还在手动写code？ 🤯 这三大Claude Code 框架（Superpowers、GSD、gstack）将彻底颠覆你的开发流程，立刻看顶尖开发者都在用的秘密武器！
Superpowers、GSD和gstack是2026 年成长最快的三个Claude Code 开发框架，截至4 月分别累积约94,000、35,000 和50,000 个GitHub Star。它们试图解决同一个根本问题：AI 写程式已经够快了，但输出品质不可靠。三个框架的解法完全不同——Superpowers 约束流程、GSD 约束上下文、gstack 约束视角。这篇文章把它们的原始码和架构拆开来看，分析各自的设计假设、互补空间，以及一个来自Andrej Karpathy的AutoResearch专案带来的新可能。
AI 写程式的信任危机
2024 到2025 年，AI 程式工具的竞争焦点是速度。谁能更快生成程式码，谁就拿到用户。到了2026 年，焦点转了。根据ByteIota 的分析，Claude Code在开发者「最爱用」调查中拿到46% 的票，Cursor 19%，GitHub Copilot 9%。但即便是最受欢迎的工具，裸跑的Claude Code 仍然会跳过测试、架构混乱、安全漏洞四处埋。
问题出在哪？ AI 模型的能力不差，差在缺乏纪律。你叫它加一个功能，它可能写完了，但测试没附、实作方式跟讨论的不一样、程式码品质时好时坏。这像团队里那个写得飞快但从不做code review 的初级工程师。
社群的反应是搞框架，给AI 加规矩。而这三个框架分别从三个不同维度下手。
Superpowers：用流水线纪律压住AI 的散漫
Jesse Vincent（GitHub 帐号obra）是Perl 圈的老手，做过Request Tracker（上千个组织在用的开源票务系统），担任过Perl 5 的pumpking（负责语言发布的人），后来共同创办了高阶人体工学键盘公司Keyboardio。他在2025 年10 月Anthropic 推出Claude Code 外挂系统的当天发布了Superpowers 的第一版。
到2026 年1 月15 日，Superpowers 被正式收进Anthropic 官方外挂市场。截至3 月，它的GitHub Star 数已经超过94,000，是2026 年成长最快的开源专案之一，高峰期一天增加接近2,000 颗星。
Superpowers 的核心假设很直接：AI 的问题不在能力，在太散。给它一套严格的开发流程，它的输出就会稳定。
它把整个开发周期切成七个阶段：
| 阶段 | 做什么 | 关键机制 |
|---|---|---|
| Brainstorm | 结构化的需求对话，不是随便聊 | 苏格拉底式提问，按模组展示设计 |
| Spec | 生成规格书，每部分需要人确认才往下 | 强制分段确认 |
| Plan | 产出详细实施计划 | 细到每一步改哪个档案、预期结果、验证方式 |
| TDD | 强制测试驱动开发 | 先写测试再写程式码，写反了会被删除重来 |
| Subagent Dev | 分派子任务给独立agent | 每个任务开新的上下文窗口 |
| Review | 自动程式码审查 | 对照计划、coding standards、架构原则 |
| Finalize | 收尾，可开PR 或合并 | 自动化git 操作 |
这里面最有意思的设计是TDD 的强制性。其他框架会「建议」你写测试，Superpowers 会在你没写测试就开始写程式码的时候，把那段程式码删掉，然后强制你从测试开始。 chardet 函式库的7.0.0 版本就是用Superpowers 方法论开发的，结果是效能提升41 倍，准确率从94.5% 升到96.8%。
安装只要两行指令：
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace
Superpowers 也支援Cursor、Codex、OpenCode 和Gemini CLI。
GSD：彻底隔离上下文，让每个任务都拿到干净的200K 窗口
GSD（Get Shit Done）的作者Lex Christopherson（网名glittercowboy / TÂCHES）的自我定位很清楚：「我是一个独立开发者。我不写程式，Claude Code 帮我写。」
GSD 要解决的问题跟Superpowers 不同。它针对的是上下文衰退（context rot）。你跟Claude 聊了半小时，它会开始偷工减料、遗忘指令，甚至出现幻觉。这不是错觉。根据社群测试，上下文窗口用到50% 以上品质就开始下滑，70% 以上幻觉率明显升高。专案越大、对话越长，问题越严重。
GSD 的做法是彻底隔离上下文。它把工作拆成原子任务，每个任务都开一个全新的Claude 实例，拿到一个干净的200K 上下文窗口。主对话只做调度，负载维持在30-40%，不干重活。所有专案状态存成文本放在磁碟上，新session 可以读回来接着做。
GSD 原本是一组Markdown 提示词（v1），后来重写为TypeScript 应用程式（v2）。 v2 的差异在于它不再依赖LLM「读懂提示词然后乖乖照做」，而是直接在TypeScript 层面控制agent session——清上下文、注入档案、管理git 分支、追踪成本和token、侦测卡住的回圈、crash 恢复。
| 功能 | v1（Markdown 提示词） | v2（TypeScript 应用） |
