Raycast superpowers：用 AI 技能包让效率启动器真正“能思考”-北京尧图网络

superpowers 这个词最近在 Raycast 用户圈里热度涨得很快搜索“superpowers”和“想要安装 superpowers”的人肉眼可见地变多了。我第一次看到这个项目时第一反应是“这怕不是哪个超级英雄题材的界面美化包”仔细翻了一遍源码才发现完全不是那么回事——它是一套能把 AI 能力塞进日常操作的 Raycast 扩展集合作者是 SantiagoGitHub 仓库就叫 superpowers。简单说安装它之后你可以在 Raycast 的命令栏里直接输入“总结这篇文章”“润色这段英文”“从会议记录里提取待办”每一步背后都是一次经过精心设计的大模型调用而它把这些调用封装成了一个个可以随时搜索触发的技能。不用写代码、不用打开浏览器去复制粘贴 prompt、不用在终端和编辑器之间来回切换这是它最吸引人的地方。适合三种人一是 Raycast 的重度用户想给这个启动器加上“能思考”的能力二是经常要和长文本打交道的运营、产品、翻译、行政岗位三是想低成本研究 AI 工作流怎么落到日常工具里的技术爱好者。下面的内容我会从项目设计思路、安装步骤、实操玩法、参数调优到踩坑记录全部过一遍全部基于我实际折腾这个项目的经验尽量做到让没接触过的人也能照着复现。1. superpowers 到底是什么先想清楚再动手1.1 一个可组合的 AI 技能包而非单一命令很多人第一次打开项目仓库时会有点懵因为它不是一个“装完即用”的独立 App而是一堆扩展文件、构建脚本和技能定义目录的组合。项目里的核心概念是 skill也就是技能。每个技能本质上是一条预设好的指令模板包括名称、描述、触发方式、要发送给大模型的 prompt、以及控制输出行为的一些参数。你可以把它理解成一本“技能书”书里每一页都是别人总结好的、针对某种场景的调用方式。比如你在日常工作中经常要做“把会议纪要点整理成待办事项”传统做法是复制文本到 ChatGPT 网页再在输入框里手写一大段包含角色设定、任务目标、输出格式要求的提示词。而 superpowers 把这整个过程压缩成了一条命令你在 Raycast 里输入 action items粘贴进会议记录回车模型就基于技能里预设好的那套提示词去运行。技能把“写优质提示词”这件事沉淀了下来使用者不需要每次重新组织语言。项目里默认带了几十个这样的技能覆盖文本总结、翻译、改进写作、修复语法、代码解释、错误排查、情绪分析、角色扮演等常见场景。更重要的是这些技能可以单独编辑也可以由你自己新增。这种设计最大的好处是“可组合”团队里不同角色可以各取所需不用的技能也不会占用额外的心智负担。1.2 为什么要拆成技能卡而不是做一个全能插件这里有必要解释一下设计理念因为它直接决定你怎么使用和扩展。市面上一体化的 AI 助手插件很容易出现两类问题一是把太多任务塞进同一个命令里结果提示词互相打架输出质量不稳定二是参数高度黑盒用户想微调某个场景时不得不去改一大段综合代码。superpowers 的拆分式设计刚好避开了这两点。每个 skill 是独立的文件改一个不影响其他技能。当你想调整某个技能的表现比如“摘要不要太长”只需要打开对应的技能文件把 prompt 里的“输出 3 个要点”改成“输出 5 个要点”重新构建一次就好。这种“一技能一文件”的思路和现在前端组件化的理念异曲同工——单一职责、局部修改、全局稳定。从实际使用体验来说拆分还有一个隐蔽的营销优势用户会感觉自己拥有了一套“工具箱”而不是一个“黑箱子”。看到技能列表时人会自然而然地想“我是不是可以加一个自己的”进而开始研究怎么写技能文件。一旦进入这个状态工具就从一个消耗品变成了可以持续积累的资产。1.3 适合谁用、不适合谁用安装 superpowers 的综合门槛我评估下来大约是中等偏低需要能打开终端跑几条命令能理解 API Key 是什么遇到问题时愿意看报错信息。满足这三个条件的人半小时内肯定能跑通。如果完全不想碰终端那建议还是直接用网页版或者桌面客户端没必要折磨自己。