1. 什么是 Superpowers一次解决“AI 不够聪明”的笨办法大概每个重度使用 AI 助手的人都经历过同一种挫败模型明明很聪明但你让它把一份 PDF 合同里的关键条款抽出来它却给你一段泛泛而谈的摘要你让它把会议录音的文字稿整理成待办事项它输出了一堆正确的废话。问题几乎总不在模型身上而在“它不知道该按什么流程干活”。我最早接触 Superpowers就是因为被这种“能力的颗粒度不对”逼急了。当时手头有几十份行业报告需要统一提取产品、价格、政策依据三列信息我试过写各种 long prompt效果时好时坏试过让人工先清洗再丢给模型效率低得离谱。后来有同行告诉我别折腾提示词了去装个技能包。所谓 Superpowers简单说就是一个开源的“AI 技能集合”里面塞满了按领域拆好的工作流和操作模板。它存在的意义就是替你把“这一步该怎么处理、结果该输出成什么格式”这些经验固化成可复用、可分发、可插拔的模块让 AI 在接到任务时直接按图索骥。很多人会问这不就是把提示词变了个花样吗其实不是。提示词是短效药每次对话都要重新叮嘱技能是长效装备一旦注册成功模型会在合适的场景下自动加载整套规则。这就好比一个新手厨师你给他口头讲一遍菜谱他下次照样手忙脚乱但你塞给他一张带流程图、温度表、时间轴的标准作业卡他按卡操作出品就稳定了。Superpowers 就是这个“作业卡合集”。这篇文章我会从技能包的内部结构讲起再依次说清楚安装、引入、自定义三个层面的实操方法最后用我实际工作里的几个案例聊聊这类工具的真实边界。无论你是刚接触 AI 技能的新手还是已经用过一阵 Claude 但被各种“冷门配置”折磨过的老用户这篇应该都能让你少走一些弯路。2. 拆开看技能包Skill到底长什么样想用好 Superpowers第一步不是急着安装而是理解一个技能包在磁盘上到底是什么东西。这东西看着玄乎其实结构简单得吓人。一个标准的技能包就是一个文件夹里面至少有一个名字固定为SKILL.md的 Markdown 文件。这个文件是整个技能的核心它前半段是类似网页meta标签的元信息用 YAML 格式写着技能的名字和描述后半段是给模型看的操作正文指名道姓地告诉模型这个技能在什么场景下使用、按什么顺序处理、输出什么格式、有哪些禁止事项。Superpowers 里的几十个技能绝大多数都遵循这个约定。我拿其中一个典型的技能举例说明。比如 PDF 处理技能它的描述部分会用一段很“主动”的话写当用户上传 PDF 或要求解析带排版的文件时使用该技能正文部分则会写明“先提取文本、再识别表格结构、最后按原始字段重新组织输出”并且附上一个输出模板让模型照着填。这种“触发条件 操作流程 输出模板”的三段式设计就是所有技能包通用的骨架。2.1 为什么模块化比“告诉模型怎么做”更可靠答案藏在模型的注意力机制里。你在提示词里写三百字的工作流程模型未必每一句都当命令执行但技能文件里的内容会被系统以独立任务上下文的形式注入地位相当于系统指令优先级远高于对话里临时说的话。换句通俗的话讲提示词是你在酒吧跟调酒师口头描述的“随便调一杯”技能是酒单上白纸黑字印着的“古典鸡尾酒配方”后者不会因为你今天说话颠三倒四就改变配方。这带来一个特别实际的好处技能包可以被版本管理。你可以把SKILL.md放进 Git 仓库改坏了能回滚换了新电脑能一键同步。而我以前那些精心调过的提示词一旦聊天窗口关了就再也找不回来了——不是忘了存而是根本没想到它们值得存。2.2 Superpowers 项目里有哪几类技能按我翻遍仓库后的观察这套项目里的技能大致可以分成四个帮派文档处理类PDF 信息提取、长篇报告摘要、转录文稿规范化、字幕文件清洗。这类技能解决的是“非结构化数据转结构化”的脏活累活。内容创作类品牌文案改写、脑暴命名、图表配色建议、Slogan 生成。它们的特点是提供多套可选的模板框架而不是让模型自由发挥。研究分析类网页信息整合、竞品拆解、数据可视化前的字段梳理。这一类技能强调“先做啥再做啥”的顺序防止模型跳步。工程辅助类正则表达式生成、代码评审清单、Git 提交信息规范。它们更像给开发者准备的军规清单。你以为这些技能是给模型灌知识 错了。它们绝大部分内容不是知识而是“最优实践的顺序”。