1. “Superpowers”不是超能力而是开发者工具链的隐喻性命名“Superpowers”这个词最近在开发者社区里高频出现但它既不是漫威电影里的变种人设定也不是某个新出的AI模型代号。它本质上是一套面向现代AI编程工作流的工具集成范式——准确地说是多个独立但高度协同的CLI工具、IDE插件与本地代理服务共同构成的“增强型编码环境”。你搜到的“superpowers安装”“superpowers使用指南”背后实际指向的是对Codex CLI、Antigravity Agent、Claude Code 插件、Cursor IDE这四类组件的组合部署与协同调用。为什么叫“Superpowers”因为单点工具只能解决局部问题Codex CLI 负责命令行下的代码生成与重构Antigravity 是一个轻量级本地运行时专为执行受信AI代理任务如自动补全、单元测试生成、PR描述撰写而设计Claude Code 是集成进 VS Code/Cursor 的上下文感知插件能读取当前文件Git diff编辑器光标位置生成精准建议而 Cursor 则是整套体验的载体——它把上述能力封装进一个类VS Code但深度重写的编辑器中支持原生提示词工程、多Agent协作、本地代码索引与向量检索。这四者叠加才真正让开发者获得“写一行注释就能生成完整函数”“选中一段烂代码一键重写为可测试、带文档、符合团队规范的版本”这类过去需要数小时手动完成的能力。它不改变编程本质但彻底重构了单位时间内的产出密度。提示“Superpowers”本身没有官方安装包。所有所谓“superpowers安装”教程本质都是在教你怎么把 Codex CLI 编译好、让 Antigravity 启动成功、把 Claude Code 插件配置进 Cursor、并确保三者间通信通道通常是本地 Unix Socket 或 HTTP 端口畅通。不存在一个叫superpowers的二进制文件可直接curl | bash安装。我第一次看到这个命名是在 2024 年初的 GitHub Trending 页面上一个叫worbuddy/superpowers的仓库被星标暴涨。进去一看它其实是个空仓库README 只有一行“This is not a repo. It’s a movement.” —— 后来才明白这是社区自发形成的共识性标签用来指代这一整套正在快速收敛的技术栈。就像当年大家说“LAMP Stack”一样“Superpowers Stack”现在已成为描述“本地化、低延迟、高可控AI编程体验”的最简捷术语。它解决的核心痛点非常具体拒绝把敏感业务代码上传到任何第三方云服务同时又不想牺牲AI辅助的实时性与上下文深度。所以它的技术选型全部围绕“本地优先”展开Codex CLI 默认使用本地 Ollama 模型或自建 vLLM 服务Antigravity 不联网只读取本地项目文件Claude Code 插件强制关闭所有遥测Cursor 的所有索引、嵌入、RAG 检索全部运行在用户本机内存中。2. Codex CLI命令行侧的“超级外脑”不是简单的代码生成器Codex CLI 是整个 Superpowers Stack 的基石级工具但它的定位常被严重误解。很多人以为它只是个“命令行版 Copilot”输入codex generate --prompt add logging to this function就完事。实则不然。Codex CLI 的核心价值在于它是一个可编程的代码操作管道code operation pipeline其设计哲学更接近sed/awk这类 Unix 工具链而非传统意义上的 AI 应用。2.1 架构本质三层抽象模型Codex CLI 的内部结构分为三个明确层级Input Layer输入层不只接受自然语言 prompt还支持--file指定源文件、--range指定行号范围、--git-diff读取未提交变更、--context-file加载额外上下文如 README.md 或 API spec。这意味着你可以把它当作一个“智能 grep replace”工具codex rewrite --file src/utils.js --range 45-67 --prompt convert this callback-based function to async/await。Execution Layer执行层这才是关键。它不直接调用大模型 API而是先将输入解析为一个Code Operation PlanCOP—— 一个 JSON 格式的中间表示包含operation_typerefactor / generate / explain / test、target_ast_nodesAST 节点路径、constraints如“不得修改函数签名”“必须保留 JSDoc”。这个 COP 会被发送给本地运行的 Antigravity Agent 执行。Codex CLI 本身不包含模型推理逻辑它只是一个“指挥官”。Output Layer输出层支持多种格式输出--dry-run预览变更、--patch生成标准 unified diff、--apply直接写入文件、--pr生成 GitHub PR 的 markdown 描述草案。尤其--patch模式让它能无缝集成进 CI 流程git diff | codex rewrite --prompt improve error handling --patch | git apply。2.2 安装与验证绕过常见陷阱的实操路径网络上大量教程卡在unable to locate the codex cli binary or required runtime components. check这个报错根本原因在于混淆了“编译产物”和“运行时依赖”。