它的强项是为“高频、重复、文本类”工作提供捷径。你每天要处理大量英文邮件、要读长文档出摘要、要根据调研材料整理内容这类任务用技能包会很顺手。反过来如果你主要想让它做“深度研究型对话”“多轮复杂推理”那技能包的固化 prompt 反而显得死板不如直接用聊天界面来得灵活。另外注意一个很容易踩的坑搜索 superpowers 时你会看到一堆同名或相似名称的项目比如某些游戏开发框架也叫 Superpowers。安装前一定要确认仓库地址是 GitHub 上的 santisbon/superpowers别下错项目浪费时间。2. 安装前需要准备的三件事2.1 Raycast 版本与宿主环境检查superpowers 跑在 Raycast 的扩展机制之上所以第一步是确保你有一台还在正常支持范围内的 Mac并且装好了 Raycast。Raycast 是一款 macOS 上的效率启动器核心能力是通过快捷键呼出命令窗口快速启动应用、搜索文件、管理剪贴板也支持安装各种扩展来接管更多操作。它和 Alfred、LaunchBar 是同一类产品但生态更开放扩展开发门槛也低。版本方面建议把 Raycast 更新到较新的正式版。有些老版本对扩展的导入和管理支持不完整容易出现“明明导入了却看不到命令”的情况。我在升级 Raycast 之前就遇到过这种诡异现象更新后就恢复正常了所以不要跳过这一步。检查版本的方式很简单打开 Raycast 设置找到 General 里面的 About看一下版本号即可不满意就直接去官网下载最新版。验证系统环境时还有一个小技巧用快捷键呼出 Raycast 命令窗口输入 “Extensions”确认能打开扩展管理面板。如果这一步正常说明扩展机制本身没问题后续导入操作不会遇到环境层面的阻碍。2.2 Node.js 环境确认superpowers 构建过程依赖 Node.js 和 npm所以命令行环境必须提前备好。项目本身的构建并不复杂但它调用了 Raycast 的扩展构建工具链要求 Node 版本不能太老。建议安装 Node.js 18 或更高的 LTS 版本太老的版本容易出现依赖安装失败或运行时报语法错误。检查当前版本在终端执行node -v npm -v能看到版本号且满足要求就说明基础环境没问题。如果提示 command not found说明 Node.js 还没有安装。macOS 上比较省心的装法是用 nvm 来管理 Node 版本避免直接用 sudo 往系统目录里写文件带来的权限问题。安装 nvm 后执行nvm install --lts再把默认版本切过去即可。这里提醒一句如果你的 Mac 上已经装了非常多乱七八糟的环境变量建议先在终端里确认node -v能正常输出再开始不然很可能是 shell 配置没加载导致明明装了却找不到命令。遇到这种情况重启终端或者手动source ~/.zshrc都能解决。2.3 API Key 与模型选型先决定“大脑”怎么来这是安装前最关键的决策点。superpowers 本身不包含任何 AI 模型它更像一个调度系统把技能里的 prompt 准备好发送给你指定的大模型服务再把结果收回来展示。所以你必须先决定“大脑”从哪里来。目前项目支持多种模型提供方常见的有 OpenAI、Anthropic、Groq以及本地的 Ollama。各方案的特点对比如下提供方获取方式成本特点OpenAIOpenAI 平台申请 API Key按 token 付费有免费试用额度生态成熟gpt-4o-mini 便宜响应快AnthropicAnthropic 平台申请 API Key按 token 付费Claude 系列长文本表现出色GroqGroq 平台申请 API Key当前有免费额度速度极快适合追求低延时Ollama本地安装无需联网免费隐私性最好需要 Mac 配置较强对多数人来说第一次尝试推荐先用 OpenAI 的 gpt-4o-mini。它便宜、响应速度快、综合能力足够日常使用拿来跑通流程最合适。如果经常处理超长文档且不在乎成本再考虑升级到 gpt-4o 或者 Claude。