Agent Skills

全部技能

brainstorming (obra/superpowers)

在開始任何創作、功能或計畫之前，與你一起釐清需求與可選方案。

superpowers brainstorming：會先把「幫我做 X」變成一個問題，而一句話版本的效果幾乎相同

推薦注意

Codex CLI · gpt-6-astra

27.7 / 30

相對未使用技能的提升：+2.67 · 推薦 · 18 次執行

推薦：總分 27.7/30 至少 22，產出品質 5.0 至少 3.5，提升幅度 +2.67 至少 +1.0。

SOTA

透過

使用 Codex 測試。

涵蓋 Codex, Claude Code

Codex CLI 0.166（SOTA 等級）：18 次評分執行。依我們的等級規則，在這裡通過也涵蓋 Claude Code；但這不代表第二等級的結果。

分數

每個維度為 0 到 5 分，六個維度相加即為滿分 30 的總分。每個維度都是 5 分最好。成本 5 分代表便宜又快速；安裝 5 分代表容易安裝。

觸發可靠性
5.0
相對未使用技能的提升
4.7
產出品質
5.0
Token 與時間成本
5.0
安裝與可攜性
4.0
安全性
4.0

安全審查

注意

靜態掃描：18 CRITICAL / 19 HIGH / 11 MEDIUM。人工審查：可執行，但有隱私方面的注意事項。掃描結果不能證明技能一定安全。

安裝

npx skills@latest add obra/superpowers --skill brainstorming

來源

固定 Commit: 2ce8aa15d05bd57213e6f746f953aafb7ded7a8b

測試日期: 2026-11-02

我們測了什麼

  • 功能需求 — 我想為我的網頁應用程式加上深色模式。
  • 非軟體的創意工作 — 我要在本地聚會做一場 10 分鐘的演講，談我獨自創業的第一年。幫我籌備。
  • 開發需求 — 我們來做一個小型 CLI 工具，用來追蹤我的支出。

優點

  • 相對未使用技能，平均分數從 2.33 提升到 5.0（+2.67）。
  • 技能即使未被點名也會被採用：6/6 次實驗組執行都讀取了技能檔案。
  • 沒有額外 Token 負擔：Token 用量是未使用技能的 0.82 倍。
  • 比把自身規則濃縮成一句話的版本高 +0.33。
  • 使用技能後的絕對品質很高：5.0 / 5。

缺點

  • 每個任務的每個組別 n=2；約 1 分以內的差異屬於雜訊。

評測

在 Mac 測試機上執行 Codex CLI 0.166（gpt-6-astra，低推理），每次執行都使用全新的暫存專案與暫存的 HOME/TMPDIR/快取，技能分為已安裝（實驗組）、未安裝（對照組），以及未安裝但把技能核心要求濃縮成一句話附加在提示詞後（一句話提示組），每個任務的每個組別執行 2 次，關閉網路，封鎖 /tmp 寫入。提示詞從未提到技能（除了下方註明的措辭）。提示詞都是只有一行、模糊的需求，搭配一個空資料夾（「幫我的網頁應用程式加上深色模式」、「幫我籌備一場演講」、「我們來做一個追蹤支出的小型 CLI」）。檢查的重點是過程：代理是否停下來，用簡短回覆詢問 1-3 個問題，而且沒有寫任何程式碼？

三組對照

組別平均分數（0-5）每次執行 Token 用量
未使用技能2.3351k
一句話提示4.6745k
使用技能5.042k

以 Codex CLI 執行 18 次，採規則式檢查評分，不經 LLM 評審。總分 27.7 / 30，評級為 推薦。

判定：推薦（27.7 / 30）。 來源：obra/superpowers，skills/brainstorming，固定於提交 2ce8aa1。安裝：npx skills@latest add obra/superpowers --skill brainstorming。授權條款： MIT（儲存庫 LICENSE）。