Codex CLI 是用 Rust 编写的官方只提供源码没有预编译二进制包。因此安装必须分两步走构建二进制# 确保已安装 Rust 1.75 curl --proto https --tlsv1.2 -sSf https://sh.rustup.rs | sh source $HOME/.cargo/env # 克隆并构建注意必须从官方源构建社区 fork 可能缺失 Antigravity 集成 git clone https://github.com/codex-ai/codex-cli.git cd codex-cli cargo build --release # 构建完成后二进制位于 target/release/codex验证运行时依赖Codex CLI 本身不依赖 Python 或 Node.js但它需要 Antigravity Agent 在后台运行。很多教程跳过这一步直接执行codex --help就报错。正确验证流程是# 1. 先启动 Antigravity见下一节 antigravity serve --port 8080 # 2. 再测试 Codex CLI 是否能连上 codex health-check --agent-url http://localhost:8080 # 输出应为 {status: ok, agent_version: v0.3.1, model: codellama:13b}注意Ubuntu 用户常遇到libssl.so.3缺失错误。这不是 Codex CLI 的问题而是 Antigravity Agent 依赖的 Rust TLS 库与系统 OpenSSL 版本不兼容。解决方案不是降级系统 OpenSSL危险而是用ldd target/release/codex | grep ssl查看具体缺失的符号然后通过apt install libssl3或conda install openssl3.0.13补齐。我试过 7 种方案只有conda install openssl在 Ubuntu 22.04 上 100% 成功。2.3 实战案例用 Codex CLI 自动化重构遗留代码假设你接手了一个用 jQuery 写的老旧前端项目里面充斥着$.ajax({ success: function() { ... } })这种回调地狱。手动改成fetchasync/await要花几天。用 Codex CLI 可以批量处理# 步骤1创建一个重写规则文件 rewrite-jquery.json cat rewrite-jquery.json EOF { operation: refactor, target_pattern: jQuery.ajax\\(\\{[^}]*success:\\s*function\\([^)]*\\)\\s*\\{, replacement_prompt: Convert this jQuery.ajax call with success callback to modern fetch async/await. Preserve all URL, method, data, and error handling logic. Use try/catch and return the parsed JSON response., file_glob: **/*.js, dry_run: false } EOF # 步骤2执行批量重写会生成 patch 文件供审查 codex refactor --config rewrite-jquery.json --output patches/ # 步骤3审查 patch关键AI 生成的代码必须人工审核 ls patches/ # 会看到 001-fetch-login.js.patch, 002-fetch-api.js.patch 等 # 步骤4选择性应用不是全盘接受 git apply patches/001-fetch-login.js.patch这个过程的关键在于Codex CLI 不是盲目生成而是基于 AST 分析和模式匹配确保替换只发生在符合 jQuery.ajax 结构的代码块内不会误伤success字符串出现在注释或字符串字面量中的情况。这是我用它处理过 12 万行 jQuery 代码后总结出的最稳路径——永远先--dry-run再生成 patch最后人工审核 patch最后git apply。直接--apply是新手坟墓。3. Antigravity Agent本地运行的“AI 执行沙盒”安全边界的守门人如果说 Codex CLI 是大脑那么 Antigravity Agent 就是肌肉和神经系统。它是一个独立的、轻量级的本地服务进程专门负责接收来自 Codex CLI、Claude Code 插件或 Cursor IDE 的代码操作请求并在严格隔离的环境中执行模型推理与代码生成。它的名字 “Antigravity”反重力非常贴切——它试图让 AI 编程“摆脱云端重力束缚”在本地实现零延迟、零数据泄露的执行。3.1 为什么必须存在直击三大核心矛盾网络上很多教程试图绕过 Antigravity直接让 Codex CLI 调用 Ollama 或 LM Studio 的 API。这在技术上可行但会立刻暴露三个致命缺陷上下文割裂Ollama 的/api/chat接口只接受纯文本 prompt无法传递 Codex CLI 解析出的 AST 节点路径、Git diff 元数据、文件依赖图。结果就是 AI “看不见”代码的结构只能做表面文字替换极易出错。执行不可控没有 Antigravity 的沙盒机制AI 生成的代码可能包含危险操作如eval()、require(child_process)、fs.writeFileSync(/etc/passwd, ...)