|---|---|---|
| 上下文管控 | 靠LLM 自律 | 程式码层面强制清除 |
| crash 恢复 | 没有 | 自动从断点恢复 |
| 成本追踪 | 没有 | 内建token 和费用监控 |
| 并行任务 | 靠LLM 自己呼叫自己 | 原生支援wave-based 并行 |
| 卡住侦测 | 没有 | 自动侦测stuck loop |
GSD 的品质闸门也值得一提：schema drift detection 会在ORM 档案修改但没有对应migration 时发出警告；scope reduction detection 会在规划器偷偷砍掉你的需求时拦住它。
每个commit 都是原子的，可以单独revert，git bisect 能精确找到出问题的任务。
gstack：用角色治理取代通用AI
gstack的作者是Y Combinator的CEO Garry Tan。他在Palantir 做过工程师/ PM / 设计师，共同创办了Posterous（后来卖给Twitter），看过数千家新创公司从车库走到上市。 gstack 是他个人的Claude Code工作流，2026 年3 月12 日开源后，16 天内拿到50,000 颗GitHub Star。 TechCrunch 报导了这件事，社群反应两极——有人说是神器，有人质疑「config 档凭什么拿这么多星」。
gstack 的设计假设和前两者不在同一个维度。它不管你流程怎么跑，不管上下文干不干净，它管的是「谁来做什么决定」。
目前gstack 有23 个以上的slash command（它称为skill），每个对应一个特定角色。几个有代表性的：
| Skill 指令 | 角色 | 做什么 |
|---|---|---|
| /office-hours | YC 合伙人 | 六个关键问题重新框定你的产品 |
| /plan-ceo-review | CEO | 用四种模式（扩展/选择性扩展/维持/缩减）挑战产品方向 |
| /plan-eng-review | 工程经理 | 锁定框架、画资料流、列边界情况 |
| /review | 程式码审查者 | 多维度审查：架构、安全、测试覆盖 |
| /qa | QA 工程师 | 开真实浏览器（Playwright）执行E2E 测试 |
| /ship | 发布工程师 | 一键推程式码，自动跑测试覆盖稽核 |
| /design-review | 设计审查 | 侦测AI 生成的千篇一律UI |
读完gstack 的架构和原始码，它至少在做五件不同的事：
第一，角色聚焦。让Claude 以工程经理身份审查程式码，它会自动忽略「UI 颜色不好看」这种回馈，专注在框架和可维护性。以CEO 身份评估产品，它会问的是「这个需求背后的真正用户问题是什么」，而不是直接开始写code。
第二，资料编排。 /office-hours 产生的设计文件会被/plan-ceo-review 读取做产品审核，再被/plan-eng-review 读取锁定架构。每一步的输出成为下一步的输入，形成一条有序的决策链。
第三，品质管控。 Review Readiness Dashboard 追踪哪些审查跑了、缺什么。工程审查是唯一的硬性闸门，CEO 和设计审查是建议性的。
第四，决策偏好注入。 gstack 有一个叫做Boil the Lake 的核心哲学。湖泊可以煮沸，例如把一个模组的测试覆盖率做到100%。海洋煮不开，例如从头写一个完整系统。这个原则内建在每个skill 里，帮助AI 判断任务的合理边界。
第五，认知负载适配。当侦测到你开了多个并行对话，skill 会进入ELI16 模式（Explain Like I’m 16），重新交代完整上下文，避免上下文碎片化。
三个框架的互补地图
把三者放在一起看，它们约束的维度完全不重叠：
| 维度 | Superpowers | GSD | gstack |
|---|---|---|---|
| 核心假设 | AI 太散，需要流程纪律 | AI 品质取决于上下文干净度 | AI 品质取决于用什么视角思考 |
| 约束对象 | 开发过程 | 运行环境 | 决策视角 |
| 强项 | TDD、子任务拆分、计划执行 | 长时间自主作业、crash 恢复 | 产品思考、多角色审查、浏览器QA |
| 弱点 | 构建阶段以外的产品思考较少 | 角色分工不明确 | 构建阶段没有自己的skill |
| 作者背景 | Jesse Vincent，Perl 社群资深开发者 | Lex Christopherson，独立开发者 | Garry Tan，YC CEO |
| GitHub Stars（2026 年4 月） | ~94,000 | ~35,000 | ~50,000 |
gstack 最有意思的结构性缺陷在这里：它的流程是思考（/office-hours）→ 规划（/plan-*-review）→ 构建→ 审查（/review）→ 发布（/ship），但构建阶段没有对应的skill。 Claude Code 在这个阶段回到默认模式，直到你手动执行/review。而构建阶段恰恰是Superpowers（TDD + 子任务）和GSD（上下文隔离+ 原子commit）最擅长的地方。
理论上可以把它们组合。但卡在一个技术问题：Superpowers 在构建过程会弹出互动问答，Claude Code 的输入会被卡住。 GSD v2 因为是TypeScript 应用而不是Markdown 提示词，整合难度更高。