如果在意隐私、不想把公司内容发送到云端可以直接上 Ollama 跑本地模型虽然机器配置要求高一些但换来的是完全离线可用。API Key 是一串很长的随机字符通常以 sk- 开头用于验证你的请求身份。申请入口在对应平台的 API Keys 页面开通后复制保存好。它的安全性和密码同等重要不要提交到 Git 仓库、不要截图发到群里、不要随意留在共享文档里。后面配置的时候我们会把它填进 Raycast 扩展的偏好设置而不是写进代码。3. 实操安装从 clone 到跑通第一个技能3.1 拉取代码与安装依赖环境备好之后正式开始安装。先把项目源码拉到本地打开终端切到你希望存放项目的目录比如~/dev或者~/Projects然后执行git clone https://github.com/santisbon/superpowers.git cd superpowersclone 下来之后项目目录里会有一个package.json这是 Node.js 项目的清单文件记录了构建脚本和依赖项。执行依赖安装npm install这一步会下载构建所需的各种依赖包耗时取决于网络状况一般一两分钟内完成。如果在国内网络环境下跑得很慢可以考虑把 npm 注册源切换到国内镜像或者直接换用 pnpm 来安装。安装成功后执行构建npm run build构建过程会把项目的技能定义、扩展入口打包成 Raycast 可以直接识别的产物。看到类似 “built successfully” 的输出就说明这步过了。这里有个经验build 报错时不要慌绝大多数是 Node 版本问题或者依赖安装不完整。先看报错前几行定位到具体模块再搜索解决别一股脑重装浪费时间。3.2 在 Raycast 中导入扩展构建完成后打开 Raycast输入 “Import Extension” 并回车选择刚才 clone 下来的 superpowers 目录。注意要选包含package.json的那一层不要选到内部子目录。导入成功后Raycast 扩展列表里会出现 superpowers 的字样同时注册若干个可用命令。导入之后建议重启一次 Raycast让命令索引刷新。我一开始导入后直接搜索技能名结果怎么都搜不到重启之后就全部出现了。后来问了一圈才知道Raycast 在导入新扩展后偶尔不会立即刷新命令列表重启是最快的解。如果你在 Raycast 的扩展商店里也能搜到 superpowers也可以直接通过商店安装那样连命令行都不用碰。不过从我实测来看仓库直装的方式能让你更方便地修改技能文件后续自定义技能的路径更顺所以个人更推荐源码方式。3.3 配置 API Key最关键的决胜环节导入成功后还不能直接用因为没有配置模型服务的凭据。在 Raycast 的扩展管理页面里找到 superpowers进入偏好设置项你会看到一组配置字段通常包括 API Key、模型、API Base URL 等。如果你用的是 OpenAI就在 API Key 字段里粘贴以 sk- 开头的那串密钥模型字段填gpt-4o-mini或gpt-4oBase URL 保持默认即可。保存后随便触发一个技能测试如果能在几秒内返回结果说明配置成功。这里有一个非常经典的坑很多人习惯在终端里写export OPENAI_API_KEYsk-xxx然后发现 Raycast 里还是报 401。原因是 Raycast 是 GUI 应用它不会读取你 shell 配置文件里的环境变量终端里 export 只对命令行进程生效。所以哪怕你在终端里 echo 这个变量能正常输出Raycast 也完全感知不到。正确的做法就是老老实实把 Key 填进扩展偏好设置。如果用 Ollama 本地模型则不需要填 Key但要把 API Base URL 改成http://localhost:11434模型字段填你本地拉取的模型名比如llama3.1:8b。首次使用前记得先启动 Ollama 服务并确认模型已拉取不然会报连接错误。4. 核心玩法让 superpowers 真正开始干活4.1 一次技能调用的完整过程我们来拆解一次技能调用的完整链路这对后面排查问题很有帮助。