1. 研发场景里Superpowers 技能选型为什么总踩坑Superpowers 是一套面向 AI 编码代理的技能编排体系它把「需求澄清、方案设计、编码执行、调试排查、评审收尾」拆成一个个可被自动触发的技能单元。适合谁适合已经在用 Claude Code、Cursor、Cline 这类编码代理并且希望把团队研发流程固化下来的研发同学。它能做什么简单说就是让 AI 在正确的阶段做正确的事而不是一上来就闷头写代码。但实际落地时问题往往不在技能本身而在「选型」和「通道」两件事上。我见过太多团队技能清单抄了一堆结果每个项目都要手动改配置更麻烦的是多个代理、多个模型、多个 Key 散落在不同工具里调试时根本不知道是哪条链路出的问题。test-driven-development 和 systematic-debugging 这两个场景尤其明显前者要求测试先行、约束强后者要求先定位根因、禁止直接改代码一旦 Key 或通道配错技能触发链路就断了。这篇就聚焦两件事一是给出可复制的config.toml与settings.json配置骨架二是用 TaoToken 统一 Key 和 API 通道把 Superpowers 的技能选型真正落到研发流程里。下面所有配置都可以直接抄改掉模型名和 Key 就能跑。2. 前置准备用 TaoToken 统一 Key 与 API 通道在讲技能选型之前先把通道打通。Superpowers 本身不绑定某一家模型它通过编码代理去调用模型 API。如果你团队里有人用 Claude、有人用别的模型Key 管理会非常乱。TaoToken 的作用就是提供一个统一的 API 入口把 Key 收敛到一处。你需要先拿到一个可用的 Key。登录官网后进入控制台在 API Keys 页面创建一个新 Key建议按项目或按人分配方便后续排查。创建入口在这里https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite拿到 Key 之后API 基地址统一用https://taotoken.net/api注意这个地址后面不加任何 UTM 参数配置里保持干净。接下来所有配置都围绕这个基地址展开。如果你还没决定用哪个模型可以先去模型对话页面试一下手感确认模型对 Superpowers 技能描述的理解是否到位https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite前置准备就三步创建 Key、记下 API 基地址、确认模型。做完这三步再往下配。3. 可复制配置config.toml 与 settings.json 骨架Superpowers 的技能选型本质上是把「阶段 → 技能 → 约束」写进配置。下面这份config.toml是通道层配置负责把编码代理指向 TaoToken。# config.toml —— 通道层配置 [provider] name taotoken base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEY [provider.headers] Content-Type application/json [model] default claude-sonnet-4-5 fallback claude-haiku-4-5 [superpowers] enabled true auto_trigger true strict_mode true这里有几个点值得说明。api_key_env表示从环境变量读取 Key不要把 Key 硬编码进文件这是最基本的纪律。strict_mode true会让 Superpowers 在约束型技能上更严格比如 test-driven-development 没跑通就不允许进入下一步。然后是settings.json这一层负责技能选型本身{ superpowers: { skills: { brainstorming: { stage: design, auto: true }, writing-plans: { stage: design, auto: true }, using-git-worktrees: { stage: develop, auto: true }, test-driven-development: { stage: develop, auto: true, enforce: true }, systematic-debugging: { stage: debug, auto: true, enforce: true }, requesting-code-review: { stage: review, auto: true }, receiving-code-review: { stage: review, auto: false }, verification-before-completion: { stage: review, auto: true, enforce: true }, finishing-a-development-branch: { stage: deliver, auto: false } }, scheduling: { serial: executing-plans, parallel: dispatching-parallel-agents, autonomous: subagent-driven-development } } }enforce: true的技能是硬约束不允许跳过。auto: false的技能需要手动触发比如receiving-code-review和finishing-a-development-branch这两个如果自动跑很容易在没准备好的时候就收尾把脏代码合进主干。环境变量这样设置export TAOTOKEN_API_KEY你的KeyWindows 下用setx TAOTOKEN_API_KEY 你的Key设置完重开终端。配好之后编码代理启动时会自动读取这份配置。4. 技能匹配对照表与验证请求配置写完了怎么确认技能真的按预期触发先看这张对照表把场景和技能对应关系理清楚。研发场景核心技能配套技能调度方式模糊需求/架构设计brainstormingwriting-plans串行小型功能开发executing-plansTDD、代码评审串行大型复杂功能subagent-driven-developmentgit-worktrees、全流程校验自治批量独立组件dispatching-parallel-agentsTDD、任务拆分并行Bug/线上异常systematic-debugginggit-worktrees、验证校验串行代码重构test-driven-developmentsystematic-debugging串行PR 评审整改receiving-code-review回归验证串行交付收尾finishing-a-development-branch全量测试串行验证通道是否打通最直接的方式是发一个最小请求。用 curl 测一下curl -X POST https://taotoken.net/api/v1/messages \ -H Content-Type: application/json \ -H x-api-key: $TAOTOKEN_API_KEY \ -H anthropic-version: 2023-06-01 \ -d { model: claude-sonnet-4-5, max_tokens: 128, messages: [ {role: user, content: 用一句话说明 systematic-debugging 技能的作用} ] }如果返回正常说明 Key 和通道都没问题。接着验证技能触发在编码代理里输入一个带 Bug 的场景描述观察它是否先走systematic-debugging而不是直接改代码。实测下来只要enforce: true生效代理会先输出根因分析再进入修复。对于长期做编码和 Agent 编排的团队建议直接上 Coding Plan把额度、模型、技能配置统一管理省得每个项目单独配https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite5. 本篇常见错排查配置跑不起来八成是下面几个问题。第一个Key 读不到。表现是请求返回 401。先确认环境变量名和config.toml里的api_key_env完全一致大小写敏感。再确认终端是否重开过export只在当前会话生效。第二个基地址写错。有人会把/api后面多加/v1或者把 UTM 参数带进配置。基地址就是https://taotoken.net/api路径由具体接口决定配置里保持干净。第三个技能不触发。检查settings.json里对应技能的auto是否为true以及strict_mode是否开启。如果技能描述和实际任务不匹配代理可能判定为「无需触发」这时候手动指定技能名即可。第四个并行技能乱序。dispatching-parallel-agents只适合完全解耦的任务有依赖关系的任务强行并行会出现上下文缺失。判断标准很简单任务之间是否互相调用是就串行。第五个收尾技能提前跑。finishing-a-development-branch设成auto: false就是为了防这个。如果发现它自动执行了检查配置是否被覆盖。第六个模型对技能理解偏差。不同模型对技能描述的理解能力不一样如果发现技能触发不稳定换一个更强的模型试试或者去模型对话页面先测一轮。6. 把技能选型固化进团队流程技能选型这件事配一次不够得固化进流程。我的做法是把config.toml和settings.json放进项目仓库的.superpowers/目录新同学拉下来就能用。Key 走环境变量不进仓库。每个阶段的技能约束写清楚尤其是 test-driven-development 和 systematic-debugging 这两个enforce: true不能省。接入文档里有更细的接口说明和参数对照遇到报错可以先查这里https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite如果你用的是 Claude Code 这类工具Anthropic 兼容层的配置方式略有不同参考这份说明https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude_code_anthropicutm_campaignrewrite最后提醒一句技能选型的核心不是「启用越多越好」而是「每个阶段只启用对应域的技能」。设计阶段别碰调试技能调试阶段别急着收尾高风险代码强绑 TDD 和验证。把这条原则写进配置比背一堆技能名有用得多。