流程，其实就是一个有经验的程序员的工作方式。Superpowers 做的事情，就是把这种工作方式"教"给 AI。

3. 开始

3.1. 安装 Superpowers

安装 Superpowers 很简单，在 Claude Code 中执行以下命令即可：

/install-github-skill obra/superpowers

安装完成后，Superpowers 的技能会被自动注册到你的 Claude Code 环境中。之后每次启动 Claude Code，using-superpowers 这个引导技能会自动激活，确保 AI 在执行任务时优先使用 Superpowers 的工作流。

你也可以手动安装，从 GitHub 仓库 clone 下来后，把技能文件复制到 ~/.claude/skills/ 目录：

git clone https://github.com/obra/superpowers.git /tmp/superpowers
cp -r /tmp/superpowers/skills/* ~/.claude/skills/

提示：Superpowers 不仅支持 Claude Code，还支持 Gemini CLI、Codex CLI、Cursor 等主流编程智能体平台，安装方式略有不同，具体可以参考项目 GitHub 仓库 的 README。

3.2. 实战：用 Superpowers 开发坦克大战

好，现在 Superpowers 装好了，让我们进入正题——开发一款经典游戏：坦克大战。

第一步：头脑风暴（Brainstorming）

安装了 Superpowers 之后，我先是和小米 Mimo 对话告知我的需求，并让它给我写了一份初步的需求文档。然后我把文档复制到项目下，告诉 Claude Code “使用 Superpowers 帮我用 Python 开发一个坦克大战游戏”，并参考初步需求文档时，它并没有直接开始写代码，而是先触发了 brainstorming 技能，通过一系列提问来细化需求：

比方说，它为我们提供了3套架构方案，给出推荐方案，并说明了不同方案之间的优势与不足。最妙的是它是通过一个浏览器的方式直观地展现在我们眼前。

这就是 Superpowers 的厉害之处——它不会让你一上来就写代码，而是先把需求想清楚。以前我让 AI 写代码，经常是写完了一半才发现方向不对，又要推倒重来。有了 brainstorming 这一步，至少方向不会偏。

再比方说，它会帮我设计游戏的布局并同我确认，同样用浏览器的方式展现。当我发现游戏布局不正确的时候，不会迭代方案直至完全正确，符合我们的开放要求。

最后，基于自己和 Ai 的交互，Superpowers 完成了一份详细的设计文档，并和我进行确认。这个确认过程是反复的，直到完成最终的设计文档。

第二步：制定计划（Writing Plans）

需求确认后，Claude 触发了Superpowers 的 writing-plans 技能，为整个开发工作编制实施计划：

并将实施计划拆解为细粒度的任务清单，每个任务都控制在 2-5 分钟的粒度，这确保了每一步都是可验证的。做完一个任务，验证通过，再进入下一个。这种"小步快跑"的方式，比一口气写完再调试要高效得多。

最后它询问我采用子代理驱动方式，还是内联执行方式编写代码。

• 子代理模式是为每个Task派发一个独立子代理执行，任务间审核，快速迭代，也是 Superpowers 推荐采用的执行方式。
• 内联执行是在当前会话中逐步执行，批量执行带检查点，速度较慢，不推荐。

第三步：逐步执行（Executing Plans）

计划制定好后，Claude 开始按计划使用子代理并行执行。这里我挑几个关键节点来展示整个过程。

搭建基础框架

Claude 先创建了项目结构和 Pygame 窗口，跑通了游戏主循环。这一步很顺利，几分钟后就有了一个黑色的窗口在运行。

实现地图与障碍物

这一步 Claude 定义了经典的地图数据结构，用二维数组表示不同的地形元素：

# 地图元素类型
EMPTY = 0
BRICK = 1      # 砖墙 - 可被子弹摧毁
STEEL = 2      # 钢墙 - 不可摧毁
WATER = 3      # 水域 - 不可通过
GRASS = 4      # 草地 - 可通过，遮挡视线
BASE = 5       # 基地 - 被摧毁则游戏结束

然后实现了每种地形的渲染，砖墙是棕色方块，钢墙是银色方块，水域是蓝色区域，草地是绿色区域。看到经典地图一点点在屏幕上重现，那一刻还是很激动的。

玩家坦克控制

这一步实现了玩家坦克的 WASD/方向键移动和空格键射击。坦克的移动是网格对齐的（还原经典风格），每次移动一个格子。子弹发射后有飞行轨迹和碰撞检测。

敌方坦克 AI

敌方坦克的 AI 相对简单——随机方向移动，定时射击。虽然不够智能，但作为第一版已经够用了。后续可以升级为追踪玩家的 AI。

基地保护与游戏逻辑

最后实现了基地保护机制：如果敌方子弹击中基地（老鹰图标），游戏结束。同时实现了计分和关卡系统，每消灭一波敌方坦克后进入下一关，难度递增。

第四步：代码审查（Code Review）

每个阶段完成后，Superpowers 会自动触发 requesting-code-review 技能，对已完成的代码进行审查。审查内容包括：

• 代码是否符合设计规格
• 是否有潜在的 Bug
• 是否有性能问题
• 代码风格是否一致

在实际开发过程中，Claude 发现了几个问题并自行修复：

1. 碰撞检测边界问题：坦克在地图边缘时碰撞检测不完整，导致坦克可以"穿墙"
2. 子弹内存泄漏：飞出屏幕的子弹没有被及时清除，长时间运行后会导致性能下降
3. 敌方坦克生成重叠：多个敌方坦克可能生成在同一位置，互相卡住

