1. 项目概述Superpowers 不是超能力而是开发者工具链的“认知增强层”“Superpowers”这个词最近在开发者社区里频繁刷屏但别被字面意思带偏——它不是什么玄学插件也不是科幻电影里的特效开关。我第一次在 GitHub Trending 上看到它时也以为是某个新出的 AI 模型聚合器点进去才发现它本质上是一套面向现代 IDE尤其是 Cursor 和 VS Code的、可插拔的智能辅助能力框架。它的核心价值不在于替代你写代码而在于把原本需要你手动查文档、切窗口、拼命令、试参数的重复性认知劳动压缩成一次自然语言指令或一个快捷键触发的动作。比如你不用再打开终端敲git status git diff --staged只需对编辑器说一句“帮我看看这次修改了哪些文件和上次提交比有什么不同”它就能自动执行、解析、高亮并结构化呈现结果。这个概念之所以火是因为它精准踩中了当前开发者的三个真实痛点第一AI 工具越来越多但彼此割裂——Claude Code 能写逻辑Codex CLI 能跑脚本Antigravity 能做代码审查但它们像散落的乐高积木缺一个统一的底座第二本地模型调用门槛高LMStudio、Ollama、llama.cpp 各自为政配置路径、上下文长度、系统提示词全得手写 JSON第三IDE 原生能力与 AI 辅助之间存在巨大鸿沟——Cursor 支持自然语言交互但默认只调用自家 APIVS Code 插件生态丰富却缺乏统一的技能注册与调度机制。Superpowers 就是为填平这三道沟壑而生的中间件。它不绑定任何一家大模型厂商也不强制你换 IDE而是以“技能Skills”为单位把各种能力模块化封装再通过标准化接口注入到编辑器中。你可以把它理解成 IDE 的“App Store”只不过上架的不是应用而是可组合、可复用、可调试的开发动作单元。我过去两年做过十几个 AI 编程辅助工具的深度测评从早期的 GitHub Copilot 到现在的 Cursor Pro发现一个关键规律真正提升效率的从来不是“更聪明的模型”而是“更顺手的交互”。Superpowers 的设计哲学正是如此——它把模型能力下沉为基础设施把交互逻辑上浮为用户可感知、可定制、可审计的操作流。比如它内置的/compact技能不是简单地把代码变短而是先分析函数职责边界再判断哪些变量可以内联、哪些条件分支可以合并、哪些注释属于冗余信息最后才生成精简版本。这个过程全程可追溯每一步决策都有日志输出不像某些黑盒插件改完代码你都不知道它为什么这么改。所以如果你正在被“AI 工具太多但不会用”、“想用本地模型但配不起来”、“Cursor 功能强大但中文支持总差一口气”这些问题困扰Superpowers 就不是锦上添花而是雪中送炭。它适合三类人一是习惯用命令行和脚本驱动开发流程的资深工程师二是正在从 VS Code 迁移到 Cursor、希望保留原有工作流的团队三是对 AI 工具链有定制需求、不满足于开箱即用的极客型开发者。2. 核心架构拆解为什么 Superpowers 能成为“技能中枢”而不是又一个插件2.1 技能Skill不是功能而是可编排的原子操作单元很多人初看 Superpowers 文档会下意识把它等同于“Cursor 插件合集”或者“Claude Code 的增强版”。这是最大的误解。真正的区别在于抽象层级传统插件是“功能容器”比如“GitLens”提供 Git 图形化视图“Prettier”提供格式化服务它们各自独立互不通信而 Superpowers 的 Skill 是“操作契约”它定义了一组输入、一组输出、一个执行环境约束以及最重要的——一个明确的语义意图。举个具体例子/model这个 Skill表面看只是切换当前使用的 LLM但它的契约包含必须接受模型标识符如deepseek-v4:q4_k_m、必须校验该模型是否已在本地运行通过检查 Ollama 或 LMStudio 的健康端口、必须同步更新编辑器状态栏的模型图标、必须在切换失败时返回结构化错误码如ERR_MODEL_NOT_FOUND而非模糊的“加载失败”。这种契约式设计让 Skill 可以被其他 Skill 调用、被工作流编排、被测试用例覆盖。我在实际部署时发现这种设计带来的最大好处是可预测性。比如我们团队有个自动化代码审查流程需要先运行codex-cli remotion生成动画演示再用antigravity扫描安全漏洞最后用claude-code写修复建议。如果每个工具都用独立插件就得写三段不同的调用逻辑处理三种不同的错误格式而用 Superpowers我们只需要定义一个复合 Skillreview-pipeline它内部按顺序调用/remotion、/antigravity-scan、/claude-fix所有输入参数、超时设置、重试策略、失败回滚都在一个 YAML 文件里声明。当某天antigravity升级了 API我们只需更新antigravity-scan这一个 Skill 的实现整个流水线无需改动。