首页
/ Superpowers 在 Kimi Code 中的落地:插件清单、工具映射与完整安装实战指南

Superpowers 在 Kimi Code 中的落地:插件清单、工具映射与完整安装实战指南

2026-09-03 16:38:36作者:平淮齐Percy

本文基于仓库内的 Kimi Code 专用指南,讲解 Superpowers 技能框架如何以插件形式接入 Kimi Code:包括通过插件市场或 GitHub 仓库地址安装的完整命令、.kimi-plugin/plugin.json 清单的三个核心职责、Kimi Code 工具映射(skillInstructions)的逐条细节,以及基于仓库测试脚本的清单校验方法与故障排查步骤。读完后你可以独立完成 Superpowers 在 Kimi Code 中的安装、更新与验收,并能从源码层面理解其"零拷贝、零 hook"的集成原理。

安装 Superpowers 插件

Superpowers 已上架 Kimi Code 的插件市场,这是推荐安装路径:

/plugins

打开插件管理器后,进入 Marketplace > Superpowers 完成安装。

也可以直接从本仓库安装:

/plugins install https://github.com/obra/superpowers

如果需要验证尚未发布的 dev 分支内容,必须显式钉住分支:

/plugins install https://github.com/obra/superpowers/tree/dev

会话生效规则(关键前提):Kimi Code 只在新会话中应用插件变更。安装、更新、启用、禁用或重载插件之后,必须执行 /new 开启全新会话,改动才会生效。这一点是后续所有故障排查的第一检查项。

工作原理:.kimi-plugin/plugin.json 清单

Kimi 插件清单位于 .kimi-plugin/plugin.json,它与 Claude Code、Codex、Cursor 等其它 harness 的清单(如 .claude-plugin/.codex-plugin/)平级共存,但只负责 Kimi Code 这一条接入路径。清单一共做三件事:

  1. 指向已有的 skills/ 目录——即 "skills": "./skills/"
  2. 会话启动时加载 using-superpowers——通过 sessionStart.skill 字段实现;
  3. 提供 Kimi 专属工具映射——通过 skillInstructions 字段注入。

从源码结构看,清单的核心字段集中在 plugin.json#L21-L24

{
  "name": "superpowers",
  "version": "6.2.0",
  "skills": "./skills/",
  "sessionStart": {
    "skill": "using-superpowers"
  },
  "skillInstructions": "Kimi Code tool mapping for Superpowers skills: ..."
}

其中:

  • skills 直接引用仓库根目录的 skills/ 目录。该目录下包含 brainstormingsystematic-debuggingtest-driven-developmentsubagent-driven-developmentwriting-plansusing-git-worktrees 等 14 个技能目录,全部由 Kimi Code 从本仓库原样读取——没有拷贝的技能副本、没有符号链接、没有 hooks、没有额外运行时依赖
  • sessionStart.skill 指定每次会话启动时加载 skills/using-superpowers/SKILL.md。这个"元技能"负责建立整个框架的运行纪律:在任何响应(包括澄清式提问)之前必须先检查并调用相关技能、流程类技能(如 brainstorming、systematic-debugging)优先于实现类技能、以及一组"合理化借口"红旗清单(Red Flags)。它是 Superpowers 在 Kimi Code 中"自动生效"的入口;
  • skillInstructions 是 Kimi 专属的适配层,详见下一节。

另外值得一提的是,Kimi Code 的参考适配并没有走 using-superpowersreferences/ 目录那条路(该目录只有 Codex、Pi、Antigravity 三份工具参考文档),而是把适配说明内联在清单的 skillInstructions 字段里。这一差异在仓库的 harness 移植文档 docs/porting-to-a-new-harness.md 的对比表中也有记载:Kimi Code 一行的适配方式即"manifest 内联 skillInstructions"。

工具映射(Tool Mapping)

Superpowers 的设计原则是:技能描述的是动作语义,而不是写死某个运行时的工具名。"向用户提问""创建待办""派发子代理"这类表述在不同 harness 中解析为不同的具体工具。在 Kimi Code 中,这些语义解析为以下映射表:

技能中的动作描述 Kimi Code 工具
"Ask the user" / "ask clarifying questions" AskUserQuestion
"Create a todo" / "mark complete in todo list" TodoList
"Dispatch a subagent" Agent
"Invoke a skill" Kimi Code 原生 Skill 工具
"Read a file" / "write a file" / "edit a file" ReadWriteEdit
"Run a shell command" Bash
"Search file contents" Grep
"Find files by path or pattern" Glob
"Fetch a URL" FetchURL
"Search the web" WebSearch

上述映射并不是文档中的口头约定,而是完整写进了清单 skillInstructions 字段中,并配有几条比映射表更具体的执行细则:

