前言：14 萬顆星星代表的訊號

上週，一個名為 Superpowers 的專案在 GitHub 突破 14 萬顆星（Superpowers GitHub Repo，截至 2026 年中已成為 AI Agent 框架類別最高 star 數之一）。

不是行銷操作，不是病毒影片——純粹是開發者在告訴彼此：「這個框架讓我的工作方式真的變了。」

標榜「Agentic Skills Framework」的它，核心主張很簡單：工程師應該像組裝工具一樣組合 AI 能力，而不是一個一個手動呼叫。框架的設計理念可看他們的官方文件與 Skills 概念說明。

你的開發環境，可能正在無形中消耗你

多數工程師每天面對的場景是這樣的：

打開 Terminal，切好幾個分頁，一個看 log、一個跑測試、一個盯 build。偶爾還要跳出去查文件，回 Slack，確認 CI 狀態。這些看起來「都在掌控之中」的例行工作，實際上在消耗我們最貴的資源：專注力。

注意力損耗的研究可參考 Cal Newport 的 Deep Work 與 Gloria Mark 的 Attention Span 研究。在工程師日常工作中，每次 context switch 平均會損失 23 分鐘的生產力（Microsoft Human Factors 實驗）。

Superpowers 框架試圖處理的，正是這個問題。它把常見的開發任務抽象成一層「技能（Skills）」，讓 AI Agent 能夠理解、開發、組合這些技能，像組樂高一樣完成複雜工作。

在它的願景裡，工程師不再是「執行指令的人」，而是「設計指令系統的人」。

三層次的 AI 武裝策略

說到讓自己更有效率，我整理出三個層次：

第一層：加速單一任務
VSCode 的 GitHub Copilot、Cursor 的自動補全、ChatGPT 幫寫正規表達式——這些都算。有效，但邊際效益遞減明顯。單一任務加速，在一個本身就會被十個其他任務打斷的工作流裡，效果有限。

第二層：接管例行流程
把重複性的 commit message 生成、PR 描述、測試資料準備交給 AI。這層的效果最好，因為節省的是真正的時間，而不是「感覺變快了」。Conventional Commits 規範與 commitlint 工具可作為自動化的基礎。

第三層：重新組織工作結構
這是 Superpowers 這類框架試圖推到的地方。它們想讓你把整個工作流程，當成一個系統來設計，而不是一堆工具的集合。

目前大多數團隊停在第一層。厲害一點的團隊在第二層。要到第三層，需要對自己的工作流有非常清晰的認知——而這個，往往是最花時間的部分。

武裝自己的具體策略

Prompt Engineering 不是技能，是方法論
很多人把 Prompt Engineering 當成一種「指令集」在背。它的本質是「描述問題的方式」。同一個問題，用不同方式描述，AI 回應的品質可以差很多。系統性的方法可參考 OpenAI 的 Prompt Engineering 指南與 Anthropic 的 Prompt Engineering Overview。

把工作流拆解成「AI 擅長」和「人類擅長」的段落