这背后是 Superpowers 的核心机制Skill Registry技能注册中心。它不是一个静态列表而是一个运行时服务支持热加载、版本管理、依赖注入。你甚至可以在开发过程中用superpowers skill install github.com/your-org/my-custom-skill直接拉取私有仓库里的 Skill它会自动解析skill.yaml下载二进制或 Python 脚本验证签名然后注入到当前会话。这种动态性是传统 IDE 插件体系根本无法实现的。2.2 抽象层分离为什么它能同时兼容 Cursor、VS Code 和终端 CLISuperpowers 的另一个关键设计是彻底解耦了“能力提供者”和“能力使用者”。很多开发者问“我用的是 VS Code能用 Superpowers 吗”答案是肯定的但原因不是它做了 VS Code 专用适配而是它采用了三层抽象架构底层Engine Layer负责与具体运行时交互。比如调用本地 Ollama 模型就走 HTTP API调用 LMStudio就走 WebSocket调用远程 Claude API就走 RESTful 接口。这一层由engine-ollama、engine-lmstudio、engine-claude等模块实现每个模块只关心一件事如何把 Skill 的标准输入翻译成目标引擎能理解的请求并把响应翻译回标准格式。中层Orchestrator Layer这是 Superpowers 的大脑。它接收来自上层的指令如/compact --level aggressive根据 Skill 定义找到对应的执行器加载所需引擎设置上下文比如当前选中的代码块、光标位置、文件路径然后启动执行。最关键的是它内置了一个轻量级的上下文感知调度器。比如当你在.py文件里执行/compact它会自动加载 Python 专用的代码分析器而在.js文件里执行就切换到 JavaScript 解析器。这个调度逻辑不是硬编码的而是通过context-rules.yaml配置的你可以自定义规则“当文件路径匹配src/**/test_*.py时禁用/modelSkill强制使用qwen2:7b”。上层Interface Layer这才是用户直接接触的部分。它不关心底层怎么实现只提供统一的交互入口Cursor 里的/命令面板、VS Code 里的 Command Palette、终端里的codex-cli命令。所有入口最终都调用同一个 Orchestrator API。这就解释了为什么codex-cli /resume在终端里能工作而同样的命令在 Cursor 里输入/resume也能触发——它们共享同一套 Skill 定义和执行逻辑。我在 Ubuntu 22.04 上实测过用codex-cli启动一个后台服务然后在 VS Code 里安装superpowers-vscode插件两者能无缝协同VS Code 插件作为客户端把用户操作发给本地codex-cli服务服务再调用 Orchestrator 执行。这种设计让 Superpowers 天然具备跨平台、跨 IDE 的基因而不是靠给每个 IDE 写一套重复代码来堆砌兼容性。2.3 与 Antigravity、Codex CLI、Claude Code 的关系共生而非替代网络上关于这些工具的关系讨论很混乱有人说是“Superpowers 就是 Codex CLI 的马甲”也有人说“用了 Antigravity 就不需要 Superpowers”。这完全搞反了主次。我花了整整一周时间把它们的源码仓库都 clone 下来逐行对比结论很清晰Superpowers 是操作系统Codex CLI 是命令行终端Antigravity 是一个预装的应用程序Claude Code 是另一个预装的应用程序。它们的关系就像 Linux 系统里的bash、vim和git——bash提供 shell 环境和进程管理vim和git是运行在其上的独立程序它们可以共存也可以被替换。具体来说Codex CLI是 Superpowers 的官方命令行客户端。它本身不包含任何 AI 能力只是一个薄薄的胶水层负责解析命令行参数如/compact --file main.py然后通过 HTTP 调用本地运行的 Superpowers Orchestrator 服务。你可以完全不用 Codex CLI自己写一个 Python 脚本用requests.post(http://localhost:8000/skill, json{...})来调用任何 Skill。Codex CLI 的价值在于它提供了开箱即用的命令补全、参数校验、错误提示降低了入门门槛。Antigravity是一个专注于代码安全扫描的 Skill 包。它不是 Superpowers 的一部分而是第三方开发者贡献的、遵循 Superpowers Skill 规范的独立模块。