假设我现在要总结一篇长文先复制文本到剪贴板按快捷键呼出 Raycast在命令栏输入技能关键词“summarize”。此时会看到 summarize 技能出现在列表里回车后它会读取剪贴板内容作为输入参数。接下来后端发生的操作是扩展把技能文件里预设好的 prompt 跟剪贴板内容拼接起来构造一次模型 API 请求。请求发到模型服务模型返回结果后扩展把结果显示在 Raycast 的窗口里。这时候你可以用快捷键复制结果、保存到文件或者直接关闭窗口。整个过程中用户感知到的只是“输入一个命令、粘贴内容、拿到结果”但背后涉及了命令注册、参数传递、API 调用、结果渲染四条链路任何一环出问题都会导致“技能没反应”或“报错”。理解了这个流程后面排查问题时就能按图索骥先看哪一环断了。4.2 长文摘要、翻译润色与信息提取的实战我实际用得最多的场景有三个分别对应三类技能。第一个是摘要类任务。以前读一篇动辄几千字的英文报告我需要先花十分钟通读再整理成要点。现在直接调用摘要技能粘进原文让它输出 3 到 5 个核心要点。实测下来摘要质量取决于两个因素原文的清晰度和 prompt 里的约束。技能文件里默认的 prompt 已经写得不错但如果你发现摘要总是偏长可以手动在技能参数里补一句“控制在 100 字以内”。第二个是翻译和润色。对经常写英文邮件的人来说写完初稿后用改写技能润一遍产出的语气比直接用翻译软件自然很多。这个技能在处理“中文直译成英文”的场景特别有效因为它会把整段语义一起调整而不是逐词替换。我自己的习惯是先自己用蹩脚英文写出来再丢给改写技能润色比先用中文写再翻译质量更高因为保留了原始表达的意图。第三个是信息提取。开会或访谈后往往有一大段转写文本手动整理待办非常痛苦。action items 这类技能会扫描文本把所有涉及任务、负责人、截止时间的句子提取出来按列表输出。我用它处理过不少会议纪要准确率虽然不是 100%但能把 80% 的整理工作量省掉剩下的微调很快。4.3 自定义技能把个人工作流沉淀成新技能卡用一段时间后你会发现默认技能不可能覆盖所有个人习惯。这时就可以动手写自己的技能。每个技能其实就是项目里skills目录下的一个文件用 Markdown 或者项目规定的格式写成内容包括技能名称、描述和 prompt 模板。拿我自己举例。我每周要审批一批技术方案的摘要统一格式是“背景、方案、风险、结论”。默认技能里没有这个于是我在 skills 目录下新建了一个文件prompt 写的是“把输入内容按背景、方案、风险、结论四段整理每段不超过 80 字。背景说明为什么做方案用三句话概括核心步骤风险列最重要的一条结论给出通过或不通过的建议”。构建后重新导入这个技能就出现在命令列表里了。这里建议新手第一次自定义技能时先复制一个已有技能文件再改不要从零开始猜格式。项目里每种技能文件的字段大概长什么样看两个例子就清楚了。改完之后记得重新执行npm run build并重启 Raycast否则修改不会生效。自定义技能的价值在于那些你反复用人工 prompt 完成的工作现在被固化成了一个随时可调用的命令长期积累下来就是真正属于你自己的“超能力”。5. 参数调优temperature、max_tokens 与模型选择5.1 temperature控制输出“发散程度”的旋钮用过 ChatGPT 的人都知道同一个问题多问几次可能得到不同答案。这个随机性的大小由 API 请求里的 temperature 参数控制。数值范围通常是 0 到 1 或 0 到 2具体取决于不同服务商的约定。OpenAI 体系下temperature 设为 0 表示输出接近确定几乎每次都一样设为 1 以上则更加发散和富有创造性。superpowers 的技能文件里经常能看到这个参数的配置。实际选值时按照任务类型来信息抽取、翻译、代码解释这类“要求准确”的任务用低温度比如 0.2 到 0.4改写润色这类“需要一点语言变化但不离谱”的任务用中温度比如 0.5 到 0.7创意写作、头脑风暴这类“希望模型放飞”的任务才用到 0.8 以上。