# 策展 · X (Twitter) 🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：卡颂 (@kasong2048) · 平台：X (Twitter) · 日期：2026-07-08

> 原始來源：https://x.com/kasong2048/status/2074449455122960448

## 中文摘要

# 全面比較 grill-me 與 Superpowers

大家好，我是卡頌。

最近我關於 grill-me 與 Superpowers 的系列推文受到很多朋友的喜愛。

![一則關於 AI Agent 發展趨勢與技術實踐的社群媒體貼文截圖。](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/7975abbae46e783c.jpg)

<details class="chart-data"><summary>展開畫面重點</summary><div class="me-note">該貼文由帳號「卡頌」於 7 月 2 日發布，內容探討 AI Agent 發展不同時期的技術實踐。文中提到「Superpowers」與「Grill with Docs」分別代表了不同階段的趨勢。

貼文文字轉錄如下：
「為什麼之前 Superpowers 很火，最近 Grill with Docs？因為他們是 Agent 發展不同時期的最佳實踐

Superpowers 的流程會輸出詳細執行計畫，這意味著他假設：
1. Agent 無法執行長程任務，所以需要 Plan 的 TODO 作為 Compact 後的執行錨點
2. Agent
Show more」

畫面包含社群媒體的互動數據：129 則回覆、82 次轉發、690 個喜歡，以及 77K 的瀏覽次數。</div></details>

兩者都是當下非常受歡迎的 AI 程式開發工作流，star 數都超過 10w。

今天就用這篇文章做個全面比較，方便大家選擇。

## 設計初衷

兩者主流程大體類似：

1. 透過 AI 與你的多輪問答對齊需求

2. 產出需求文件

3. 將文件拆分為計畫

4. 執行計畫

要聊他們的區別，最好的方式是從他們的「設計初衷」談起。

grill-me 起源於作者 @mattpocockuk 作為程式設計師的自用 skill 合集。

這意味著 grill-me 帶有大量作者個人風格，例如：

- skill 被劃分為：由開發者主動呼叫 / 由 Agent 根據情況自動呼叫

- 當討論太長導致 Agent 上下文不足時，需要開發者主動呼叫 handoff 將討論總結成文件，再開新對話繼續討論

Superpowers 的設計理念是「完整的軟體開發方法論」，這意味著很多複雜度都收斂到框架內部，例如：

- 開發者不需要知道什麼時候該呼叫哪個 skill，所有 skill 都會在需要的時候被自動觸發

當了解「設計初衷的區別」後，很多細節區別就很好理解了。

## 提問方式的不同

兩者主流程的第一步都是「多輪問答對齊需求」，區別是什麼呢？

Matt 是優秀的開發者，所以 grill-me 的假設是：你腦海裡已有方案，只是缺少細節。

他的實作邏輯是：在樹幹的基礎上透過與你不斷討論延伸出樹枝，完成態是一棵完整的樹狀結構。

這意味著「如果你只有個念頭，且交流時只被動接受/拒絕 AI 的建議，那會被問非常多問題（因為產物是棵樹，每個樹枝都要照顧到）。」

正確做法是：

1. 交流前就有個主幹

2. 主動引導對話，一次對話長更多樹枝

3. 用 /prototype 等工具的產出給他額外資訊

還是那句話，你得知道作者推崇的開發模式是什麼，才能用好他。

Superpowers 的 brainstorming 假設是：你只有模糊的想法，Agent 就你的想法給你指方向。

類似：你在陌生城市問路，路人給你指個方向，你朝著正確的方向走一段路再問下個路人，直到到達目的地。

理論來說，使用後者被問的問題數會低於前者。

那麼問題來了，grill-me 提問多，勢必 Agent 掌握的資訊更全面。

Superpowers 提問少，如何保證後續執行不跑偏呢？

還是那句話，了解設計初衷的區別，就懂了兩者的區別。

grill-me 由於問得非常全面，後續流程做得非常輕量，只有在程式碼寫完後有個 review 流程。

Superpowers 在：

- 生成需求文件

- 需求文件轉執行計畫

- 計畫執行過程中

都會派出多個 Reviewer，他們不僅把控程式碼品質，還會補齊很多缺失的需求細節。

這也導致了很多人詬病 Superpowers 執行時間太長，太費 token。

## 如何選擇？

AI 程式開發就是不斷糾正「想法」與「程式碼實作」之間的「偏差」。

糾正的手段很多，例如：

- grill-me 透過大量提問對齊需求，減少偏差

- Superpowers 用多輪 review 減少偏差

說到底，就是在如下三角之間找到平衡：

![這是一張呈現「模型的先進程度」、「開發者的注意力資源」與「token 資源」三者之間關係的三角形概念圖。](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/eff237938735ae19.jpg)

<details class="chart-data"><summary>展開畫面重點</summary><div class="me-note">圖片為一個三角形結構，三個頂點分別標示了以下文字：
- 頂點：模型的先進程度
- 左下頂點：開發者的注意力資源
- 右下頂點：token 資源

該圖表以藍色線條勾勒出三角形的邊框，用以表示這三個要素在某種系統或開發環境中可能存在的權衡或關聯關係。</div></details>

為了找到平衡，完全可以將這些工具拆開用，例如：

- 如果你用 Fable 5，模型足夠聰明腦補一切，甚至可以省掉「來回提問對齊需求」這一步

- 如果你想減少注意力投入，也可以先用 brainstorming 定方向，再用 grill-me 對齊細節

- 如果你用的模型不夠聰明，也可以在 grill-me 的程式碼生成流程中引入 Superpowers 的 Reviewer

如果你就想選一個用，那就看自己用的模型以及 Agent 是否支援 Goal 長程執行。

Superpowers 輸出詳細執行計畫，這意味著他隱含的假設是：

1. Agent 無法執行長程任務，所以需要 Plan 的 TODO 作為 Compact 後的執行錨點

2. Agent 長程執行會有偏差，所以執行計畫需要細緻到「每一步做啥」

grill-me 的 implement 就 5 句話，定義了一個標準的 Goal 格式：

- 目標是什麼：去查 PRD 或 issue

- 怎麼做：TDD

- 執行約束：定期執行測試和型別檢查

- 通過標準：使用 /review 驗收通過

- 交付標準：提交 commit

本質是：假設 Agent 已經有好用的 Goal 能力。

## 標籤

Agent, 教學資源, 產業趨勢, grill-me, Superpowers