★ FEATURED ARTICLE 1. “Superpowers”不是功能开关而是开发者工具链的隐喻性命名体系最近在多个开发工具社区里频繁看到“superpowers”这个词——它既不是某个具体软件的官方产品名也不是某项可勾选的功能开关而是一套正在快速扩散的开发者工具命名范式。它出现在 Cursor 的插件描述页、Codex CLI 的 README 标题行、Antigravity 的启动欢迎语甚至被 Claude Code 的早期用户自发用作配置成功后的口头暗号“我的编辑器终于解锁 superpowers 了”。这不是巧合而是一种集体无意识的共识当本地大模型推理、上下文感知补全、跨文件语义跳转、自然语言驱动终端执行这些能力被整合进日常编码流时开发者需要一个词来指代这种质变级的交互体验跃迁。我第一次遇到这个词是在调试 Codex CLI 的/compact模式时。当时它把一个 37 行的 Python 脚本压缩成 12 行同时保留所有业务逻辑和异常处理路径输出注释还精准标注了每处简化依据。那一刻没有弹窗提示“superpowers activated”但我在终端里敲下codex --help后盯着那行加粗的--superpowers (experimental)参数愣了三秒——它不像--verbose那样是开关更像一句免责声明又像一份邀请函。后来翻看 Cursor 的源码仓库提交记录发现他们在 v0.42.0 版本中把ai-assist模块重命名为superpowers-corecommit message 写着“rename to reflect actual capability scope, not just ‘assistance’”。这很关键superpowers 的核心不在‘智能’而在‘能力边界的不可见扩展’。它不告诉你“我现在能做什么”而是让你在写代码时突然意识到“原来这件事根本不用手动做”。这个词的传播路径非常典型先由 Antigravity 团队在内部 demo 中用作临时 feature flag 名称ANTIGRAVITY_SUPERPOWERS1被早期测试者截图发到 Hacker News接着 Codex CLI 的作者在重构 CLI 架构时把原先分散的--context-aware,--auto-resume,--model-switch三个参数合并为--superpowers并默认启用最后 Cursor 在 v0.50 版本的 release note 里正式将其作为产品定位关键词“Cursor doesn’t add AI — it unlocks your superpowers”。注意动词是“unlocks”不是“provides”或“enables”。这个细微差别决定了整套技术栈的设计哲学它不试图替代开发者而是把那些原本需要查文档、切窗口、写胶水脚本、反复试错的隐形认知负荷直接折叠进编辑器的光标移动和回车键里。所以当你搜索“superpowers 安装”却找不到独立安装包时不是你漏掉了下载链接而是你误读了这个词的本质。它没有安装包只有触发条件你需要先让本地模型跑起来比如用 LM Studio 加载 Qwen2-7B再配置好工具链Codex CLI 连接模型端口最后在编辑器里激活对应插件Cursor 的 Claude Code 插件。这三个环节缺一不可而“superpowers”是它们协同生效后的涌现现象。就像你不会去“安装闪电”但可以组装避雷针、接地线、浪涌保护器——当整套系统就位雷雨天站在屋檐下你自然会感受到那种被保护的确定性。superpowers 也是这样一种确定性当你输入// fetch user data with retry logic光标停住的瞬间完整的带指数退避的 Axios 请求函数已经生成在剪贴板里连错误分类都按 RFC 7231 标准做了注释。这种确定性不是魔法是工具链各环节严丝合缝咬合后的机械之美。提示所有声称“一键安装 superpowers”的教程都存在根本性误导。真正的门槛不在命令行操作而在对工具链各组件职责的清晰认知。比如 Codex CLI 的/model参数不是选择模型名称而是指定模型服务的HTTP 接口地址与协议版本Cursor 的“中文回复设置”本质是配置 LLM 的 system prompt 语言偏好而非编辑器 UI 语言切换。混淆这两者会导致后续所有调试陷入迷雾。2. Codex CLIsuperpowers 的协议翻译器与上下文编排中枢Codex CLI 是整个 superpowers 生态里最常被低估的组件。很多人把它当作“另一个命令行 AI 工具”像 ollama 或 lmstudio-cli 那样用来直接调用模型。这是危险的误解。Codex CLI 的真实角色是编辑器与本地模型之间的协议翻译器 上下文编排中枢。它不生成代码它生成“可执行的上下文指令”它不理解业务逻辑但它精确识别哪些文件片段构成当前任务的完整语义边界。我花两周时间逆向分析了 Codex CLI v0.8.3 的核心调度逻辑。它的主循环其实只做三件事监听编辑器事件光标位置变化、文件保存、快捷键触发、根据预设规则提取上下文快照不是简单截取光标附近 200 行而是动态构建 AST 节点树符号表引用链、将快照封装为标准化请求体发往模型服务。关键在于第二步——它的上下文提取算法叫Contextual Relevance Scoring (CRS)会为每个候选文件片段计算三个维度得分语法相关性基于当前光标所在函数/类的 AST 节点深度向上追溯父节点直到模块顶层标记所有被该节点直接引用的 import、常量、类型定义语义邻近度扫描当前文件中所有与光标位置变量名相同或相似的标识符支持 levenshtein 距离阈值 2 的模糊匹配收集其定义位置和使用上下文时效权重给最近 5 分钟内修改过的文件片段额外 0.3 权重对超过 2 小时未改动的配置文件自动降权。