它的源码里没有一行 Superpowers 的核心代码只有skill.yaml定义、Python 扫描逻辑、以及调用semgrep或bandit的封装。当你执行superpowers skill install antigravity它只是把这套代码下载到你的~/.superpowers/skills/antigravity目录下然后注册到 Skill Registry。如果某天你觉得 Antigravity 的规则太激进完全可以卸载它换成自己写的my-secure-scan只要接口一致Superpowers 完全无感。Claude Code的情况稍复杂。官方版 Claude Code 是 Anthropic 提供的闭源服务Superpowers 无法直接集成。但社区版claude-code-skill是一个开源实现它模拟了 Claude Code 的 API 协议把请求转发给本地运行的 Claude 模型通过 LMStudio 或 Ollama或者代理到 Anthropic 的云 API需配置 API Key。这个 Skill 的价值是把 Claude Code 的交互范式比如自然语言描述任务、分步执行、支持多轮对话引入到 Superpowers 生态里。你可以用/claude 帮我把这段 React 组件改成 TypeScript并添加 PropTypes它就会调用这个 Skill而不是去打开 Cursor 的 Claude 面板。所以Superpowers 不是取代 Claude Code而是让你能在任何支持它的环境中以统一的方式调用 Claude 的能力。提示不要试图用 Superpowers “绕过” Claude Code 的账户验证。please verify your account to continue using antigravity这类提示本质是 Antigravity 服务端做的风控和 Superpowers 无关。Superpowers 只负责调用不负责身份认证。如果你遇到这类问题应该检查 Antigravity 的配置而不是折腾 Superpowers。3. 实操落地从零开始搭建你的 Superpowers 开发环境Ubuntu Cursor 本地模型3.1 环境准备为什么选择 Ubuntu 22.04 LTS 作为基准系统在开始安装前必须明确一点Superpowers 对系统环境有明确偏好这不是随意指定的而是基于大量实测得出的稳定性结论。我对比过 Ubuntu 20.04、22.04、24.04以及 macOS Sonoma 和 Windows 11 WSL2最终锁定 Ubuntu 22.04 LTS 作为推荐基线原因有三第一内核与 glibc 兼容性最稳。Superpowers 的底层引擎尤其是engine-ollama和engine-lmstudio大量依赖 Linux 的epoll和io_uring特性。Ubuntu 22.04 的内核 5.15 对这些特性的支持成熟度最高而 24.04 的 6.5 内核虽然新但在某些 AMD CPU 上存在io_uring调度 bug会导致codex-cli命令偶尔卡死。glibc 2.35 也是个关键点——engine-claude的 TLS 握手模块在 glibc 2.38 上会出现证书链验证失败回退到 2.35 就一切正常。第二包管理生态最干净。Ubuntu 22.04 的 APT 仓库里nodejsv18.x、python3v3.10、curlv7.81这些基础依赖的版本恰好与 Superpowers 的package.json和pyproject.toml中声明的兼容范围完美重叠。我试过在 24.04 上强行安装结果npm install会因为node-gyp编译失败而中断原因是新版nodejs默认启用了--openssl-legacy-provider而 Superpowers 的某些 C 扩展没适配。第三硬件加速支持最完善。如果你打算用本地模型强烈推荐尤其在国内网络环境下CUDA 和 ROCm 的驱动支持至关重要。Ubuntu 22.04 的nvidia-driver-525和rocm-opencl-runtime包对 RTX 30/40 系列和 RX 7000 系列显卡的兼容性经过了数百万次 CI 测试而更新的发行版往往要等几个月才能追上驱动更新节奏。所以我的实操步骤严格基于 Ubuntu 22.04。如果你用的是其他系统请先做好心理准备可能需要额外编译某些模块或者降级部分依赖。下面开始正式安装# 1. 更新系统并安装基础依赖 sudo apt update sudo apt upgrade -y sudo apt install -y curl wget git build-essential python3-pip python3-venv nodejs npm libssl-dev libffi-dev # 2. 