AI Agents
Superpowers 不一定是默认答案了：AI 编程更需要轻量工作流
Superpowers 曾经抓住了 AI 编程里一个很真实的问题：模型不是不会写代码，而是经常在需求没对齐、计划没确认、测试没建立时就开始狂奔。它用 brainstorm、plan、implement、TDD、review 等流程给 Agent 套上工程纪律，这个方向是对的。
但到 2026 年，另一个问题也变得明显：当框架越来越重，流程本身会变成负担。你本来只是想修一个边界条件，Agent 先生成一大段头脑风暴，再写一份宏大的计划，然后你花很多时间审查这些文字。代码还没开始写，人已经累了。
问题不是 Superpowers 错了，而是默认值变了
早期模型更容易跑偏，所以重流程能显著提升稳定性。现在的模型更强，很多小任务并不需要完整仪式。真正需要保留的，不是某个框架的全部包装，而是三个底层原则：先澄清，后拆分，小步验证。
如果一个方法论开始什么都想管，它就会从护栏变成摩擦。对复杂功能、多人协作、生产级变更来说，完整流程仍然有价值；对日常修复、小工具、文档和局部重构来说，过重规划会消耗注意力。
轻量替代方案一：让 Agent 先采访你
Matt Pocock 的 grill-me 思路很适合作为轻量入口。它不要求 Agent 先写一份长方案，而是要求它在动手前逐个追问关键决策。一次只问一个分叉：目标用户是谁、成功标准是什么、哪些情况不处理、输入输出长什么样、现有代码里哪个概念不能改。
这比让 Agent 自己脑补一个两千字计划更有效。因为许多返工不是因为计划不够长，而是因为最关键的两个问题没人问。好的需求澄清像面试，不像报告。
- 不要问“还有什么需要注意的吗”，而要问“这个字段为空时应该报错还是跳过”。
- 不要一次列十个开放问题，而要先问会改变实现路径的那个问题。
- 不要把澄清写成形式主义清单，而要把答案转成验收标准。
轻量替代方案二：用任务树代替大计划
另一个有用的方向，是把计划从长文档变成任务树。每个节点只描述一个小动作、一个依赖、一个完成标准。复杂任务可以展开，简单任务可以只保留两三步。
任务树的优势是可裁剪。你可以让 Agent 先列出最小路径，再只展开风险最高的节点。这样既避免无计划乱写，也避免为了“看起来专业”而产出过多文字。
一个好的任务节点应该能回答三件事：要改哪里，为什么改，怎么验证。答不出来，就说明任务还没有小到可以执行。
轻量工作流的实际模板
- Interview：Agent 最多问 3 个会改变实现方向的问题。
- Contract：把答案压缩成输入、输出、非目标和验收标准。
- Task tree：列出 3 到 7 个小任务，只展开高风险部分。
- Patch：一次只完成一个节点，避免顺手重构。
- Verify：跑测试、类型检查、脚本或最小复现。
- Review：检查 diff 是否越界，删除不必要抽象。
这个流程没有完整 Superpowers 那么“隆重”，但足以覆盖多数个人开发者和小团队的日常任务。它的关键是把规划成本压低，把验证保留下来。
什么时候仍然该用重流程
轻量不等于随便。遇到下面几类任务，重型方法论仍然值得启用：跨模块架构变更、数据迁移、权限和支付、生产部署、安全相关代码、多人并行开发、长期维护的公共 API。任务越不可逆，流程越应该重。
可以把方法论看成变速箱，而不是宗教。小修小补用低档轻流程，核心系统变更用高档重流程。真正成熟的 AI 编程习惯，是根据风险选择流程厚度。
结论
Superpowers 的价值，是提醒大家 AI 编程需要纪律；它的局限，是当纪律被包装得太重时，会拖慢本来可以快速完成的小任务。2026 年更值得采用的思路，不是完全关掉流程，也不是把每次修改都变成项目管理仪式，而是保留最关键的几道门：先问清、拆小、验证、审查。
模型越强，人越应该从“审查一堆 AI 方案”里解放出来，把注意力放在真正会改变结果的决策上。轻量工作流的目标不是让 Agent 少做事，而是让 Agent 少写废话、多拿证据。