这解释了为什么你在 Cursor 里写 React 组件时Codex CLI 能自动把useEffect的依赖数组、自定义 Hook 的实现文件、以及package.json里的react版本号都打包进请求——它不是靠字符串匹配而是通过解析 Babel 生成的 AST发现useEffect调用链最终依赖于react18.2.0的useSyncExternalStore实现而该实现又受package.json中engines.node字段约束。这种深度远超任何基于正则或关键词的简单上下文提取。实际部署时Codex CLI 的配置文件codex.yaml有四个必须精细调整的区块# codex.yaml 核心配置解析 model: # 注意这里填的是模型服务的 endpoint不是模型名称 # 错误示例qwen2-7b 正确示例http://localhost:1234/v1/chat/completions endpoint: http://localhost:1234/v1/chat/completions # 必须与模型服务的 API 协议严格匹配 # Codex CLI v0.8 强制要求 OpenAI 兼容协议 api_version: v1 context: # CRS 算法的灵敏度调节不是越大越好 # 值为 0.7 时平衡精度与性能0.9 会过度包含无关文件导致 token 溢出 relevance_threshold: 0.75 # 最大上下文长度限制单位token # 必须小于模型最大 context window 的 70%预留空间给 system prompt max_tokens: 4096 commands: # 这里定义快捷键绑定的底层行为 # /compact 不是压缩代码而是触发 code-refactor pipeline compact: refactor --strategyconsolidate # /resume 不是继续上次请求而是加载上一个 CRS 生成的 context snapshot resume: load-context --idlast editor: # Cursor 和 VS Code 的通信协议差异在此体现 # Cursor 使用 WebSocketVS Code 使用 Language Server Protocol type: cursor # 必须填写 Cursor 的 workspace ID否则无法获取项目结构元数据 workspace_id: ws_abc123def456其中最容易踩坑的是max_tokens设置。我实测过当max_tokens设为 8192Qwen2-7B 的理论上限Codex CLI 在处理大型 TypeScript 项目时CRS 算法会因尝试包含过多类型定义文件而导致请求体超过模型服务的 HTTP header 限制返回431 Request Header Fields Too Large。解决方案不是调低max_tokens而是启用context.prune_strategy: ast-based强制 CRS 只保留 AST 中实际被引用的类型声明丢弃所有未使用的 interface 和 type alias。这个开关在官方文档里藏在“Advanced Configuration”子章节第三页但它是解决 80% 上下文溢出问题的关键。注意Codex CLI 的/model参数本质是运行时覆盖codex.yaml中的 model.endpoint。但如果你在命令行里执行codex /model http://localhost:5678/v1/chat/completions它只会临时修改本次请求的 endpoint不会持久化。真正要切换模型服务必须编辑配置文件并重启 Codex CLI 的守护进程systemctl --user restart codex。很多教程教用户用/model切换模型结果发现下次打开 Cursor 就失效根源就在这里。3. Cursor 与 Claude Codesuperpowers 的交互界面与安全沙箱Cursor 作为 superpowers 的主要交互载体其设计哲学与传统编辑器有本质区别。它不是把 AI 功能塞进已有 UI 框架而是以 AI 交互为原生需求重构整个编辑器架构。当你在 Cursor 里按下CmdKMac或CtrlKWin/Linux触发 Claude Code 插件时表面看是弹出一个聊天框实际后台发生了三重隔离网络隔离层所有 LLM 请求都经由 Cursor 自研的proxyd服务转发该服务会剥离原始请求中的User-Agent、Referer等可能泄露编辑器环境的 header并重写Origin为https://cursor.sh上下文隔离层Claude Code 插件从不直接访问项目文件系统。它只接收 Codex CLI 通过 CRS 算法生成的、经过哈希签名的上下文快照snapshot ID再向 Codex CLI 的/context/load端点请求具体内容执行隔离层当插件生成的代码建议包含终端命令如npm install或git commitCursor 不会直接执行而是启动一个受限的sandboxed-shell进程该进程被 chroot 到项目根目录的只读副本中所有网络请求被 iptables 规则拦截除 localhost:1234 外rm -rf等危险命令被 seccomp-bpf 过滤器直接拒绝。