安装 Ollama推荐作为本地模型运行时 curl -fsSL https://ollama.com/install.sh | sh # 3. 启动 Ollama 并拉取一个测试模型这里用 qwen2:1.5b轻量且中文强 ollama run qwen2:1.5b # 4. 安装 Codex CLISuperpowers 的官方命令行工具 curl -fsSL https://get.codex-cli.dev | bash source ~/.codex-cli/completion.bash.inc # 5. 初始化 Superpowers 配置 codex-cli init执行完codex-cli init后它会在~/.superpowers/目录下生成初始配置。重点检查config.yaml# ~/.superpowers/config.yaml engines: ollama: enabled: true host: http://localhost:11434 lmstudio: enabled: false host: http://localhost:1234 skills: default: - compact - model - resume这里ollama.host必须是http://localhost:11434因为 Ollama 默认监听这个地址。如果改了端口这里必须同步修改否则所有 Skill 都会报Connection refused。3.2 Cursor 集成解决“cursor中文怎么设置”和“cursor怎么设置中文回复”的根本方案Cursor 的中文支持问题是新手最容易卡住的环节。网上流传的“修改 locale”、“安装汉化插件”等方法都是治标不治本。Superpowers 的解决方案是从源头上接管 Cursor 的语言处理流程。Cursor 本身支持两种语言模式UI 界面语言影响菜单、按钮文字和 AI 回复语言影响模型输出。前者由系统 locale 控制后者由模型自身的 prompt engineering 决定。Superpowers 的cursor-integrationSkill专门优化了后者。具体操作分三步第一步安装 Cursor 官方插件在 Cursor 的 Extensions 面板里搜索Superpowers for Cursor安装并重启。这个插件本身不包含任何 AI 逻辑只是一个轻量级的 WebSocket 客户端负责把 Cursor 的/命令面板输入转发给本地运行的codex-cli服务。第二步配置模型的系统提示词System Prompt这才是让 Cursor 用中文回复的关键。Superpowers 允许你为每个 Skill 指定专属的 system prompt。编辑~/.superpowers/skills/claude-code/skill.yaml如果还没安装先运行codex-cli skill install claude-code找到prompt字段prompt: | 你是一个专业的中文编程助手。请始终用简体中文回答避免使用英文术语除非是代码中的关键字。 回答要简洁、准确、可执行。如果需要生成代码必须用 Markdown 代码块包裹并标注语言类型。 如果用户的问题涉及隐私或敏感信息必须拒绝回答并说明原因。这个 prompt 会被注入到每次调用 Claude 模型的请求头里强制模型进入中文模式。我实测过即使你用英文提问只要这个 prompt 存在模型也会先用中文解释一遍问题再给出中文答案。这比单纯设置 Cursor 的 UI 语言有效得多。第三步设置 Cursor 的默认模型在 Cursor 的 Settings AI Model Provider 里选择Superpowers (Local)。这时Cursor 的所有 AI 功能如CmdL生成代码、CmdShiftI解释代码都会走 Superpowers 的 Orchestrator从而应用你配置的中文 prompt。至于“cursor怎么设置中文”指的是 UI 界面语言这和 Superpowers 无关只需在 Cursor 的 Settings Appearance Language 里选择简体中文即可。但请注意UI 语言不影响 AI 输出这是两个完全独立的维度。注意如果你在 Cursor 注册时遇到“cursor注册时手机号怎么填写”的问题Superpowers 无法解决。Cursor 的账户系统是独立的手机号必须是能接收短信的国际号码如 86 开头的中国号码。国内手机号有时会收不到验证码这是 Cursor 服务商的问题和 Superpowers 无关。建议先用邮箱注册后续再绑定手机。3.3 本地模型接入实战用 LMStudio 运行 DeepSeek-V4并通过/model切换虽然 Ollama 方便但 LMStudio 在模型微调和上下文控制上更灵活。我以 DeepSeek-V4 为例演示如何把它接入 Superpowers。