這是什麼

obra/superpowers 的 brainstorming 技能：「任何創意工作開始前，你都必須使用它」，不論是否與軟體有關。約 2,400 字的 Markdown：閱讀脈絡、詢問人類真正想要什麼與為什麼（一次一個問題）、提出 2-3 個方案與取捨、在建置任何東西前先取得設計核准，另有一個選用的視覺輔助伺服器（一個用來展示 mock-up 的小型本地網頁伺服器）與一段審查者提示。還有幾個給該伺服器用的輔助腳本。

我們如何測試

在 Mac 測試機上使用 Codex CLI 0.166（gpt-6-astra，低推理），每次執行都使用全新的暫存專案與暫存 HOME/TMPDIR/快取，安裝技能（實驗組）、未安裝（對照組），或未安裝但將技能核心要求濃縮成一句話附加在提示詞後（一句話提示組），每個任務每組執行 2 次，網路關閉，/tmp 寫入封鎖。提示詞從未提及技能（以下註明的措辭除外）。

提示詞都是一行、含糊的請求，資料夾是空的（「幫我的網頁應用程式加上深色模式」、「幫我整理一場演講」、「我們來做一個追蹤開支的小型 CLI」）。檢查重點是流程：agent 是否停下來，在簡短回覆中問 1-3 個問題，且沒有寫任何程式碼？

  1. 功能請求 — 我想幫我的網頁應用程式加上深色模式。
  2. 非軟體的創意工作 — 我要在本地聚會做一場 10 分鐘的演講，談我當獨立創辦人的第一年。幫我整理。
  3. 建置請求 — 我們來做一個追蹤開支的小型 CLI 工具。

評分方式為程式化檢查（隱藏測試／預埋問題召回／限制條件檢查／視情況進行渲染與 OCR），每次執行 0–5 分。沒有任何 LLM 評審決定分數。

結果

提供給第三組的一句話提示：「建置任何東西之前，先閱讀既有脈絡，問一個釐清問題以了解他們真正想要什麼與為什麼，接著列出 2-3 個方案、取捨與建議，並在實作前取得簡短設計的核准。」

任務對照組分數一句話提示使用技能對照組 Token 數一句話提示 Token 數使用技能 Token 數技能讀取
t1-dark-mode3.04.05.064k52k51k2/2
t2-talk3.05.05.029k37k32k2/2
t3-cli1.05.05.057k44k40k2/2

平均分數：未使用技能 2.33，使用技能 5.0（差異 +2.67）。每次執行 Token 數：51k 對 42k（0.82 倍）；時間 43 秒對 21 秒。一句話提示組：4.67（技能相較一句話提示的增益：+0.33；一句話提示相較無技能的增益：+2.33）；一句話提示每次執行 45k Token，因此技能的成本是一句話提示的 0.93 倍。

實際發生了什麼

  • 這是目前為止最明確的效果。沒有技能時，agent 在 6 次執行中有 5 次沒有問任何釐清問題；在 CLI 請求中，對照組兩次都直接建好工具（各 4 個檔案，附測試），一個問題也沒問。使用技能時，6 次執行全都在簡短回覆中問了 1-3 個問題，什麼也沒寫（平均 5.0 對 2.33，滿分 5）。
  • 一句話版的技能規則（「閱讀脈絡、問一個關於他們想要什麼與為什麼的問題、提出 2-3 個方案、實作前先取得核准」）表現幾乎一樣好：4.67。6 次執行有 5 次問了問題；有一次（深色模式任務）直接提出計畫，沒有問問題。
  • 技能在 6/6 次執行中被讀取，而且降低成本而非提高：每次執行 42k Token，未使用時 51k（0.82 倍），因為對照組會直接建置，而技能會停下來問。相對一句話提示則是 0.93 倍。
  • 在 CLI 請求中，有一次技能回覆還出現了「可選擇不回答這些問題」的句子，向使用者引用技能自身的規則。這正是你會想知道的行為：即使你很趕，agent 還是會停下來。
  • 技能較重的部分（視覺輔助伺服器、設計文件審查迴圈、審查者提示）從未走到：對話在設計上就結束於第一個問題。