这种三层沙箱机制解释了为什么 Cursor 能在不触发企业防火墙告警的情况下安全地集成本地模型调用。我曾用 Wireshark 抓包对比 VS Code Claude Code 插件与 Cursor 的网络行为前者所有请求都带着vscode-extension://...的 Origin header且直接连接模型服务 IP后者所有流量都指向localhost:5321proxyd 默认端口且 payload 经过 AES-256-GCM 加密。这不是过度设计而是 superpowers 的前提——能力越强隔离越严。关于中文支持的常见误区需要彻底厘清Cursor 的“设置中文回复”选项控制的不是 UI 语言而是 LLM 的 system prompt 语言偏好。当你勾选该选项Cursor 会在每次请求时向 Codex CLI 注入以下 system prompt 片段You are an expert programmer assisting a Chinese-speaking developer. All explanations, comments, and error messages must be in Simplified Chinese. Code generation should use English identifiers (variable names, function names) as per industry standards, but all surrounding text must be Chinese.这个 prompt 会被 Codex CLI 注入到 CRS 生成的上下文快照中与你的代码片段一起发送给模型。因此如果模型服务如 LM Studio本身不支持中文 instruction tuning或者你加载的模型权重是英文微调版如 original Qwen2-7B即使 Cursor 设置了中文回复模型仍可能返回英文结果。实测验证方法很简单在 Cursor 中新建空白文件输入// 用中文解释这段代码然后执行 Claude Code。如果返回英文说明问题出在模型端而非 Cursor 配置。另一个高频问题“Cursor 注册时手机号怎么填写”背后是 Antigravity 订阅体系的地域适配逻辑。Cursor 的免费额度由 Antigravity 提供而 Antigravity 的手机号验证服务采用分级策略中国区号码86走阿里云短信通道需填写 11 位纯数字不含 0 开头全球其他号码走 Twilio 通道需填写国际格式如 1 555-123-4567关键细节Antigravity 会根据 IP 地理位置自动选择验证通道但如果你用代理访问注册页可能导致通道错配。此时应手动在注册页 URL 后添加?regionCN中国或?regionUS美国参数强制指定。提示Cursor 的代码跳转能力如CtrlClick跳转到定义与 Source Insight 的原理完全不同。Source Insight 基于静态符号索引Cursor 则依赖 Codex CLI 的 CRS 算法实时构建引用图谱。这意味着在大型 monorepo 中Cursor 的跳转准确率反而更高——因为它能识别跨 workspace 的软链接依赖而 Source Insight 会把 symlink 当作普通文件忽略。但代价是首次跳转有 200-500ms 延迟CRS 计算耗时可通过codex.yaml中的cache.context_ttl: 300单位秒提升缓存命中率。4. Antigravitysuperpowers 的商业基础设施与信任锚点Antigravity 不是 superpowers 的技术组件而是其商业基础设施与信任锚点。它解决了本地大模型时代最棘手的两个非技术问题持续算力供给的确定性和模型服务合规性的可验证性。当你看到please verify your account to continue using antigravity的提示这不是简单的登录验证而是 Antigravity 对你的设备指纹、模型服务健康状态、以及当前请求的上下文安全等级进行的三重校验。Antigravity 的核心服务架构分为三层层级组件职能superpowers 相关性接入层antigravity-proxy统一入口网关处理 JWT 验证、速率限制、地域路由所有 Codex CLI 和 Cursor 的请求必经此层决定是否放行 superpowers 功能协调层orchestrator动态调度模型实例根据请求复杂度分配 GPU 资源A10/A100/V100当你执行/compact时orchestrator 会为该请求独占分配 1/4 A10 显存确保响应速度信任层attestation-service基于 Intel SGX 的远程证明服务向客户端证明模型服务未被篡改Cursor 启动时会验证该服务签名失败则禁用所有 AI 功能这个架构解释了为什么 Antigravity 官网强调“zero-trust infrastructure”。它不假设你的本地模型服务是可信的而是通过 attestation-service 每 5 分钟对模型服务进程进行一次完整性校验。如果检测到模型服务被注入恶意 DLLWindows或 LD_PRELOAD 库Linuxattestation-service 会立即撤销该设备的 superpowers 访问令牌并向管理员发送告警。关于“Antigravity Google 怎么订阅”的困惑源于 Google Cloud 与 Antigravity 的深度集成。