比如竞品拆解技能不会教模型什么是竞品只规定拆解必须包含“产品定位、目标用户、核心功能、定价策略、渠道打法、近期动态”六块每块输出一个段落不许并列粘贴。你细品一下这就是把优秀咨询顾问的思考框架搬进了技能文件。这也就解释了 Superpowers 名字的由来不需要模型自身变强只要给它的工作方式装上模块化外骨骼它就像拥有了超能力。3. 从安装到上手的完整路径三个方法逐个试这部分是实操硬菜。我依次实测过三种安装方式有省事的、有手动的、有适合折腾的你按自己的需求选。3.1 方法一用 Skilled CLI 在线安装Superpowers 社区最推荐的安装方式是使用一个叫 Skilled 的命令行工具。它相当于技能包的“应用商店客户端”负责从远程仓库拉取技能、检查依赖、帮你放到正确位置。前提是你机器上有 Node.js 环境然后在终端里跑# 全局安装 Skilled 命令行工具 npm install -g kilobyte/skilled # 添加 Superpowers 技能市场 skilled marketplace add obra/superpowers # 查看市场里有哪些技能 skilled list # 安装一个叫 pdf 的技能 skilled install pdf装完之后Skilled 会自动把技能释放到当前用户全局目录下。在 Claude Code 环境中这个目录通常是~/.claude/skills/如果你是 Windows 环境一般对应个人主目录用户文件夹下面的.claude\skills。装完不需要重启终端但新开的对话才能看到技能生效。这个方式的最大优点是省心依赖关系、目录结构、命名冲突都由工具处理。它最大的缺点用久了才能感受到——市场里的技能版本更新快但 CLI 工具的同步机制偶尔会慢半拍你早上刚看到某个技能发布了新版本本地可能还得等半天才收到更新。3.2 方法二手动复制目录如果你不想装额外的命令行工具或者暂时用不到那么多技能完全可以直接手动安装。思路特别直白去 GitHub 上把obra/superpowers仓库下载下来找到skills目录里面每个子文件夹就是一个技能包。# 只克隆仓库不下载历史记录速度快很多 git clone --depth 1 https://github.com/obra/superpowers.git # 看看有哪些技能 ls superpowers/skills # 把某个技能复制到 Claude 的全局技能目录 mkdir -p ~/.claude/skills cp -r superpowers/skills/pdf ~/.claude/skills/复制完后技能就算装好了。这里有个细节容易被新手忽略技能目录的命名必须和SKILL.md里的name字段保持一致大小写也要一致。比如你复制了pdf文件夹但SKILL.md里的 name 写的是PDF-Robot部分严格校验逻辑的老版本会不认这个技能。遇到这种情况改目录名或者改 frontmatter两边对上就行。3.3 方法三软链接实现持续同步这个方法是我现在的主力方案。核心思路是不复制文件把技能仓库放到固定位置然后在技能目录里建一个软链接指向它。这样我只要在技能仓库里git pull所有“安装”过的技能瞬间更新到最新版。# 把仓库放到一个固定位置 git clone https://github.com/obra/superpowers.git ~/code/superpowers # 用软链接把仓库里的技能目录映射到 Claude 的全局技能目录 ln -s ~/code/superpowers/skills/pdf ~/.claude/skills/pdf ln -s ~/code/superpowers/skills/summarize-doc ~/.claude/skills/summarize-doc软链接的好处不只是更新方便。你可以同时订阅多个技能市场比如 Superpowers 是一个仓库你自己建了一个团队私有仓库里面是一些内部规范技能那只需要把两个仓库的技能目录都以软链接形式丢进~/.claude/skills/AI 就能同时识别两边的内容。