痛点：为什么又一个 Agent 框架？
2025 年 Agent 框架的困境可以用一句话概括：每个框架都在重新发明轮子。LangChain 太抽象，CrewAI 太死板，AutoGen 太复杂。开发者真正需要的不是”又一个编排框架”，而是让 AI Agent 拥有一套可以即插即用的技能库——就像人类工程师在 .claude 目录里积累的那些 skill 文件一样。
obra/superpowers 回答的正是这个问题。
方案拆解：它到底做什么
superpowers 不是一个传统意义上的 Agent 框架。它的核心思路是把 Agent 的能力定义为一组可组合的 Skills：
superpowers/
├── skills/
│ ├── code-review/ # 代码审查技能
│ ├── architecture/ # 架构设计技能
│ ├── testing/ # 测试生成技能
│ └── deployment/ # 部署流水线技能
└── orchestration/ # 技能编排层关键设计：
- Skills 是独立可复用的模块：每个 skill 包含完整的 prompt 模板、工具定义和执行逻辑
- 跨 Agent 兼容：skills 可以在 Claude Code、OpenClaw、Hermes Agent 等不同 Agent 运行时中运行
- 渐进式采用：不需要重写现有工作流，只需在现有 Agent 的 .claude 目录中引入 skill 引用
对比：与其他 Agent 方案的差异
| 维度 | superpowers | LangChain | CrewAI | Hermes Agent |
|---|---|---|---|---|
| 核心理念 | Skills 组合 | Chain/Graph | Multi-Agent 角色 | 通用工作流引擎 |
| 学习曲线 | 低（写 skill 文件） | 高 | 中 | 中 |
| 跨平台兼容 | ✅ 是 | ❌ 绑定 | ❌ 绑定 | ✅ 是 |
| 生态规模 | 17.5K+ stars | 120K+ | 25K+ | 增长中 |
| 适合场景 | 开发者日常任务 | 企业级流水线 | 多 Agent 协作 | 全栈 Agent 工作流 |
superpowers 的独特之处在于它站在 Claude Code 的 .claude 目录生态之上。mattpocock/skills（5.3 万星）和 browserbase/skills（1238 星）都在同一赛道，但 superpowers 把 scope 拉到了框架级别——不仅是 skills 的集合，而是 skill 的定义、发布、组合和版本管理的完整体系。
上手指南
最简启动方式：
# 克隆仓库
git clone https://github.com/obra/superpowers.git
# 在你的 .claude 目录中引入
mkdir -p ~/.claude/skills
ln -s /path/to/superpowers/skills/* ~/.claude/skills/
# 在 Claude Code 中直接使用
claude "用 code-review skill 帮我审计这个 PR"对于 Hermes Agent 用户，superpowers 的 skills 可以通过 MCP Server 桥接使用——这也是 Anthropic Staff Engineer 提到的”Skills + MCP”架构方向。
格局判断
superpowers 的爆发不是偶然。它踩中了三个趋势的交汇点：
- Claude Code 的普及让 .claude 目录成为事实上的 skill 分发标准
- MCP 协议让技能跨 Agent 运行时调用成为可能
- 开发者对低抽象层工具的偏好——相比 LangGraph 这样的重型框架，直接写 skill 文件更符合工程师直觉
如果 superpowers 继续保持当前的增长势头，它可能在 2026 年下半年成为 Agent 生态中技能分发的基础设施级项目。对于已经投入 LangChain/CrewAI 的团队，建议关注但无需立刻迁移；对于从零开始的 Agent 项目，superpowers 是目前上手成本最低的选择。