AskUserQuestion 的使用规范:当技能要求向用户提问、给出多选选项或等待用户选择时,调用 AskUserQuestion 而不是把选项渲染成纯文本(除非该工具不可用或会话处于自动授权模式)。每次提供 1 个问题、2~4 个具体选项,并把推荐选项放在第一位、标签后加 (Recommended) 后缀。

子代理派发规范:当技能提到 Task tool (general-purpose) 或要求派发 implementer/reviewer 子代理时,使用 Kimi Code 的 Agent 工具并指定 Kimi 的子代理类型,不要general-purpose 作为 subagent_type 传入。具体分三类:

  • 实现类工作(implementation、code review、spec review、quality review,以及填写好的 Superpowers 子代理提示词模板):Agent + subagent_type: "coder",把完整填写的提示词贴入 prompt,并给出简短 description
  • 只读代码库探索(需要多轮搜索时):subagent_type: "explore"
  • 只读规划或架构设计:subagent_type: "plan"

并发与依赖约束:相互依赖的 Superpowers 子代理步骤必须串行执行;只有在工作相互独立、且后台代理可用时,才可以使用多个 Agent 调用或 run_in_background: true

MCP 工具:映射表末尾还规定,ReadWriteEditBashGrepGlobFetchURLWebSearch 以及 MCP 工具一律按 Kimi Code 实际暴露的工具名调用。

清单校验:tests/kimi 中的自动化测试

这套集成有一个轻量但严格对应的测试套件 tests/kimi/test-plugin-manifest.sh(由 tests/kimi/run-tests.sh 驱动)。测试用 Python 解析清单,断言的内容可以逐条对照理解"什么会让 Kimi 集成失效":

  1. 基础字段name 必须为 superpowersskills 必须恰好是 ./skills/sessionStart.skill 必须恰好是 using-superpowers
  2. 工具映射完整性skillInstructions 必须是非空字符串,且必须包含全部 12 个工具 token(AskUserQuestionTodoListAgentSkillReadWriteEditBashGrepGlobFetchURLWebSearch)——任何一条映射被误删都会让测试失败;
  3. 版本联动.version-bump.jsonfiles 列表中必须存在 { "path": ".kimi-plugin/plugin.json", "field": "version" } 条目,确保每次发版脚本统一抬升清单版本(与 package.json.claude-plugin/.cursor-plugin/.codex-plugin/gemini-extension.json 保持同步);
  4. 无越界字段:断言清单中不得出现 toolscommandshooksappsinjectconfigFileconfig_filebootstrap 这些字段——即测试从反面约束了"Superpowers 在 Kimi Code 上不引入 hook 或额外运行时"这一设计承诺。

更新与故障排查

更新插件

通过 Kimi Code 的插件管理器更新:

/plugins

选中 Superpowers 执行更新,更新完成后同样执行 /new 开启新会话。

排查一:插件未加载

  1. 运行 /plugins info superpowers 查看诊断信息;
  2. 确认插件处于启用(enabled)状态;
  3. 安装或更新后,用 /new 开启新会话。

排查二:直接 GitHub 安装装到了旧版本

当仓库存在 GitHub Release 时,Kimi Code 对"裸仓库 URL"的安装会取最新 release,而不是最新提交。如果要在下一个 Superpowers release 之前测试未发布变更,必须显式安装分支:

/plugins install https://github.com/obra/superpowers/tree/dev

排查三:技能不触发

  1. /plugins info superpowers 确认插件已启用;
  2. 执行 /new 开启新会话;
  3. 使用验收提示语测试:Let's make a react todo list。一次正常工作的安装,应该在写任何代码之前先加载 brainstorming 技能——这正是 sessionStart.skill: using-superpowers 建立的"先查技能、再响应"纪律在 Kimi Code 中的预期表现。

小结

Superpowers 接入 Kimi Code 的完整链路可以概括为:一份清单文件.kimi-plugin/plugin.json+ 一套零拷贝技能目录skills/+ 一段内联工具映射skillInstructions+ 一组可运行的清单测试tests/kimi/)。清单负责把会话启动、技能发现、工具语义三件事绑定到 Kimi Code 的原生能力上,而所有技能内容都直接读取自仓库本身,不产生任何副本或额外依赖。这也是该仓库多 harness 移植体系(详见 docs/porting-to-a-new-harness.md)中 Kimi Code 一行的标准实现形态。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
33
18
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.12 K
2.72 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
528
588
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
906
1.83 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
854
1.34 K
docsdocs
暂无描述
Markdown
891
5.78 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.53 K
1.01 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.34 K
1.45 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
987
506
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
540
384