三套 Agent Skills 工作流综合分析
Superpowers · gstack · Matt Pocock Skills 的相同底层问题与不同解法
总判断
三者都在解决同一个核心问题：
AI agent 默认会跳步、猜测、过早编码、缺少反馈回路。
差别在于解法尺度：
- Superpowers：行为纪律内核
- gstack：软件工厂操作系统
- Matt Skills：工程基本功卡组
它们不是互斥替代，更像三层不同粒度的控制面。
分析轴
比较这几件事：
- 入口调度：谁决定用哪个 skill
- 需求对齐：如何阻止错题快答
- 计划机制：如何把隐性判断变成工件
- 实现纪律：如何防止大泥球
- 反馈回路：测试、浏览器、QA、review
- 运行时重量：纯 Markdown 还是工具系统
- 记忆方式：文档、learnings、上下文恢复
输入材料
本地已有：superpowers-workflow.canvas
新拆解：
对应新画布：
gstack-workflow.canvasmattpocock-skills-workflow.canvas
本图聚焦异同，不重复全部节点。
Superpowers
Agent discipline kernel
入口：using-superpowers 总调度，哪怕 1% 可能适用也要先查 skill。
主链： brainstorming -> git worktree -> writing plans -> executing plans / subagent-driven dev -> TDD -> review -> verification -> finish branch。
质量兜底：systematic debugging、parallel agents、request/receive review、verification-before-completion。
气质：强制流程、强门禁、反跳步。
gstack
Software factory OS
入口：安装 + CLAUDE.md routing + proactive skill suggestion；跨 Claude Code / Codex / Cursor / OpenClaw 等 host。
主链：Think -> Plan -> Build -> Review -> Test -> Ship -> Deploy -> Reflect。
核心机制：/office-hours、/autoplan、multi-role review、browser daemon、QA、ship、canary、learn。
气质：产品交付全栈化，偏完整实现和真实反馈。
Matt Pocock Skills
Engineering craft library
入口：skills.sh 安装，用户挑选技能；/setup-matt-pocock-skills 建立 repo 契约。
主链：setup -> grill / grill-with-docs -> to-prd -> to-issues -> triage -> tdd / diagnose -> handoff。
核心机制：CONTEXT.md 领域语言、ADR、issue tracker、triage state machine、vertical slices、deep modules。
气质：小技能、可组合、保留人的控制。
三者共同点
-
先对齐再执行 Superpowers brainstorm；gstack office-hours；Matt grilling。
-
把判断写成工件 计划、design doc、PRD、issue、ADR、review report。
-
用反馈回路管住 agent TDD、debug loop、review、QA、verification。
-
反对只靠模型自信 都要求证据、验证或用户批准。
-
技能是 workflow，不是知识卡 每个技能都在规定行动顺序和停止条件。
差异 1：入口调度
Superpowers：最强制。using-superpowers 是总入口，先查 skill 再行动。
gstack：半自动。routing + proactive suggestions，用户也可直接 slash command。
Matt：最手动。安装后由用户/agent 选择小技能，只有 setup 建立共享契约。
从硬到软：Superpowers -> gstack -> Matt。
差异 2：流程覆盖面
Superpowers：覆盖开发生命周期，但重点是约束 agent 行为。
gstack：覆盖产品交付生命周期，从 idea 到 production canary。
Matt：覆盖工程活动的关键原语，不试图接管发布、部署、浏览器和团队运行。
从小到大：Matt primitives -> Superpowers dev lifecycle -> gstack product factory。
差异 3：运行时重量
Matt：主要是 Markdown 技能 + repo 文档契约。
Superpowers：以技能指令为主，带一些流程硬规则和子代理模式。
gstack：技能 + CLI + browser daemon + telemetry + learnings + config + host adapters。
运行时越重，自动化和反馈越强，但迁移和理解成本也越高。
差异 4：计划风格
Superpowers：brainstorm 得到批准后写 2-5 分钟小任务计划。
gstack：office-hours 先重构问题，再用 CEO / Design / Eng / DX gauntlet 审查。
Matt：grill-with-docs 对齐领域语言，再生成 PRD 和 vertical slice issues。
一个偏执行任务，一个偏产品决策，一个偏工程问题定义。
差异 5：实现纪律
Superpowers：TDD 是铁律，没有失败测试不写代码；worktree 和 subagent 分工强调隔离。
gstack：强调完整实现 blast radius，并用 review / QA / ship 管住结果。
Matt：强调 public-interface behavior tests、vertical slices、deep modules，避免水平切片和浅模块。
三者都反快写，但约束点不同。
差异 6：反馈回路
Superpowers：验证前不能说完成，review 失败回到 TDD。
gstack：反馈回路最外显，真实浏览器、截图、QA、benchmark、canary、security review 都成技能。
Matt：反馈回路更工程内核化，重点是 deterministic loop、reproduce、hypotheses、regression test。
gstack 强在运行反馈，Matt 强在诊断方法。
差异 7：记忆和沉淀
Superpowers：主要沉淀为计划、reviews、verification 和完成分支状态。
gstack：显式维护 project learnings、timeline、taste profile、builder profile、gbrain。
Matt：沉淀在 CONTEXT.md、ADR、issue tracker、handoff 文档。
一个偏过程状态，一个偏运行记忆，一个偏工程文档。
适用场景
Superpowers 最适合：想提升 agent 可靠性，避免跳步和虚假完成。
gstack 最适合：solo founder / 小团队用 AI 端到端 ship web 产品，需要浏览器、review、QA、发布闭环。
Matt 最适合：已有工程团队或个人 repo，想把 agent 拉回软件工程基本功，不想引入重运行时。
组合使用：Superpowers 做底层纪律，gstack 做交付工厂，Matt 补领域语言与工程切片。
可融合的理想架构
- Superpowers 作为 agent 行为内核：先查 skill、先 brainstorm、先计划、先验证。
- Matt 作为工程语义层：CONTEXT.md、ADR、issue tracker、vertical slices、deep modules。
- gstack 作为交付执行层：multi-role review、browser QA、ship、deploy、canary、learnings。
这样能同时获得：纪律、语义、反馈、交付闭环。
各自风险
Superpowers 风险：流程过刚，简单任务显得仪式化；如果技能触发过宽，agent 可能花太多时间在 process 上。
gstack 风险：强 opinion 和重基础设施让它更像一套操作系统；如果用户不想扩大 scope，会感觉被推着走。
Matt 风险：太轻，依赖使用者有纪律；没有端到端工具链时，执行和验证仍可能断在外部。
一句话总结
- Superpowers 回答：怎样让 agent 不乱来？
- gstack 回答：怎样让一个人像一支产品团队一样交付？
- Matt Skills 回答：怎样把 agent 拉回可维护的软件工程？
最强的不是三选一，而是按任务粒度切换：先用 Superpowers 管住行为，用 Matt 澄清工程语义，再在需要端到端交付时启用 gstack。