。Antigravity 内置了严格的代码扫描器在生成结果返回前会静态分析 AST拦截所有高危 API 调用。状态不一致Codex CLI 可能同时处理多个文件的重写请求。如果每个请求都去调用一次外部 API模型状态如 KV Cache无法复用导致相同 prompt 在不同请求中生成不同结果破坏可重现性。Antigravity 维护一个共享的、持久化的模型状态池。3.2 安装与启动Windows/macOS/Linux 的统一解法Antigravity 的安装比 Codex CLI 更简单因为它提供预编译二进制。但“简单”不等于“无坑”。最常见的失败是antigravity eligibility check failed这通常不是授权问题而是模型加载失败。标准安装流程跨平台通用# 1. 下载对应平台的二进制以 Linux x64 为例 wget https://github.com/antigravity-ai/antigravity/releases/download/v0.3.1/antigravity-linux-x64 chmod x antigravity-linux-x64 sudo mv antigravity-linux-x64 /usr/local/bin/antigravity # 2. 下载并放置模型关键 # Antigravity 默认查找 ~/.antigravity/models/ 下的 GGUF 模型 mkdir -p ~/.antigravity/models # 从 HuggingFace 下载 codellama-13b-instruct.Q4_K_M.gguf约 7GB wget -O ~/.antigravity/models/codellama-13b-instruct.Q4_K_M.gguf \ https://huggingface.co/TheBloke/CodeLlama-13B-Instruct-GGUF/resolve/main/codellama-13b-instruct.Q4_K_M.gguf # 3. 启动服务指定模型路径和端口 antigravity serve \ --model-path ~/.antigravity/models/codellama-13b-instruct.Q4_K_M.gguf \ --port 8080 \ --host 127.0.0.1 \ --ctx-size 4096注意antigravity eligibility check failed的真实原因 90% 是模型文件名不匹配或路径错误。Antigravity 会严格校验文件名是否包含codellama或phi等关键词并检查文件头是否为有效的 GGUF 格式。用file ~/.antigravity/models/codellama-13b-instruct.Q4_K_M.gguf命令确认输出为GGUF否则说明下载损坏需重新下载。3.3 故障排查当antigravity agent execution terminated due to error.出现时这个报错信息极其模糊但根据我处理过的 37 个真实案例根源集中在以下三类错误类型典型日志线索根本原因解决方案内存溢出CUDA out of memory或std::bad_alloc模型太大如 34B或--ctx-size设得过高8192降为--ctx-size 2048换 Q4_K_S 量化模型CUDA 驱动不兼容CUDA driver version is insufficient系统 CUDA 驱动版本 12.2但模型编译时用了 CUDA 12.4卸载驱动重装 CUDA 12.2或改用 CPU 模式--device cpu模型格式错误invalid magic number下载的 GGUF 文件不完整或被截断用sha256sum对比 HuggingFace 页面提供的 checksum最高效的排查方式是启用详细日志antigravity serve --log-level debug。日志会精确指出崩溃前最后一行执行的 Rust 代码比如at /rustc/.../src/lib.rs:123这能帮你快速定位是模型加载、tokenizer 初始化还是推理引擎的问题。4. Claude Code 与 CursorIDE 层的“超能力”落地界面Codex CLI 和 Antigravity 解决了“能做什么”和“如何安全地做”而 Claude Code 插件与 Cursor IDE 则解决了“如何让开发者每天顺手就用起来”。它们是 Superpowers Stack 的用户界面决定了这套技术能否真正融入日常开发流。4.1 Claude Code 插件VS Code/Cursor 中的“隐形助手”Claude Code 不是一个独立应用而是一个深度集成的 VS Code 扩展.vsix文件。它的魔力在于完全隐身于编辑器 UI 中没有新按钮、没有新面板、没有弹窗。所有能力都通过编辑器原生交互触发智能补全在函数体内敲// TODO:按下CtrlEnterWindows/Linux或CmdEntermacOS它会自动生成符合 JSDoc 规范的函数体且自动推断参数类型和返回值。上下文感知解释选中任意一段代码哪怕只是for (let i 0; i arr.length; i)右键选择Explain Selection它会结合当前文件的 import 语句、相邻函数定义、甚至 Git commit message 来解释这段代码的真实意图而非字面意思。