大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



核心观点：插件不在多，在配合。superpowers 负责“想清楚”，gstack 负责“干漂亮”，CE 负责经验沉淀——三层工具协同，打造 AI 开发的完整闭环。

---

折腾过一堆 Claude Code 插件之后，很多开发者都会遇到同一个问题：装了十几个插件，结果 skill 互相打架，行为完全不可控。

问题的本质不在插件本身，而在没有想清楚“谁负责什么”。

今天要介绍的三款工具——superpowers、gstack 和 Compound Engineering（CE）——提供了一套优雅的解决方案：更少的组件，更清晰的边界，更明确的交接。

---

1.1 双插件协同的基础规则

superpowers 和 gstack 的搭配遵循五条核心原则：

这五条原则的本质是：大脑负责想清楚，手脚负责干漂亮。

1.2 为什么这样分工？

为什么不能让 gstack 也做计划？

因为 gstack 的 plan-*-review 是“批判性审查”工具，不是计划撰写工具。让一个 reviewer 同时充当 author，等于让法官自己写起诉书——视角错位，质量必差。

为什么不能让 superpowers 自己跑浏览器？

因为 superpowers 的底层 CDP 操作粒度太细，没有 QA 闭环。gstack 的 /browse 和 /qa 是经过封装的高层操作，包含了“打开 → 验证 → 截图 → 报告”完整链路。

用对工具比用上工具更重要。

---

把模糊的“做某事”映射到确定的 skill，表里没有的任务才需要现场判断：

---

从想法到上线的完整路径：

[想法] ↓ brainstorming ← 想清楚要不要做、做成什么样 ↓ writing-plans ← 写一份可执行的实施计划 ↓ (可选) /plan-eng-review / /plan-ceo-review ← 多视角审查计划 ↓ executing-plans + using-git-worktrees ← 在隔离 worktree 里执行 ↓ test-driven-development ← 边写边测 ↓ /browse 或 /qa ← 真实环境验证功能 ↓ verification-before-completion ← 收集完成证据 ↓ requesting-code-review ← 独立 reviewer 通道 ↓ finishing-a-development-branch ← 分支收尾 ↓ /ship ← 跑测试、bump 版本、push、PR ↓ /land-and-deploy ← 合 PR、等 CI、等部署 ↓ /canary ← 监控上线后状态 ↓ /document-release ← 写发布文档 ↓ [完成] 

关键交接点：

1. writing-plans → executing-plans：计划写完不会自动开干，需要显式执行
2. executing-plans → /browse 或 /qa：代码写完必须用真实浏览器验证
3. verification → requesting-code-review：自检和他人审查是两个独立的 pass
4. finishing-a-development-branch → /ship：分支收尾归 superpowers，发布流水线归 gstack

---

superpowers 和 gstack 解决了“如何高效开发”的问题，但还有一个关键缺失：每次开发的经验如何沉淀？

这就是 Compound Engineering（CE） 的价值所在。

4.1 三层工具协同架构

4.2 核心差异：备忘录 vs 知识库

• superpowers 的备忘录：解决“连续性”，线性传递给下一会话
• CE 的知识库：解决“积累性”，形成永续项目记忆，所有未来会话均可检索复用

这正是“Compound”的本质：每一次开发，产出不仅是代码，更是可复用的项目经验，越用越高效。

---

第 1 步：需求深度确认

执行 AI 反向访谈，锁定真实需求：

I’m about to start this project. Interview me until you have 95% confidence about what I actually want, not what I think I should want.

AI 通过多轮提问明确业务目标、用户场景、边界条件、非功能需求、验收标准。

第 2 步：项目启动与对齐（gstack）

执行 /office-hours，进入项目沟通模式，完成团队认知对齐。

第 3 步：产品维度评审（gstack）

执行 /plan-ceo-review，产品视角把关：

• 校验需求是否符合产品路线图
• 评估投入产出比
• 评审通过方可进入技术规划

第 4 步：技术架构评审（gstack）

执行 /plan-eng-review，工程视角风险校验：

• 评估技术方案兼容性
• 校验依赖服务、数据结构合理性
• 规避技术债

第 5 步：方案脑暴与规格细化（CE）

执行 /ce:brainstorm，输出 ≥2 种实现路径，收敛为清晰可执行的需求规格。

第 6 步：基于历史经验的详细规划（CE）

执行 /ce:plan：

• 自动检索项目历史、Git 记录、知识库
• 匹配既往经验、标注踩坑点
• 输出结构化执行计划

第 7 步：增量开发与任务执行（CE）

执行 /ce:work：

• 严格遵循单功能迭代
• 实时标记阻塞点、待确认问题
• 保持代码风格统一

第 8 步：多维度专项评审（CE）

执行 /ce:review，启动评审团，每个评审出具独立报告。

第 9 步：浏览器端真实体验测试（gstack）

执行 /qa，真实环境验收，确保功能在真实环境可用、稳定。

第 10 步：知识沉淀与复利积累（CE）⭐

这是最关键的一步：执行 /ce:compound，5 大子 Agent 并行提取全会话经验，生成标准化文档存入知识库，形成永续项目记忆。

第 11 步：版本整理与交付

修复所有评审/测试问题，执行代码合并、部署、发布。

---

三款工具并非竞品，而是 AI 开发的三层核心能力：

单一工具无法覆盖全场景，组合使用可让 AI Agent 在开发中持续沉淀经验、避免重复踩坑、效率指数级提升。

对于追求长效价值的开发者，/ce:compound 所带来的知识复利，正是 AI 开发突破效率瓶颈的核心关键——你的 Agent 每天写代码、改 Bug，而真正的价值，是让它把学到的东西永久留下来。

---

上述工作流不仅适用于通用软件开发，更是 Vibe Coding（氛围编程） 范式的**实践。如果你正在寻找一个完整的实战项目来验证这套方法论，不妨看看 AgenticCPS。

什么是 AgenticCPS？

AgenticCPS 是一套开箱即用的智能 CPS 联盟返利平台，深度融合 Vibe Coding、低代码 与 AI 自主编程 三大核心理念：

用自然语言告诉 AI 你想要什么，AI 自己写代码、自己测试、自己部署。

一个人 = 产品经理 + 架构师 + 全栈开发 + 测试工程师 + 运维工程师。

核心特色

典型场景示例

你说：「帮我接入唯品会联盟平台」

AI 自动完成： ✅ 分析唯品会联盟 API 文档 ✅ 生成平台适配器代码 ✅ 创建数据库配置表 ✅ 注册 MCP Tool 供 AI Agent 调用 ✅ 编写单元测试并验证通过 ✅ 生成 API 接口文档

用时：30 分钟。传统开发：2 周。

为什么推荐这个项目？

1. 完整验证了 CE 的知识复利理念：项目的 CPS 核心模块（20,000+ 行代码）100% 由 AI 自主编程完成，从数据库设计到 API 接口，全部通过规范化的 AI 编程工作流实现。
2. 内置 MCP AI 接口层：5 个 AI Tools 开箱即用（商品搜索、多平台比价、推广链接生成、订单查询、返利汇总），任何 AI Agent 无需写一行代码即可接入。
3. 一人公司**实践：适合想做电商返利副业、自由职业者、个人开发者快速搭建完整返利 SaaS。

开源地址：https://github.com/zhuangpengLI/AgenticCPS

技术栈：Spring Boot 3.5.9 + Vue 3 + Spring AI + MCP 协议 + Flowable 工作流

---

AgenticCPS —— 让每一个有想法的人，都能拥有自己的返利帝国。

一人公司 • Vibe Coding • AI 自主编程 • 低代码 • 开箱即用