它天生适合“公共技能 私有技能”混用的场景。我踩过的一个坑必须提醒你如果你用的同步工具比如坚果云、网盘同步开启了对符号链接的跟随同步那么软链接指向的真实文件会被整个拖进网盘跨设备同步时目录会变得极其混乱。所以用软链接方案的朋友记得在同步白名单里把skills目录排除掉或者干脆别对.claude目录做云同步。3.4 装完之后怎么验证技能生效很多新手装完技能满心欢喜问 AI“你装了哪些技能”得到的答案是“我没有技能”——然后慌了。别慌这不代表安装失败。Claude 这类模型遵循的规则是技能描述里的触发条件不满足时模型不会主动暴露技能存在甚至可能拒绝承认自己会这些功能。验证技能是否生效的正确方法不是问而是直接甩给它一个该技能覆盖的任务。比如你装了 PDF 技能你就随便上传一份 PDF然后要求“按表格字段提取信息”装了心智图技能就丢一段会议纪要要求“输出为可编辑的思维导图结构”。模型如果能按技能正文里规定的格式和流程输出说明技能已经激活了如果输出明显偏离再去检查目录层级和文件名。记住这个逻辑能省掉你无数次对着空气质问 AI 的尴尬。4. 怎么“引入”技能才最高效触发机制与使用姿势“装好”和“用好”之间还隔着一层对触发机制的理解。这一层我分两块讲系统层怎么决定要不要用技能以及会话层你该怎么说话才能让对方放心地亮出技能。4.1 自动触发模型根据描述自己判断Claude Code 的技能系统有一个隐藏的调度逻辑每次对话把你当前需求与所有已装技能描述进行匹配如果命中就将该技能正文注入上下文。这意味着技能描述写得好不好直接决定它会不会“该出手时就出手”。Superpowers 里那些口碑最好的技能描述都有一个特点明确写出触发场景与不触发场景。比如某个文风分析技能描述里会写“当用户上传的是小说或自媒体长文时使用该技能当用户只要求字面翻译时不要使用该技能”。英文原文是 good practice但在中文社区里这个写法才是真正把经验盘活的关键。你用一个技能时如果它经常该出场时不出场先别骂模型打开SKILL.md看看 description 是不是写得太窄或者太宽。这也是自定义技能里门槛最高的一步我后面会展开讲。4.2 手动点名把技能当作工具函数来调用除了自动触发你也可以在提示词里显式点技能的名字。比如你同时装了 PDF 技能和文档摘要技能你想只走摘要流程直接说“使用summarize-doc技能处理这份报告并且在最后给我一个关键词列表”。模型会把你的点名当成最高优先级指令即使摘要技能描述里没有覆盖到“报告”这个场景它也会照着技能正文执行。这种手动点名的做法对我这种有轻微控制欲的人简直太舒服了。它相当于把技能从“被动回调”变成了“主动调用”你不用赌模型的判断你自己当调度员。代价是你得多打几个字但换来的是稳定可控的输出我觉得很值。4.3 技能的组成部件不止一个 SKILL.md谈到“引入”就绕不开技能包里的多个部件。Superpowers 里的高级技能普遍不只包含一个SKILL.md很多带有一个assets资源文件夹和若干references参考文档文件夹。SKILL.md是总纲references里往往放着更详细的操作子模块当模型发现当前任务超出了总纲复杂度时会去读取参考文档里对应的部分这是带层级结构的技能包。举个例子有个处理大型文档的技能总纲只写了四步主干流程剩下大量关于“如何处理扫描版 PDF”“如何识别表格跨页”的细节全放在 references 里的小型说明文件中。模型不会一次把所有内容全加载进来而是按需读取这样既保证了主上下文的干净又不丢失专业知识。明白这一点后你再去看市场上那些技能包就不会奇怪为什么有的技能文件夹里有五六个文件了——它不是冗余是分层。4.4 技能与对话上下文的边界最后提一个很多人没意识到的心法技能是“操作手册”不是“数据库”。你要让 AI 的优势真正发挥前提是任务里的原始材料还是要通过对话传给它技能只负责规定处理步骤并不能凭空变出外部知识。我见过有朋友装了个“行业研究报告”的技能就问它“请帮我写一份2026年新能源汽车行业分析”。技能按流程跑了一遍输出倒是漂亮但里面的数据是模型靠预训练记忆在硬凑。我后来给他的建议是先把技能里的“联网搜索”“资料读取”步骤真正接上再让它写。