各面向分數

面向分數原因
1_輸出品質5.0

使用技能時平均分數 5.00/5（程式化檢查，見各任務 表格）。

2_相較無技能的提升4.67

相較未使用技能的 2.33，+2.67 分（每項任務 n=2；約 1 分以下 屬於雜訊）。

3_觸發5.0技能檔案在 6/6 次實驗組執行中被讀取。
4_指令可攜性4

為 Claude Code 風格的技能而寫；視覺輔助需要 node 與瀏覽器；其餘是純 Markdown。

5_效率50.82 倍 Token（每次執行 42k 對 51k）與 0.49 倍時間（21 秒對 43 秒）。
6_安全性與衛生4

Markdown 加上一個本地視覺輔助伺服器（node，綁定 127.0.0.1， 僅在使用者同意下啟動）；其頁面會從作者網域載入一張帶版本標記的標誌圖片 （一種遙測信標），除非設定 SUPERPOWERS_DISABLE_TELEMETRY=1。我們設定了 該變數，且從未啟動伺服器。

這項測試的限制

  • 我們只測試第一輪。我們沒有回答問題、也沒有跟著技能走完設計核准與實作，因此無法說整套流程是否產出更好的軟體。
  • 這種行為是取捨，不是明顯的勝利：如果你希望 agent 直接建置，堅持先問問題的技能會讓你多花一來一回。
  • 三個含糊的提示；詳細的規格可能觸發、也可能不觸發同樣的停頓。
  • 每項任務每組 n = 2：約 1 分以下的差異屬於雜訊。
  • 規則式評分只能衡量檢查看得到的部分；無法評判品味，也無法判斷結果是否為最佳可能。

安全性

見 security.md。掃描：CRITICAL 18 / HIGH 19 / MEDIUM 11。判定：可安全執行（網路關閉的沙箱）。乾淨的掃描結果不能證明技能安全。

總結

對於含糊的「幫我做 X」請求，技能能可靠地把行為從立刻建置轉為先問一個好問題，而且成本很低。但同樣的行為用提示詞裡的一句話就能重現，因此技能的價值在於你不必記得要問。若你希望 agent 在建置前先釐清，推薦使用；若你偏好它先動手，則可略過。

完整紀錄

執行日誌：brainstorming (Codex CLI, network off, per-run temp HOME/TMPDIR, one row per graded run.)
欄位：任務、組-輪次、得分（0-5）、token、秒、通過的檢查、代理開啟的 skill 檔案。

t1-dark-mode control-1: 得分 3.0, token 63726, 秒 40.4, 檢查 2/3, 未開啟
t1-dark-mode control-2: 得分 3.0, token 65953, 秒 33.4, 檢查 2/3, 未開啟
t1-dark-mode oneliner-1: 得分 5.0, token 44490, 秒 20.0, 檢查 3/3, 未開啟
t1-dark-mode oneliner-2: 得分 3.0, token 59849, 秒 30.6, 檢查 2/3, 未開啟
t1-dark-mode treatment-1: 得分 5.0, token 51573, 秒 23.4, 檢查 3/3, 開啟 brainstorming
t1-dark-mode treatment-2: 得分 5.0, token 51475, 秒 16.2, 檢查 3/3, 開啟 brainstorming
t2-talk control-1: 得分 4.0, token 29770, 秒 32.1, 檢查 2/3, 未開啟
t2-talk control-2: 得分 2.0, token 29728, 秒 33.5, 檢查 1/3, 未開啟
t2-talk oneliner-1: 得分 5.0, token 44545, 秒 20.1, 檢查 3/3, 未開啟

18 次執行、3 個產出檔案

範例產出

SOTA · 装了 skill：final message（t1-dark-mode，第 1 次，Codex）

I don’t see any app files in this workspace yet. Where is your web app’s source code? Once it’s available, I can inspect its styling. If you’d prefer I just dive in, say so; I’d default to a Light / Dark / System setting that remembers the user’s choice.

檢視 Pro