前言

最近在用 Claude Code 玩一些 side project，踩到了兩個工具：spec-kit 跟 superpowers。

老實說一開始看到這兩個工具的介紹時有點懶，又是一堆新東西要學😂，而且看起來好像功能差不多？但用了一陣子後發現它們的定位其實差很多，而且搭配起來用還滿有意思的。

兩個工具是什麼？

spec-kit：先把規格寫清楚再說

spec-kit 是 GitHub 官方出品的工具，核心概念叫做 Spec-Driven Development（SDD），意思是在動手寫code之前，先把規格文件整理好，讓文件成為整個開發過程的依據。

安裝方式：

uv tool install specify-cli --from git+https://github.com/github/spec-kit.git
specify init <project_name> --ai claude

它的流程就是五個指令依序走：

指令	在做什麼
`/speckit.constitution`	定義專案原則，像是你的開發規範
`/speckit.specify`	描述你要做什麼功能
`/speckit.plan`	產出技術實施計畫
`/speckit.tasks`	把計畫拆成一個一個可執行的任務
`/speckit.implement`	執行任務，開始產code

一路走完之後你手上會有一疊文件，對於新專案的初始化或是維護既有專案（先整理清楚現況）都還滿實用的。支援的 AI 也很多，Claude Code、Copilot、Cursor、Gemini 都可以用。

superpowers：不讓 AI 直接衝去寫code

superpowers 是社群開發者 Jesse Vincent 打造的，他把這個工具定位成「方法論執行器」，核心問題是：AI 很容易一接到需求就直接開始寫code，但這樣往往做歪或做錯。

它透過在 Session 啟動時注入一套強制流程，逼 AI（其實也是逼你自己）先想清楚再動手。

安裝方式（Claude Code Marketplace）：

/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

主要流程：

指令	在做什麼
`/superpowers:brainstorm`	Socratic 問答，釐清需求跟邊緣案例
`/superpowers:write-plan`	把需求拆成 2-5 分鐘可完成的小任務
`/superpowers:execute-plan`	每個任務派一個全新的 subagent 來執行
自動code review	先查規格符合度，再查code品質，有大問題會擋住進度

它最有趣的設計是 subagent 架構：每個任務都開一個新的 AI agent，各自有乾淨的 context window，不會因為對話越來越長讓 AI 「腦袋越來越滿」。

實戰流程

單獨用 spec-kit

這是最直觀的用法，需求夠清楚的話，就直接照著五個指令走。

@startuml
skinparam backgroundColor #FAFAFA
skinparam sequenceArrowThickness 2

actor 開發者
participant "spec-kit" as SK
participant "Claude Code" as CC
database "規格文件" as DOC

開發者 -> SK: /speckit.constitution\n定義專案原則
SK -> DOC: 寫入 constitution.md

開發者 -> SK: /speckit.specify\n描述功能需求
SK -> CC: 分析需求
CC -> DOC: 寫入 spec.md

開發者 -> SK: /speckit.plan\n產出技術計畫
CC -> DOC: 寫入 plan.md

開發者 -> SK: /speckit.tasks\n拆解任務清單
CC -> DOC: 寫入 tasks.md

開發者 -> SK: /speckit.implement\n執行任務
CC -> 開發者: 產出code

@enduml

適合的場景：

小型新專案想快速起頭
維護老專案，先把現況整理成文件
想要產出給團隊看的結構化文件

單獨用 superpowers

superpowers 的亮點是 subagent 這個設計，每個任務都是全新的 agent 在跑，context 不會一直累積。

@startuml
skinparam backgroundColor #FAFAFA
skinparam sequenceArrowThickness 2

actor 開發者
participant "superpowers" as SP
participant "主 Agent" as MA
participant "Subagent 1" as SA1
participant "Subagent 2" as SA2
participant "Subagent N" as SAN

開發者 -> SP: /superpowers:brainstorm
SP -> MA: 啟動問答
MA -> 開發者: 反覆確認需求與邊緣案例
MA -> SP: 儲存設計文件

開發者 -> SP: /superpowers:write-plan
SP -> MA: 拆解成 2-5 分鐘任務
MA -> SP: 儲存 plan.md

開發者 -> SP: /superpowers:execute-plan
SP -> SA1: 任務 1（全新 context）
SA1 -> SP: 完成 + code審查
SP -> SA2: 任務 2（全新 context）
SA2 -> SP: 完成 + code審查
SP -> SAN: 任務 N（全新 context）
SAN -> SP: 完成 + code審查

SP -> 開發者: 所有任務完成

@enduml

適合的場景：

需求還很模糊，需要先問清楚
任務量大，擔心 AI 跑著跑著品質越來越差
想要有 TDD 跟自動 code review 的流程

superpowers + spec-kit 一起用

這個組合才是最完整的，superpowers 的作者 Jesse Vincent 在 GitHub Issue 裡也親自說過：

"sounds like the two tools work well together. Brainstorming for ideation, then spec-kit for formalizing requirements."