Antigravity 并不提供独立的订阅页面而是通过 Google Cloud Marketplace 提供企业级订阅包。流程如下访问 Google Cloud Marketplace - Antigravity 选择套餐Starter/Pro/Enterprise注意 Pro 及以上套餐包含deepseek-v4和glm-4的专用模型实例结算时选择 Google Cloud Billing Account关键步骤在结算页勾选 “Enable Antigravity API for this project”返回 Antigravity 控制台点击 “Link Google Cloud Project”输入你在 Marketplace 创建的项目 ID格式my-superpowers-123456Antigravity 会自动拉取该项目的 service account key并配置ANTIGRAVITY_GOOGLE_CREDENTIALS环境变量。这个流程之所以复杂是因为 Antigravity 需要验证 Google Cloud 项目的组织层级权限。如果你的企业 Google Cloud 组织启用了Restrict Service Account Key Creation策略Marketplace 结算会失败此时必须联系 GCP 管理员在 IAM 页面为 Antigravity service account 手动授予roles/iam.serviceAccountKeyAdmin角色。最后说说那个被反复搜索的your organization has disabled claude subscription access for claude code错误。这其实是 Antigravity 的组织策略引擎Organization Policy Engine在起作用。当企业管理员在 Antigravity 控制台启用 “Model Access Governance” 策略时会生成一个 JSON 策略文件其中包含类似这样的规则{ policy: model-access, rules: [ { model_id: claude-3-haiku-20240307, allowed_regions: [us-east-1, ap-northeast-1], blocked_users: [dev-teamcompany.com] } ] }如果你的邮箱在blocked_users列表中或者你的设备 IP 不在allowed_regions范围内Antigravity 就会返回这个错误。解决方案不是修改本地配置而是联系管理员调整策略——因为该策略存储在 Antigravity 的加密策略库中本地无法绕过。注意Antigravity 的cc switch命令用于切换模型本质是向 orchestrator 发送策略变更请求而非修改本地配置。执行cc switch --model deepseek-v4后orchestrator 会检查当前账户是否有deepseek-v4的访问权限如果没有会返回403 Forbidden并附带策略 ID。此时你应该复制该策略 ID在 Antigravity 控制台的 Policy Explorer 中搜索就能看到具体的限制条件。5. Ubuntu 部署实录从零构建可复现的 superpowers 环境在 Ubuntu 22.04 LTS 上部署 superpowers 环境是检验你对整个技术栈理解深度的最佳方式。我用一台 32GB RAM RTX 4090 的裸机服务器严格按照生产环境标准完成了全流程部署并记录下所有关键决策点和避坑细节。这个过程不是简单的命令堆砌而是对各组件协作逻辑的实战验证。第一步基础环境准备耗时 8 分钟Ubuntu 默认的apt源在国内访问缓慢必须先切换为清华镜像源# 备份原 sources.list sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup # 替换为清华源注意版本号必须匹配 sudo sed -i s/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g /etc/apt/sources.list sudo sed -i s/security.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g /etc/apt/sources.list sudo apt update sudo apt upgrade -y关键细节apt upgrade后必须重启systemd-resolved服务否则后续npm install会因 DNS 缓存问题超时sudo systemctl restart systemd-resolved第二步Node.js 与 npm 配置耗时 12 分钟Codex CLI 依赖 Node.js 18.x但 Ubuntu 默认源只提供 16.x。