这些问题如果没有代码审查这一步，很可能要等到后期测试时才会发现，到时候修复成本就高了。

3.3. 最终效果

经过大约 2 小时的开发，一个可玩的坦克大战游戏就完成了。虽然和经典 FC 版本相比还有很多差距（比如AI 比较简单、画面还不够精致），但核心玩法已经完整：

• ✅ 玩家坦克移动和射击
• ✅ 4 种障碍物（砖墙/钢墙/水域/草地）
• ✅ 敌方坦克 AI（随机移动 + 定时射击）
• ✅ 基地保护机制
• ✅ 道具系统，包括雷、基地钢墙、子弹升级等。
• ✅ 关卡系统
• ✅ 游戏结束/胜利判定

整个开发过程中，我基本只需要回答问题和确认方向，具体的编码、调试、审查都是 Claude + Superpowers 自主完成的。这让我深刻体会到了"饱和式使用"codeplan 的感觉——AI 在干活，我在旁边看着。

4. Superpowers 的核心价值

经过这次实战，我对 Superpowers 有了更深的认识。总结一下它的核心价值：

4.1. 强制"想清楚再动手"

这是 Superpowers 最大的价值。以前让 AI 写代码，最大的问题就是：它太急了。你说一句，它就写一段，写完发现方向不对又重来。有了 brainstorming → writing-plans → executing-plans 这套流程，AI 会在动手之前把需求、设计、计划都理清楚，大大减少返工的概率。

4.2. 小步快跑，每步可验证

Superpowers 把任务拆解为 2-5 分钟的细粒度，每完成一个任务就可以验证。这比一口气写完再调试要安全得多——如果某个任务出了问题，你只需要回退一步，而不是推翻整个项目。

4.3. 自动代码审查

代码审查这个环节很容易被忽略，尤其是个人项目。Superpowers 在每个阶段完成后自动触发审查，确保代码质量。这次实战中就发现了 3 个潜在问题，都是审查环节捕获的。

4.4. TDD 思维

虽然这次实战中我没有严格走 TDD 流程（毕竟游戏开发的测试不太好写），但 Superpowers 的 test-driven-development 技能一直在提醒：先写测试，再写代码。对于业务逻辑比较明确的项目（比如 API 开发、数据处理），TDD 的价值会更大。

5. 局限性与建议

当然，Superpowers 也不是万能的，这次实战中我也发现了一些局限：

1. 流程开销

对于很简单的任务（比如改个配置、修个简单的 Bug），Superpowers 的 brainstorming → planning 流程反而显得有些冗余。你可能只是想让它改一行代码，它却要先问你三个问题。建议：简单任务可以直接说明"不需要 brainstorming"，跳过流程。

2. 游戏开发的 TDD 不太适配

游戏开发中很多逻辑是视觉和交互相关的，不容易写单元测试。Superpowers 的 TDD 技能在这种场景下有些力不从心。建议：游戏开发可以弱化 TDD，重点放在代码审查和手动测试上。

3. 对话上下文会变长

因为 Superpowers 会在每个阶段输出设计文档、计划、审查结果等，对话上下文会变得很长。如果你的 token 预算有限，需要注意控制。建议：定期用 clear 清理上下文，或者把重要的中间产出保存到文件中。

4. 依赖 Claude Code 的能力

Superpowers 本质上是一套方法论，它的效果取决于底层 AI 的编码能力。如果 AI 本身写不好代码，再好的方法论也救不了。建议：搭配 Claude Sonnet/Opus 等强模型使用，效果最佳。

6. 写在最后

这次用 Superpowers 实战开发坦克大战，整体体验是：省心。

以前让 AI 写代码，我需要盯着它，随时纠正方向，生怕它写偏了。有了 Superpowers，流程变成了：我提需求 → 它问问题 → 我回答 → 它出计划 → 我确认 → 它执行 → 它审查 → 我验收。我只需要在关键节点做决策，其他时间 AI 自己就能搞定。

如果你也在用 Claude Code（或者其他编程智能体），我强烈建议试试 Superpowers。它不会让 AI 变得更聪明，但会让 AI 变得更靠谱——而靠谱，比聪明更重要。

🔗 相关链接

• Superpowers GitHub：https://github.com/obra/superpowers
• Superpowers 官方博客：https://blog.fsck.com/2025/10/09/superpowers/
• Superpowers Discord：https://discord.gg/35wsABTejz

(本文首发于微信公众号：字节客栈，未经授权，请勿转载。如需项目完整代码，请关注公众号并回复坦克大战。)