@startuml
skinparam backgroundColor #FAFAFA
skinparam sequenceArrowThickness 2

actor 開發者
participant "superpowers" as SP
participant "spec-kit" as SK
participant "Claude Code" as CC
database "文件" as DOC

group 第一步：需求探索（superpowers）
  開發者 -> SP: /superpowers:brainstorm
  SP -> CC: 問答釐清需求
  CC -> 開發者: 確認需求與邊緣案例
  CC -> DOC: 儲存設計文件
end

group 第二步：規格整理（spec-kit）
  開發者 -> SK: /speckit.constitution
  SK -> DOC: constitution.md
  開發者 -> SK: /speckit.specify
  SK -> DOC: spec.md（基於 brainstorm 結果）
  開發者 -> SK: /speckit.plan
  SK -> DOC: plan.md
  開發者 -> SK: /speckit.tasks
  SK -> DOC: tasks.md
end

group 第三步：執行（superpowers）
  開發者 -> SP: /superpowers:execute-plan\n輸入：tasks.md
  loop 每個任務
    SP -> CC: 派遣新 Subagent（乾淨 context）
    CC -> CC: 執行 → TDD → code審查
    CC -> SP: 任務完成
  end
  SP -> 開發者: 全部完成
end

@enduml

邏輯上是：

superpowers brainstorm 負責「想清楚」，用問答挖出你自己沒想到的需求
spec-kit 把 brainstorm 結果轉成結構化文件，有據可依
superpowers execute-plan 拿著 spec-kit 產出的任務清單，一個一個用 subagent 跑

這樣兩個工具各有分工，不衝突。

Token 效率觀察

兩種不同的省 Token 策略

策略	spec-kit	superpowers
主要方式	規格寫到磁碟，按需讀取	每個任務開全新 subagent
啟動 context	視規格文件大小	約 2k token（非常小）
技能載入	指令觸發	按需載入（shell script）
累積風險	單一對話越來越長	任務間不共享 context

superpowers 的設計在理論上比較不會遇到「對話越長、AI 越廢」的問題，因為每個 subagent 都重新開始。spec-kit 則是把文件寫到磁碟來控制 context 大小。

Claude Pro 方案的殘酷現實

老實說，兩個工具我用下來，大概都是 1.5 小時就碰到 rate limit。

所以真的很難有量化的比較，也不敢說哪個比較省——限制不在工具，而在訂閱方案的配額。

但用的過程中有幾個觀察：

兩個工具都會把計畫或文件存到磁碟，session 中斷後可以繼續，這點很重要
如果你把 brainstorm 跟 implement 放在同一個 session 裡做，配額消耗會比拆開來做更多
任務切越小，單次對話越短，比較不容易在做到一半時撞到 rate limit

我自己的無腦用法是：用一個 session 想清楚、把文件搞定，碰到 rate limit 就等，下個 session 再繼續執行。很不優雅，但有用。

一句話總結

	spec-kit	superpowers
出品方	GitHub 官方	社群（Jesse Vincent）
核心定位	規格文件化 + code生成	流程管控 + subagent 執行
TDD	不是核心	強制執行
code審查	無	有，阻斷嚴重問題
適合狀況	需求清楚、需要文件輸出	需求模糊、任務量大

只能選一個的話：

需求已經清楚、主要想要文件和code → spec-kit
需求還在摸索，或是任務量大、在意code品質 → superpowers

想要完整流程： superpowers brainstorm → spec-kit 整理文件 → superpowers execute-plan 執行

說到底，這兩個工具背後想教的事情是一樣的：不要一拿到需求就叫 AI 開始寫code。先想清楚，再讓 AI 動手，成果差很多。

用 superpowers 與 spec-kit 打造 AI 輔助開發流程 - 實戰心得與效率觀察

前言