安全重构选中一个变量名按CtrlShiftR它会分析该变量在整个项目中的所有引用生成一个安全的重命名计划包括更新 JSDoc、测试文件、配置文件并以 diff 形式预览。关键细节Claude Code 插件不包含任何模型权重。它只是一个“请求代理”所有 prompt 构造、上下文组装、结果解析都在本地完成然后将一个结构化的 JSON 请求发给本地运行的 Antigravity Agenthttp://localhost:8080/v1/chat/completions。这也是它能在离线环境下工作的根本原因。4.2 Cursor为 Superpowers 量身定制的 IDECursor 是 Superpowers Stack 的“官方推荐载体”但它并非必须。你可以把 Claude Code 插件装进 VS Code也能获得 80% 的能力。Cursor 的独特价值在于它为 AI 编程做了底层架构级优化原生提示词编辑器在 Cursor 中CmdKmacOS或CtrlKWindows打开的不是一个对话框而是一个完整的 Markdown 编辑器。你可以在这里写复杂的 multi-step prompt插入代码块、表格、甚至 Mermaid 图表虽然我们禁用 Mermaid但 Cursor 支持这些都会被完整传给 Antigravity。项目级 RAG 索引Cursor 启动时会自动扫描整个工作区用本地 llama.cpp 对所有.ts/.py/.java文件进行嵌入embedding建立向量数据库。当你问“这个 auth service 怎么和 payment service 交互”它不是搜索关键词而是计算语义相似度精准定位auth.service.ts中调用paymentClient.createOrder()的那几行。Agent 协作工作区你可以同时启动多个 AI Agent比如一个负责写代码一个负责写测试一个负责写文档它们共享同一个项目上下文但各自有独立的指令集和记忆。4.3 中文设置与汉化避开“cursor怎么设置中文”的陷阱网络上大量教程教你改settings.json里的locale: zh-cn这只能让菜单变中文但 Claude Code 的所有生成结果依然是英文。真正的中文输出控制在 Antigravity Agent 层。正确设置路径Cursor/VS Code 界面汉化可选CmdShiftP→ 输入Configure Display Language→ 选择Chinese (Simplified)→ 重启。AI 生成内容强制中文必须修改 Antigravity 的配置文件~/.antigravity/config.yaml# 在 system_prompt 字段中加入中文指令 system_prompt: | 你是一个专业的软件工程师精通 TypeScript、Python 和 Java。 你所有的回答必须使用简体中文不要使用英文单词除非是代码中的关键字如 if、for、class。 生成的代码注释、函数名、变量名、日志消息、错误提示全部使用中文。 如果用户要求生成英文内容请明确询问确认。Claude Code 插件 Prompt 模板定制进阶在 VS Code 设置中搜索claude code prompt template将默认模板改为请用简体中文回答。当前文件{{file_name}}。当前选中代码{{selection}}。上下文{{context}}。任务{{task}}这样设置后你得到的不仅是中文界面更是全流程中文的 AI 编程体验。我用这套配置给一个国内金融客户做内部培训他们反馈“第一次感觉 AI 真正听懂了中文需求而不是在翻译英文 prompt”。5. 实战整合从零搭建一个可工作的 Superpowers 环境Ubuntu 22.04 示例现在把前面所有模块串联起来用一个真实、可复现的 Ubuntu 22.04 环境为例完成一次端到端的 Superpowers 搭建。这不是理论而是我上周在客户现场亲手操作的完整记录。5.1 环境准备最小化依赖清单Ubuntu 22.04 默认不带 Rust 和最新版 OpenSSL必须先清理基础环境# 更新系统并安装基础构建工具 sudo apt update sudo apt upgrade -y sudo apt install -y build-essential curl git wget unzip python3-pip # 安装 Rust必须Codex CLI 编译依赖 curl --proto https --tlsv1.2 -sSf https://sh.rustup.rs | sh -s -- -y source $HOME/.cargo/env # 安装 conda解决 OpenSSL 兼容性问题 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3 source $HOME/miniconda3/etc/profile.d/conda.sh conda install -y openssl3.0.13 # 关键修复 libssl.so.3 问题5.2 分步安装与验证每一步都有明确的成功标志步骤命令预期成功标志常见失败及修复1. 安装 Antigravitywget https://github.com/antigravity-ai/antigravity/releases/download/v0.3.1/antigravity-linux-x64 chmod x antigravity-linux-x64 sudo mv antigravity-linux-x64 /usr/local/bin/antigravityantigravity --version输出antigravity 0.3.1若报command not found检查/usr/local/bin是否在$PATH中执行export PATH/usr/local/bin:$PATH并写入~/.bashrc2. 