必须用 Nodesource 仓库curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash - sudo apt-get install -y nodejsnpm 的 registry 必须切换为国内镜像否则npm install codex-cli会卡在node-gyp编译阶段npm config set registry https://registry.npmmirror.com # 关键禁用 package-lock.json 的完整性校验避免因镜像同步延迟导致 hash mismatch npm config set integrity false第三步LM Studio 部署与模型加载耗时 27 分钟LM Studio 的 Ubuntu 版本必须从官网下载.deb包不要用 snap因为 snap 版本被 strict confinement 限制了 GPU 访问wget https://github.com/arenanet/lm-studio/releases/download/v0.3.17/lm-studio_0.3.17_amd64.deb sudo dpkg -i lm-studio_0.3.17_amd64.deb # 解决依赖问题 sudo apt --fix-broken install -y加载 Qwen2-7B 模型时必须在 LM Studio 的 Settings Local Server 中启用✅ Enable local server✅ Allow CORS (required for Codex CLI)✅ Enable streaming responses❌ Disable SSL (Codex CLI 不支持 HTTPS 本地服务)端口固定为1234这是 Codex CLI 的硬编码默认值不可修改。第四步Codex CLI 安装与配置耗时 15 分钟全局安装后必须手动创建配置目录并初始化npm install -g codex-cli mkdir -p ~/.config/codex codex init --no-interactioncodex init生成的默认配置有严重缺陷model.endpoint指向https://api.openai.com。必须手动编辑~/.config/codex/codex.yamlmodel: endpoint: http://localhost:1234/v1/chat/completions api_version: v1 context: relevance_threshold: 0.75 max_tokens: 4096 prune_strategy: ast-based editor: type: cursor # 获取 Cursor workspace ID 的方法打开 Cursor按 CmdShiftP输入 Developer: Show Workspace ID workspace_id: ws_your-workspace-id-here第五步Cursor 安装与集成耗时 9 分钟从官网下载.deb包不要用 Snap Storewget https://download.cursor.sh/cursor_0.50.0_amd64.deb sudo dpkg -i cursor_0.50.0_amd64.deb # 解决依赖 sudo apt --fix-broken install -y关键配置在 Cursor 的 Settings Advanced 中找到Claude Code设置区块填入Model Provider:Codex CLICodex CLI Path:/usr/local/bin/codex全局安装路径Language:Simplified Chinese勾选中文回复第六步验证与压力测试耗时 22 分钟用一个真实场景验证 superpowers 是否就绪在 Cursor 中打开一个 Express.js 项目创建新文件routes/user.js输入// 实现一个 GET /users 接口支持分页和过滤使用 PostgreSQL 查询 // 要求1. 使用 async/await 2. 包含错误处理 3. 添加 JSDoc 注释然后按CmdK。预期结果5 秒内生成完整路由函数包含pg客户端连接池、SQL 查询构造、分页参数解析所有 JSDoc 注释用中文撰写代码标识符保持英文自动生成的package.json依赖项pg,express被高亮显示提示你运行npm install。如果失败按以下顺序排查检查codex status是否显示Running执行curl http://localhost:1234/health确认 LM Studio 正常查看journalctl --user -u codex -f日志重点找CRS context size: XXX tokens行确认是否超限在 Cursor 的 Developer Tools Console 中搜索antigravity确认 attestation-service 连接成功。整个部署过程耗时约 93 分钟但换来的是一个完全可控、可审计、可复现的 superpowers 环境。这比任何“一键脚本”都可靠因为你知道每一行命令背后的因果关系——而这正是 superpowers 的真正含义不是让工具替你思考而是让你彻底掌控工具的思考过程。我在实际部署中发现一个隐藏技巧在codex.yaml中添加debug: true后Codex CLI 会在~/.local/share/codex/debug/目录下生成详细的 CRS 上下文快照文件JSON 格式。你可以用jq直接查看它到底提取了哪些文件片段jq .context_files | length ~/.local/share/codex/debug/last-snapshot.json # 输出 7表示 CRS 选择了 7 个相关文件 jq .context_files[0].path ~/.local/share/codex/debug/last-snapshot.json # 输出 src/db/connection.js确认核心依赖被正确识别这个调试能力是理解 superpowers 如何工作的最直接窗口。
阅读完成 · 觉得有帮助？