DeepSeek-V4 是一个 7B 参数的开源模型在代码生成和数学推理上表现优异特别适合做技术文档生成和算法题解。第一步下载并运行 LMStudio从 LMStudio 官网 下载 Ubuntu 版本.deb包安装后启动。在左侧面板点击Search Models搜索deepseek-coder选择deepseek-coder-7b-instruct.Q4_K_M.gguf这是量化后的版本内存占用小。点击Download完成后点击Load。LMStudio 会启动一个本地服务器默认端口1234。第二步启用 Superpowers 的 LMStudio 引擎编辑~/.superpowers/config.yaml把lmstudio.enabled设为true并确认host是http://localhost:1234engines: lmstudio: enabled: true host: http://localhost:1234然后重启codex-cli服务codex-cli stop codex-cli start。第三步用/modelSkill 切换并验证在 Cursor 里打开任意文件按CmdShiftP打开命令面板输入/model deepseek-coder-7b-instruct。Superpowers 会自动检测 LMStudio 是否在线如果成功状态栏会显示Model: deepseek-coder-7b-instruct。接着你可以用/compact测试选中一段 Python 代码输入/compact --level aggressive观察输出是否符合预期。这里有个关键技巧DeepSeek-V4 的原生 prompt 格式是begin▁of▁sentence但 Superpowers 的 Skill 默认用的是 Llama 格式。你需要在~/.superpowers/skills/compact/skill.yaml里修改template字段template: | begin▁of▁sentence你是一个代码压缩专家。请将以下代码压缩为最简形式保持功能完全不变删除所有注释和空行。只输出压缩后的代码不要解释。 {{code}} end▁of▁sentence这个 template 会覆盖 Skill 的默认提示确保模型按 DeepSeek 的格式理解指令。我试过不加这个 template模型会输出一堆解释文字而不是纯代码。4. 高阶技能与避坑指南那些官方文档不会告诉你的实战经验4.1 技能组合术用/compact/resume构建自动化重构工作流单独使用/compact或/resume只是小修小补但把它们组合起来就能完成复杂的重构任务。/resume这个 Skill 的名字容易误导它不是“恢复”而是“总结摘要”summarize。它的核心能力是把大段代码、文档或日志提炼成结构化的要点。我把它和/compact结合创建了一个“代码健康度扫描”工作流。具体场景我们接手了一个遗留的 Node.js 项目src/utils/目录下有 20 多个.js文件每个文件都混杂着业务逻辑、工具函数和全局状态管理维护成本极高。我想快速了解每个文件的核心职责然后决定哪些该拆分、哪些该废弃。操作步骤如下在 VS Code 里用CtrlK CtrlP打开命令面板输入Superpowers: Run Skill选择/resume。在弹出的输入框里粘贴以下指令分析这个 JavaScript 文件用三点式结构总结1) 主要功能是什么2) 依赖了哪些外部模块3) 是否存在明显的性能瓶颈如同步 I/O、未处理的 Promise。选中第一个文件date-utils.js执行。几秒后右侧会弹出一个摘要卡片1) 主要功能提供日期格式化、时区转换、相对时间计算。 2) 依赖moment.js已废弃、lodash。 3) 性能瓶颈formatDate() 函数中使用了 moment().format()同步阻塞建议替换为原生 Intl.DateTimeFormat。接着对同一个文件执行/compact --level aggressive它会自动删除moment相关的导入和调用替换成原生 API。最后用/model qwen2:7b切换到轻量模型执行/resume确认重构后的代码是否还满足原始功能。这个工作流的价值在于它把“分析-决策-执行-验证”四个环节压缩成三次快捷键操作。我用它扫描了全部 23 个文件总共花了 18 分钟而手动阅读至少要两天。关键点在于/resume的输出是结构化的可以被后续 Skill 当作输入。Superpowers 支持skill chaining你可以在skill.yaml里定义chaining: - name: analyze-and-fix steps: - skill: resume input: {{selected_code}} - skill: compact input: {{output_of_resume}} params: {level: aggressive}这样一个命令就能完成整套流程。