AutoResearch：无人值守的持续优化回圈
Andrej Karpathy 在2026 年3 月7 日发布了AutoResearch，一个让AI agent 自主跑实验的开源专案。发布一周内拿到超过26,000 颗GitHub Star，截至4 月已超过65,000 颗。
AutoResearch 的运作逻辑很简单：agent 修改程式码，在固定时间预算（预设5 分钟）内跑一轮训练，测量一个指标，指标改善就保留（commit），没改善就重置（revert）。循环重复。 Karpathy 自己用它跑了两天约700 次实验，找到约20 个真正的改进，把一个他认为已经优化到底的GPT-2 训练脚本再加速了11%。
Shopify CEO Tobi Lütke 把同样的模式套到Shopify 的模板引擎上，跑了93 次自动commit，渲染效能提升53%。
这个回圈模式搬到软体工程里，可以填补gstack 在构建阶段之后的空白。想像一个额外的/optimize skill：自动修改程式码→ 跑测试→ 测量覆盖率和Lighthouse 分数→ 指标涨了就提交，没涨就重置。这是在gstack 的发布阶段之后增加一个全新能力：无人值守的持续优化。
Karpathy 自己也在思考下一步——他在X 上写道，AutoResearch 要走向「多agent 非同步协作」，类似SETI@home 的分散式研究社群。目前GitHub 的分支结构（以master 为主干，PR 合并后回归）不太适合这种模式，但方向已经明确。
并行开发的现实：git worktree 比Conductor 实在
gstack README 里推荐用Conductor 来做并行开发，但没有提供官方方案。实际底层还是git worktree。 Claude Code 本身原生支援-w参数指定worktree，开几个tmux 窗口就能做到一样的事。
# 開 worktree
git worktree add ../feature-auth feature-auth
# 在新窗口啟動 Claude Code
claude -w ../feature-auth
社群已经有人提PR 要把这个做成gstack 的内建功能。对于需要同时跑多条开发线的团队，这比等一个还不存在的Conductor 官方方案务实得多。
怎么选：取决于你的痛点在哪
| 你的痛点 | 先试这个 | 原因 |
|---|---|---|
| AI 写的程式码品质不稳定，测试覆盖率低 | Superpowers | 强制TDD，流程纪律最严 |
| 专案大，Claude 对话到后半段品质崩坏 | GSD | 上下文隔离彻底，原子任务设计 |
| 产品方向不确定，需要多角度审查 | gstack | 角色治理，CEO/工程/设计多维审查 |
| 三者都想要 | gstack + 手动整合Superpowers 的TDD 原则 | 目前没有一键整合方案 |
| 已经有稳定流程，想做持续优化 | AutoResearch 模式 | 适合有明确指标的迭代 |
坦白说，我认为「框架战争」的说法有误导。这三者不在抢同一群用户。 Superpowers 对标的是缺乏工程纪律的solo developer，GSD 对标的是专案复杂度超过上下文窗口承载量的情境，gstack 对标的是需要产品思考能力的founder-engineer。它们的适用场景几乎不重叠，真正的问题是怎么把它们组合起来。
Superpowers 跟GSD 的差异到底在哪？
Superpowers 约束的是开发流程——七个阶段、强制TDD、子任务分派。 GSD 约束的是运行环境——每个任务拿到干净的200K 上下文窗口，主对话负载控制在30-40%。 Superpowers 确保AI「怎么写」的品质，GSD 确保AI「在什么状态下写」的品质。两者解决的问题不同，理论上可以叠加使用。
gstack 适合什么类型的开发者？
gstack 最适合一个人要同时扮演CEO、工程师、设计师、QA 的founder-engineer。它的角色系统把「用什么视角思考」结构化了。如果你只是需要AI 帮你写一个函式库、不涉及产品决策，Superpowers 或GSD 可能更直接。
三个框架可以一起用吗？
理论上可以。 gstack 负责思考和审查，Superpowers 的TDD 原则套在构建阶段，GSD 的上下文隔离防止长对话品质衰退。但目前没有一键整合方案，需要手动配置。主要技术障碍是Superpowers 在构建过程的互动问答会卡住Claude Code 的输入流。
AutoResearch 模式用在软体工程可行吗？
可行，但需要有明确的量化指标。测试覆盖率、Lighthouse 分数、回应时间这些有明确数字的维度适合用AutoResearch 的ratchet loop。涉及主观判断的维度（UI 美感、程式码可读性）不太适合。 Shopify CEO Tobi Lütke 已经在内部工具上验证了这个模式，93 次自动commit 带来53% 的渲染效能提升。
这些框架会被Claude Code 原生功能取代吗？
Anthropic 在2026 年1 月把Superpowers 收进官方外挂市场，这个讯号说明他们更倾向把好的社群方案整合进来，而不是自己重做。 Claude Code 的sub-agent 和worktree 功能已经在原生支援，但流程编排、角色治理这些更高层的抽象短期内不太可能变成原生功能。
