全面对比 grill-me 和 Superpowers

大家好，我卡颂

最近我关于 grill-me 与 Superpowers 的系列推文受到很多朋友的喜欢。

两者都是当下非常受欢迎的 AI 编程工作流，star 都超过 10w。

今天就用这篇文章做个全面对比，方便大家选择。

设计初衷

两者主流程大体类似：

• 通过 AI 与你的多轮问答对齐需求

• 产出需求文档

• 将文档拆分为计划

• 执行计划

要聊他们的区别，最好的方式是从他们的 设计初衷 谈起。

grill-me 起源于作者 @mattpocockuk 作为程序员的自用 Skill 合集。

这意味着grill-me 带有大量作者个人风格，比如：

• Skill 被划分为：由开发者主动调用 / 由 Agent 根据情况自动调用

• 当讨论太长导致 Agent 上下文不够时，需要开发者主动调用 handoff 将讨论总结成文档，再开新会话继续讨论

Superpowers 的设计理念是 完整的软件开发方法论，这意味着很多复杂度都收敛到框架内部，比如：

• 开发者不需要知道什么时候该调用哪个 Skill，所有 Skill 都会在需要的时候被自动触发

当了解“设计初衷的区别”后，很多细节区别就很好理解了。

提问方式的不同

两者主流程的第一步都是“多轮问答对齐需求”，区别是什么呢？

Matt 是优秀的开发者，所以 grill-me 的假设是：你脑海里已有方案，只是缺少细节。

他的实现逻辑是：在树干的基础上通过与你不断讨论延伸出树枝，完成态是一棵完整的树状结构。

这意味着“如果你只有个念头，且交流时只被动 接受/拒绝 AI 的建议，那会被问非常多问题（因为产物是棵树，每个树枝都要照顾到）。

正确做法是：

• 交流前就有个主干

• 主动引导对话，一次对话长更多树枝

• 用 /prototype 等工具的产出给他额外信息

还是那句话，你得知道作者推崇的开发模式是什么，才能用好他。

Superpowers 的 brainstorming 假设是：你只有模糊的想法，Agent 就你的想法给你指方向。

类似：你在陌生城市问路，路人给你指个方向，你朝着正确的方向走一段路再问下个路人，直到到达目的地。

理论来说，使用后者被问的问题数会低于前者。

那么问题来了，grill-me 提问多，势必 Agent 掌握的信息更全面。

Superpowers 提问少，如何保证后续执行不跑偏呢？

还是那句话，了解设计初衷的区别，就懂了两者的区别。

grill-me 由于问的非常全面，后续流程做的很轻量，只有在代码写完后有个 review 流程。

Superpowers 在：

• 生成需求文档

• 需求文档转执行计划

• 计划执行过程中

都会派出多个 Reviewer，他们不仅把控代码质量，还会补齐很多缺失的需求细节。

这也导致了很多人诟病 Superpowers执行时间太长，太费 token。

如何选择？

AI编程 就是 不断纠正 想法 与 代码实现 之间的 偏差。

纠正的手段很多，比如：

• grill-me 通过大量提问对齐需求，减少偏差

• Superpowers 用多轮 review 减少偏差

归根结底，就是在如下三角之间找到平衡：

为了找到平衡，完全可以将这些工具拆开用，比如：

• 如果你用 Fable 5，模型足够聪明脑补一切，甚至可以省掉“来回提问对齐需求”这一步

• 如果你想减少注意力投入，也可以先用 brainstorming 定方向，再用 grill-me 对齐细节

• 如果你用的模型不够聪明，也可以在 grill-me 的代码生成流程中引入 Superpowers 的 Reviewer

如果你就想选一个用，那就看自己用的模型以及 Agent 是否支持 Goal 长程执行。

Superpowers 输出详细执行计划，这意味着他隐含的假设是：

• Agent 无法执行长程任务，所以需要 Plan 的 TODO 作为 Compact 后的执行锚点

• Agent 长程执行会有偏差，所以执行计划需要细致到“每一步做啥”

grill-me 的 implement 就 5 句话，定义了一个标准的 Goal 格式：

• 目标是什么：去查 PRD 或 issue

• 怎么做：TDD

• 执行约束：定期执行测试和类型检查

• 通过标准：使用 /review 验收通过

• 交付标准：提交 commit

本质是：假设 Agent 已经有好用的 Goal 能力