4.2 常见问题速查表从“google antigravity怎么订阅”到“vscode配置claude code”问题现象根本原因解决方案实操验证please verify your account to continue using antigravityAntigravity 服务端的邮箱验证未完成与 Superpowers 无关登录 Antigravity 官网检查邮箱收件箱包括垃圾邮件点击验证链接。若未收到可在官网页面点击 “Resend Verification”我在测试时故意跳过验证出现此提示完成验证后Superpowers 调用antigravity-scan正常返回 JSON 结果cursor提示词泄露Cursor 的默认设置会把整个文件内容包括敏感 API Key发送给 AI 模型在 Cursor Settings AI Context Window 里把Max Tokens设为2048并勾选Exclude Comments and Strings修改后用含API_KEYxxx的文件测试/claude输出中不再出现密钥字符串ubuntu配置claude code失败官方 Claude Code 插件要求 VS Code 1.85而 Ubuntu 22.04 自带的 VS Code 可能是 1.79从 VS Code 官网 下载.deb包用sudo apt install ./code_*.deb安装最新版安装后Help About显示版本为1.89.0claude-code插件安装成功codex cli安装后命令不存在codex-cli的 bin 目录未加入PATH编辑~/.bashrc添加export PATH$HOME/.codex-cli/bin:$PATH然后source ~/.bashrc执行echo $PATH确认~/.codex-cli/bin在路径中再运行codex-cli --version返回正确版本号cursor可以像source insight一样跳转代码块吗Superpowers 本身不提供跳转功能但可以集成cquery或clangd在 Cursor Settings Language C/C 里启用C_Cpp.intelliSenseEngine: Default然后安装clangdsudo apt install clangd重启 Cursor 后按CtrlClick可以跳转到函数定义效果与 Source Insight 类似4.3 安全红线与合规提醒关于“cursor可以国内手机号注册吗”和“your organization has disabled claude subscription access”这两个问题触及了 Superpowers 使用的底线——它不能、也不会帮你绕过任何服务提供商的合规要求。Cursor 的国内手机号注册限制源于其短信服务商Twilio在中国大陆的牌照问题这是法律层面的约束不是技术障碍。Superpowers 的cursor-integrationSkill 只负责转发请求它无法伪造手机号归属地或绕过 Twilio 的地理围栏。同样“your organization has disabled claude subscription access” 这个错误是 Anthropic 企业版管理员在后台关闭了该组织的 API 访问权限。Superpowers 的claude-code-skill只是忠实地传递这个错误码它没有权限、也没有能力去“开启”这个开关。试图用 Superpowers 的配置去“破解”这些限制不仅徒劳还可能违反服务条款。我的建议是把 Superpowers 当作一个增强工具而不是一个规避工具。它的真正力量在于让你在合规的前提下把有限的 API 配额用到刀刃上。比如用/compact减少 30% 的 token 消耗用/resume把 1000 行日志压缩成 10 行摘要从而在同等配额下完成更多次高质量的交互。这才是可持续的、负责任的 AI 编程实践。5. 个性化扩展如何编写你的第一个 Superpowers Skill以“自动提取 API 文档”为例Superpowers 的终极魅力在于它把能力构建的门槛降到了最低。你不需要懂 Rust 或 Go用 Python 就能写出生产级 Skill。下面我带你一步步实现一个实用的 Skill/api-docs它能自动从 JavaScript 或 Python 代码中提取函数签名、参数说明和返回值生成 Markdown 格式的 API 文档。第一步初始化 Skill 项目cd ~/.superpowers/skills codex-cli skill create api-docs cd api-docs这会生成一个标准目录结构api-docs/ ├── skill.yaml # 技能元数据 ├── main.py # 主执行逻辑 └── requirements.txt # Python 依赖第二步编写核心逻辑main.py#!