技能给了方法数据还是要用正规渠道去喂。这个边界守住你才不会被技能生成的那种“看起来很专业”的内容误导。5. 动手写第一个自定义技能的踩坑记录用熟了现成的技能你就会想给它加上自己业务的私货。毕竟 Superpowers 再好也是别人总结的通牌打法真正让你干活效率翻倍的往往是量身定做的私有技能。下面这段是我自己从零写一个“周报汇总技能”时的全记录包括翻车过程。5.1 项目背景与最初的失败我的需求不复杂每周五要把团队这一周在聊天工具里产生的进展记录自动汇总成一份结构化周报包括“本周进展、风险、下周计划、需要协调事项”四块而且语气要简洁。听起来是个绝佳的技能场景我便照着模板在项目.claude/skills/下创建了weekly-report/SKILL.md。第一次测试我输入“把这几天的记录整理成周报”模型确实调用了技能但输出的结构跟我的预期差了十万八千里——它把聊天记录里有人的表情包描述都当成“风险”列了出来提交评审时被同事一顿吐槽。问题的根源在于我只写了“做什么”没写“不做什么”。技能正文里光有“按四个板块输出”模型自然把每条原话都对应到板块里宁可错杀也不漏掉。我后来在技能里加了一句操作红线“只处理与工作目标相关的文字对寒暄、插入语、表情符号描述直接忽略风险板块只列可能导致项目延期的内容”效果立刻判若两人。5.2 描述description怎么写才能精准触发这次踩坑让我第一次认真研究起 description 的写法。规则其实可以总结为三句话具体场景 正面触发条件 负面排除条件。比如我之前写的--- name: weekly-report description: 将聊天记录或其他杂乱文字整理为周报。 ---这个描述等于没写。它没有限定“什么场景”会被触发导致场景匹配时模型拿不准该不该用也没有给足“哪些不要触发”的边界有一次我只想让人写个会议邀请模型居然也启动了周报技能输出了一堆废话。我重写这一版后才真的稳定下来--- name: weekly-report description: 当用户提交多条聊天消息、会议记录且要求汇总为周报/进展同步/风险登记时使用。若用户只是需要普通摘要或问答不要使用本技能。 ---注意双向判定。写清楚“什么时候用它”也写清楚“什么时候别用它”模型的调度准确率会明显提升。这跟当客服的套路一模一样你告诉用户能办什么业务只解决了一半问题你还得告诉对方哪些事找隔壁窗口。5.3 让技能学会“渐进式追问”第二个坑出在信息缺口处理上。刚开始我的技能正文要求模型直接整理结果模型每次都在那里猜某些进展描述不清时它自作主张把事情归为风险。后来我在技能里规定“当发现以下情况时必须列出‘待补充信息’清单不得自行臆测项目名缺失、时间节点模糊、决定尚未确认、责任人未指定。”这一招有效地让 AI 在“快速产出”和“准确产出”之间选择了后者。它的底层逻辑其实是把“追问”变成了技能流程的一部分而不是靠模型临场反应。你想想模型它在大部分对话里追求的是顺手、流畅地把活干完你若不让它追问默认就闷头猜。这是模型的工作惯性技能的价值就是打断这种惯性替用户把对准确性的要求前置。5.4 模板和示例文件直接给答案是最好的说明书技能文件里除了规则还可以放“金鱼记忆”一样精确的示例。我在weekly-report技能包里放了一个examples/示例周报.md文件里面是一份我亲手写的满分周报。SKILL.md里规定“当用户没有指定格式时先模仿examples/示例周报.md的结构再输出。”模型不需要理解什么叫“简洁精准”它只需要看见一个样例能在输出时直接对齐。对模型来说一个具体的例子胜过十句抽象的描述。你在自定义任何技能时至少给一个“标准答例”作为参照物成本低但效果立竿见影。这个经验适用层面很广无论是写作类技能、代码类技能还是数据分析类技能我都建议你放例子不是放在对话里而是作为技能包的资源文件让技能重复调用时始终有据可依。5.5 技能里藏着的隐性成本最后一个提醒一个技能一次会话只能有一个“主场”逻辑。换句话说别把一个技能写成什么都干的“瑞士军刀”因为技能正文越长模型执行时越容易在内部打架。我见过有人一个自定义技能里既写“处理纪要”又写“生成海报”还写“检查代码规范”结果输出的时候四种逻辑互相污染客户看了以为 AI 发烧了。