这个 GitHub 爆火的「编写实施计划」Skill 到底能干嘛?实测来了
为什么需要「先写计划,再写代码」?
用过 AI 编程工具的开发者大概都经历过这种场景:你丢给它一个需求,它唰唰唰开始写代码,结果写了一堆看似合理但实际上跑不起来的东西。改了半天发现方向从一开始就偏了。
问题的核心在于:AI 没有「停下来想」的习惯。它收到需求就开始编码,而不是先梳理文件结构、任务分解、测试策略。
今天介绍的这个 Skill 就来自 GitHub 上最火的 AI Agent 技能仓库 obra/superpowers(18 万+ Star),它的名字叫 writing-plans——专门解决「先想清楚再动手」这个问题。
原始项目简介
- 仓库地址:https://github.com/obra/superpowers
- 当前 Star 数:181,497+(还在持续增长)
- 描述:An agentic skills framework & software development methodology that works.
- 许可证:MIT
- 最近更新:2026 年 5 月(非常活跃)
obra/superpowers 是目前 GitHub 上最流行的 AI Agent 技能框架项目,提供了一套完整的开发方法论。它不只是一些零散的技巧,而是一个系统化的「Superpowers」体系,涵盖了从头脑风暴到代码评审、从 TDD 到并行智能体调度的全流程。
核心功能
这个 Skill 的核心作用非常明确:在动手写代码之前,生成一份精确到文件路径、代码块和测试命令的实施计划。
具体来说,它要求:
1. 零上下文假设
计划必须假设执行者(无论是人还是 AI 智能体)对代码库完全不了解。这意味着:
- 每个任务要标明具体修改哪个文件的哪几行
- 要提供完整的代码,不能只说「在这里添加逻辑」
- 要给出运行测试的具体命令和预期输出
2. 小步任务拆分
每个步骤被限定在大约 25 分钟能完成的工作量内。一个典型的 TDD 流程会被拆成 5 个独立步骤:
- 编写失败的测试
- 运行确认测试失败
- 写最小实现让测试通过
- 运行确认测试通过
- 提交
这听起来很琐碎,但恰恰是避免 AI「一口气写太多、出错后难以调试」的关键。
3. 禁止占位符
这是我最喜欢的规则。计划里绝对不允许出现以下模式:
TBD、TODO、稍后实现添加适当的错误处理(没写具体怎么处理)为以上内容编写测试(没写测试代码)与任务 N 类似(执行者可能不按顺序读任务)
每条规则都来自血泪教训——AI 最怕的就是「模糊指令」,它会把模糊解读成「随便做点什么」。
4. 文件结构先行
在定义任务之前,必须先规划好:
- 哪些文件会被创建
- 哪些文件会被修改
- 每个文件的职责边界
按职责拆分,不按技术层级拆分。一起变化的文件就应该放在一起。
5. 自我审查机制
写完计划后,必须执行三步自查:
- 规范覆盖率:规范的每个需求都能在计划中找到对应任务吗?
- 占位符扫描:有没有偷偷写了模糊描述?
- 类型一致性:前后任务中用到的函数名、类型名一致吗?
实际使用场景
假设你要给一个博客系统添加「评论功能」,使用这个 Skill 后,AI 会产出一份这样的计划:
# 评论功能实施计划
目标:为文章添加用户评论功能,支持嵌套回复
架构:新增 Comment 模型和 API 端点,前端使用 React 组件展示评论树
技术栈:Astro, TypeScript, Prisma, React
---
### 任务 1:数据库模型
文件:- 创建:prisma/schema.prisma(修改)- 创建:src/db/comment.ts
- [ ] 步骤 1:在 schema.prisma 中添加 Comment 模型 (完整的 Prisma 模型代码...)
- [ ] 步骤 2:运行 prisma migrate 运行:npx prisma migrate dev 预期:Migration created successfully
...这份计划可以直接交给另一个 AI 智能体(或者你自己)去执行,每个步骤都有明确的输入和输出。
与其他 Skill 的协作
writing-plans 不是孤立使用的。在 superpowers 体系中,它通常和以下 Skill 配合:
| Skill | 作用 | 关系 |
|---|---|---|
| brainstorming | 头脑风暴,确定方案方向 | writing-plans 的前置步骤 |
| subagent-driven-development | 子智能体驱动开发 | writing-plans 的推荐执行方式 |
| executing-plans | 在当前会话中执行计划 | writing-plans 的备选执行方式 |
| using-git-worktrees | Git worktree 隔离 | 提供干净的执行环境 |
典型流程是:brainstorming → writing-plans → subagent-driven-development(执行)。
适用场景
✅ 适合使用:
- 多步骤功能开发(5 个以上任务)
- 涉及多个文件修改的需求
- 需要精确控制执行顺序的任务
- 团队协作中的需求交接文档
- 让 AI 执行复杂编码任务前的规划
❌ 不适合使用:
- 单文件的小修改(改个变量名、修个 bug)
- 纯配置调整
- 你已经很清楚该怎么做的简单任务
个人评价
这个 Skill 最大的价值在于约束了 AI 的冲动。AI 编程工具最容易犯的错误就是「看到需求就写代码」,而 writing-plans 强制它先停下来思考:文件结构是什么?任务怎么拆分?测试怎么写?
我给自己的推荐指数是 ⭐⭐⭐⭐⭐。尤其是当你用 AI 做严肃的项目开发时,这个 Skill 能大幅降低「方向跑偏」的概率。而且它产出的计划文档本身就是一个很好的项目记录,回头查看「当时为什么这样设计」非常方便。
唯一的缺点可能是对于小项目来说有点「杀鸡用牛刀」,但对于任何超过 2 天的开发任务,这个 Skill 绝对值得使用。
获取与使用
这个 Skill 已经搬运到我们的中文仓库 awesome-ai-agent-skills-zh,可以直接使用。
原始 SKILL.md 的用法很简单:当你有一个复杂需求时,告诉 AI「使用 writing-plans 技能先写一份实施计划」,它就会按照上述规范生成一份结构化的计划文档。
本文介绍的 Skill 搬运自 obra/superpowers 项目,原始文件位于
skills/writing-plans/SKILL.md。更多 Skill 搬运请关注 awesome-ai-agent-skills-zh。
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!