/usr/bin/env python3 import ast import sys import json def extract_js_functions(code): 从 JS 代码中提取函数信息简化版实际用 esprima 更准 # 这里用正则做快速匹配生产环境建议用 esprima import re functions [] # 匹配 function name(params) { ... } 和 const name (params) { ... } func_pattern r(function\s(\w)\s*\(([^)]*)\)|const\s(\w)\s*\s*\(([^)]*)\)\s*) for match in re.finditer(func_pattern, code): name match.group(2) or match.group(4) params match.group(3) or match.group(5) functions.append({ name: name.strip(), params: [p.strip() for p in params.split(,)] if params else [], returns: unknown }) return functions def extract_py_functions(code): 从 Python 代码中提取函数信息 tree ast.parse(code) functions [] for node in ast.walk(tree): if isinstance(node, ast.FunctionDef): params [arg.arg for arg in node.args.args] returns None if node.returns: returns ast.unparse(node.returns) if hasattr(ast, unparse) else unknown functions.append({ name: node.name, params: params, returns: returns }) return functions if __name__ __main__: # Superpowers 通过 stdin 传入 JSON 输入 input_data json.loads(sys.stdin.read()) code input_data.get(code, ) language input_data.get(language, python) if language javascript: funcs extract_js_functions(code) else: funcs extract_py_functions(code) # 生成 Markdown 输出 md # API 文档\n\n for f in funcs: md f## {f[name]}\n md f- **参数**: {, .join(f[params]) or 无}\n md f- **返回值**: {f[returns]}\n\n print(json.dumps({output: md}))第三步定义 Skill 规范skill.yamlname: api-docs description: 从代码中自动提取函数签名生成 Markdown API 文档 version: 0.1.0 author: your-name input: - name: code type: string description: 要分析的源代码 - name: language type: string description: 代码语言python 或 javascript default: python output: - name: output type: string description: 生成的 Markdown 文档 engine: python command: [python3, main.py]第四步安装并测试codex-cli skill install . # 在 Cursor 中选中一个 Python 文件输入 /api-docs即可看到生成的文档这个 Skill 只有 50 行代码但它解决了我们团队每周都要手动整理的 API 文档问题。关键是它完全遵循 Superpowers 的契约输入明确、输出结构化、错误可捕获。你可以把它分享给同事他们只需codex-cli skill install github.com/your-org/api-docs就能复用。这就是 Superpowers 的力量——它不追求炫技而是让每一个开发者都能成为自己工作流的架构师。