简介
subagent-driven-development 技能为执行复杂的实施计划提供了一个框架，通过将单个任务委托给专业的、上下文隔离的 AI 子代理来完成。它解决了 AI “上下文污染”的常见问题：在漫长的单次会话中，模型容易失去焦点、忘记约束条件或被之前的错误所迷惑。
核心理念
“每个任务分配全新的子代理 + 双阶段审查”。通过为每个特定步骤创建一个干净、隔离的环境，并强制执行严格的审查（规范合规性，然后是代码质量），确保了高质量的代码产出和更快的迭代速度。
安装与调用指南
https://github.com/obra/superpowers
工作流程解析 (SOP)
- 评估任务独立性：使用决策树来验证计划中的任务是否足够独立，以便在子代理之间拆分。紧密耦合的任务将被转移至手动执行流程。
- 调度实施者：一个全新的子代理仅被赋予执行一项任务所需的特定上下文。它负责实现、测试、提交和自我审查。
- 双阶段审查：该技能强制要求“规范审查者”验证代码是否符合需求。只有通过后，“代码质量审查者”才会检查架构和代码风格。
- 模型选择：明确指示用户根据任务的复杂性匹配相应的 AI 模型规模（例如，使用更便宜、更快的模型处理机械性任务，将高级模型保留用于架构审查）。
技能设计评价
- 人类经验 SOP 化的亮点：为每个任务引入了严密的双阶段审查流程（先查规范合规性，再查代码质量）。利用 DOT 图表在逻辑和视觉上清晰地映射了何时以及如何调度子代理的决策树。
- 潜在的局限性：为每个任务管理多个子代理并执行严格的双阶段审查，可能会过于复杂，并拖慢紧密耦合功能的开发速度。
- 优质技能的评判标准：通过明确指导用户为机械性任务选择成本最低的 AI 模型，而将高级模型保留给架构和审查任务，体现了对成本和执行效率的深度优化。