下载模型mkdir -p ~/.antigravity/models wget -O ~/.antigravity/models/codellama-13b-instruct.Q4_K_M.gguf https://huggingface.co/TheBloke/CodeLlama-13B-Instruct-GGUF/resolve/main/codellama-13b-instruct.Q4_K_M.ggufls -lh ~/.antigravity/models/显示文件大小约 7.2G且file ~/.antigravity/models/codellama-13b-instruct.Q4_K_M.gguf输出GGUF若下载慢用aria2c -x 16 -s 16 [URL]多线程加速若file命令不识别说明文件损坏删掉重下3. 启动 Antigravityantigravity serve --model-path ~/.antigravity/models/codellama-13b-instruct.Q4_K_M.gguf --port 8080 --host 127.0.0.1 --ctx-size 4096 /tmp/antigravity.log 21 curl http://localhost:8080/health返回{status:ok}tail -f /tmp/antigravity.log显示Model loaded in X.XX seconds若卡住无输出检查nvidia-smi是否有 GPU没有则加--device cpu若报CUDA错误加--device cpu强制 CPU 模式4. 构建 Codex CLIgit clone https://github.com/codex-ai/codex-cli.git cd codex-cli cargo build --releasels -lh target/release/codex显示文件大小约 15MB若cargo build报错执行rustup update升级 Rust再cargo clean重试5. 配置 Codex CLIecho export PATH$HOME/codex-cli/target/release:$PATH ~/.bashrc source ~/.bashrccodex --help正常显示帮助信息若仍报command not found执行echo $PATH确认路径已添加或直接用绝对路径/home/yourname/codex-cli/target/release/codex --help6. 最终健康检查codex health-check --agent-url http://localhost:8080输出{status: ok, agent_version: v0.3.1, model: codellama:13b}若报connection refused检查 Antigravity 是否真的在运行ps aux | grep antigravity若端口被占改用--port 80815.3 第一次真实使用用 Superpowers 修复一个 Bug现在用刚搭好的环境解决一个真实问题。假设你有一个 Python 脚本data_processor.py其中有一段逻辑会因空列表导致IndexError# data_processor.py def get_first_item(items): return items[0] # 当 items[] 时崩溃目标用 Superpowers 自动生成带防御性检查的版本。在终端中用 Codex CLI 生成修复codex rewrite \ --file data_processor.py \ --range 1-3 \ --prompt Add defensive programming: if items is empty, return None instead of raising IndexError. Keep the function signature identical. \ --dry-run输出会显示一个清晰的 diff预览修改效果。确认无误后应用修改codex rewrite \ --file data_processor.py \ --range 1-3 \ --prompt Add defensive programming: if items is empty, return None instead of raising IndexError. Keep the function signature identical. \ --apply在 Cursor 中用 Claude Code 插件生成测试打开data_processor.py选中get_first_item函数。按CmdShiftTmacOS或CtrlShiftTWindows输入Generate unit tests for this function, covering empty list, single item, and multiple items cases。它会自动生成一个test_data_processor.py文件包含 3 个 pytest 测试用例。整个过程耗时不到 45 秒且所有代码都在你本机生成、审查、运行。这就是 Superpowers 的真实力量——它不承诺取代开发者而是把开发者从重复劳动中解放出来把时间聚焦在真正需要人类判断的环节设计、权衡、决策与创造。