AI编程代理上来就写代码，这个工具想让它先想清楚

AI 编程代理最常见的用法，是把需求丢进去，等它直接改代码。0xMarioNawfal 在推文里说，大多数人用 AI coding agents 的方式完全错了。他提到的 Superpowers，思路是先让 Claude 或 Codex 这类代理规划、测试，想清楚要建什么，再动手写。

推文给了三步：

1. 安装：把 Superpowers 加进你的 coding agent。
2. 规划：告诉它你想建什么。
3. 执行：让它一步步写代码、测试、调试。

按推文的说法，结果是更少坏代码、更少浪费时间、更好的结果。仓库地址在这里：obra/superpowers。

这个卖点不复杂。AI 编程代理真正让人头疼的地方，常常是写得太快。文件改错，测试补一堆，调试绕圈，最后返工。规划步骤看起来是在给执行加约束。

评论区没有一致叫好。有网友直接问，安装之后规划步骤要细到什么程度。另一个问题更实际：它怎么跳出循环调试。还有人泼冷水，说加规划步骤通常只是让 Claude 写五十行 markdown 解释它想做什么，最后还是碰错文件。这个质疑值得看。规划文档如果和代码库状态脱节，写得再长也只是形式。

也有网友认为流程比模型更重要。另有一条中文回复说，盲目开写确实容易返工，但这些流程最后还得看项目适不适用。这个判断比较稳。小项目、边界清楚的任务，规划成本可能高于收益。复杂项目、多人协作、历史包袱重的代码库，先规划更划算。

测试也不是越多越好。有网友提到，Astra 一直给他的修复加检查，Claude 最后重做工作，删掉了大部分检查。这个例子说明，测试需要边界。代理如果不知道哪些检查有意义，就会用测试数量掩盖判断缺失。

Superpowers 解决的痛点很清楚：让 AI 编程代理在动手前留下计划，在执行中测试和调试。它能不能兑现，要看规划是否足够具体，测试是否会收敛，执行是否真的被计划约束。工具可以改流程，工程判断还得人来做。