正确做法是把大而全拆成小而专一个技能对应一个场景、一套动作、一类输出。如果两个技能存在明确的处理顺序先纪要后报告就在各自的 description 里写明“建议在前置任务完成后调用”模型会有衔接意识。记住技能是工厂流水线上的工位不是摆地摊的杂货铺职责边界越清晰输出越稳定。6. 这些技能在实际工作中的真实表现理论说了不少拿我最近两个月的工作记录做一次“素人实测”可能更有说服力。我不挑完美案例失败案例一样列出来这样你心里才有数。6.1 文档类技能的甜头PDF 技能救了我的周报前阵子我被拉进一个项目评审对方发来三四份 PDF加起来两百多页里面有大量表格和页眉页脚。以前我都是先手动复制内容再磨模型那天我用了 PDF 技能把三份文件丢进去说“提取所有带金额的表格按合同编号汇总”。技能自动走了“识别页眉页脚—提取正文—定位表格—重排列”流程输出的结果虽然不是完美无瑕但至少把所有金额数字精准对上了页数和日期我核对一遍就交付了省了至少半天。6.2 内容创作类技能品牌文案技能的两面性品牌文案技能给过我很惊艳的效果。跨部门同事让我给新产品出三个中文命名方向我调用了这个技能它立刻按“寓意关键词拆解、发音联想、多语言敏感词排除”三个步骤给了三轮候选第四轮还额外给了一组“不建议使用”的名单理由充分。这个技能塑造了一种“上桌先说结论、再拆依据”的风格很符合汇报场景。但同一技能也有失灵的时候换了一款更偏文化内敛的产品后技能给出的命名方向全带着洋气直给的互联网味明显没有理解我当时补充的“要含蓄、要有东方底蕴”指令。后来我反思技能正文里模板词太强势会压制模型对用户个性化指令的感受力。解决方案很简单我在技能里加了一条“若用户有明确风格偏好优先遵循用户描述模板仅作默认兜底。”一改之后这个技能基本就一直在线了。6.3 工程辅助类技能写代码时的“纪律委员”某次写一个小爬虫我调用了工程辅助技能它给我列了一个“12 项代码自查清单”包括“断点续爬、请求异常重试、日志脱敏、遵守 robots 策略”等。说实话其中好几项我以前是不写的因为嫌麻烦但技能把它变成流程里的固定动作后我反而不容易漏。这个体验很像健身时请了个私教盯动作你未必需要他帮你扛铁但他在边上喊一句“核心收紧”你就真的不会塌腰了。6.4 技能的翻车时刻别把它当数据库用我前面就强调过技能不是数据库。有次我用一个分析技能去让它解读一份没有上传任何具体数据的“销售报表”它竟然也能流畅地生成一份“月度销售趋势分析”问题是里面的数据全来自模型自己的脑补。那次之后我给自己立了规矩任何技能任务必须保证原始数据已在对话上下文里如果技能正文里写了“先读取附件”“先查询接口”就老老实实先给附件、先跑接口不让模型打着技能的旗号瞎编。这个边界怎么强调都不过分。技能负责纪律模型负责生成数据负责事实三者各司其职才能构成一个真正可信的内容生产线。缺了哪一块输出都会变得外强中干。7. 关于技能生态的几点个人体会文章快收尾了聊点主观的看法。我个人的感觉是Superpowers 这类技能体系的出现本质上是把“提示词工程”从手工作坊推进到了工业化时代。以前调教一个模型像是在跟它谈一场没有定数的恋爱每一次对话都要重新试探现在我们做的是给它建一套标准化作业指引体系让每个领域的高手经验都能沉淀下来、复制出去。这个变化对普通用户最大利好是不再需要知道“模型底层为什么这么回答”你只需要关心技能描述写没写清楚。从维护成本看技能包的版本化也让我这种信息管理强迫症极度舒适。一个技能如果老在特定场景下翻车我可以只改技能文件而不用把责任推到“模型能力不足”上。因为大部分所谓“能力不足”其实是流程缺失是上下文里的操作说明不够清晰。技能把这点包装成了一个可维护的产物。最后给想自己动手的朋友一个建议别一上来就把市面上几百个技能全装了技能越多调度越容易混乱模型反复审视技能描述也会拖慢响应。先挑自己重复频率最高的三五个场景装对应的技能等用熟了再根据自己的业务逻辑去修改、组合。真正让你效率暴涨的永远不是别人写好的通牌技能而是你基于自己的流程改造出来的那一套属于自己的“superpowers”。就当它是给你的 AI 助手添了一套趁手的兵器兵器不在多趁手最重要。