我踩过的一个坑是某个摘要技能一直输出风格飘忽有时严谨有时口语化后来发现是技能的 temperature 设到了 0.9。调成 0.3 后输出稳定很多。所以当你觉得模型“太随机”时不要急着换模型先低头看看温度参数。5.2 max_tokens输出长度与截断的关系max_tokens 控制模型单次回复的最大 token 数量。注意这个参数不仅限制输出也直接影响计费因为 API 按 token 计费。token 的粗略换算规则是英文大约 4 个字符等于 1 个 token一个 300 单词的英文段落大概 400 token中文的换算更复杂大致 1 到 2 个字可能算 1 个 token但准确值以具体服务商文档为准。实际使用时如果摘要技能经常输出到一半就断了停在半句话上这大概率就是 max_tokens 设低了。比如你要它总结一篇 5000 字文章输出预算却只有 200 个 token模型写完要点第一部分就到顶了。设置的时候要按“预计输出长度的 1.5 到 2 倍”留余量宁可多设一些用不完也不要让它截断。另一个和 max_tokens 有关的坑是输出长度并不完全等于“字数限制”模型在生成过程中还会预留一些 token 给思考过程或格式符号。如果你发现输出总是在接近末尾时变成一段无意义的残句试着把 max_tokens 上调 30% 到 50% 再跑一次通常就正常了。5.3 模型选择思路不同任务配不同大脑很多用户配置好一个模型后就一直用到底这其实不是最优策略。superpowers 支持在偏好设置里切换模型针对不同技能用不同模型是完全可以的。我的选择逻辑很简单日常高频、简单任务用轻量模型复杂推理或长文档用重量模型。以 OpenAI 系为例gpt-4o-mini 适合摘要、翻译、改写、分类这些不需要深入推理的任务它便宜且快每天大量调用也不用担心费用爆表。gpt-4o 适合代码解释、复杂错误排查、推理链条较长的任务虽然贵一些但结果质量对得起价格差。如果用了 Anthropic 的 Claude长文档理解是它的一绝几乎不用担心上下文窗口不够。Groq 这个服务商的特点是快响应延迟极低。如果你对速度敏感比如希望技能跑起来“像本地应用一样流畅”Groq 值得一试目前有免费额度可以用。Ollama 则适合隐私要求极高的环境缺点是本地模型普遍比云端弱一些速度也取决于机器性能。一句话总结模型没有绝对的好坏只有适不适合当前任务按任务类型动态切换才是正解。6. 常见问题与排查经验6.1 401 / 403API Key 无效或没被读到这个报错几乎每个用户都遇到过。401 的含义是身份验证失败请求没有通过授权。排查步骤按顺序来先在扩展偏好设置里确认 API Key 粘贴是否正确有没有多余空格、有没有复制错前半段然后把 Key 拿到对应服务商的控制台测试一次最后确认 Key 没有过期、账户没有欠费。403 和 401 常常交替出现同样指向权限问题。除了上述排查外还要看是不是所选模型不对。某些模型的访问权限是单独开通的如果账户没有开通相应模型权限即便 Key 有效也可能遇到 403。根据我的经验至少有四成报错是“Key 写到了 shell 配置文件但 Raycast 根本读不到”造成的。看到 401 先回忆一下你是不是真的填进扩展设置里了这个话题前面提过值得再强调一遍因为真的非常常见。6.2 429 与超时限流和响应慢429 表示请求过多触发了服务商的限流机制。OpenAI 等平台对 API 请求有速率限制短期内调用太频繁就会触发。解决办法包括降低调用频率换用更高额度的套餐切换到一个额度更宽裕的模型。免费额度账户特别容易遇到这个不用太恐慌等一小段时间就会自动恢复。响应超时则要区分是模型慢还是网络慢。如果模型处理长文本时本身就慢属于正常现象把等待时间拉长即可如果纯英文短文本也迟迟不返回大概率是扩展配置的 API Base URL 指向不对或者当前使用的服务商连接不稳定。Ollama 本地模式下的超时一般和模型加载有关第一次调用要先把模型载入内存会明显慢于后续调用。经验做法是给“必用”的技能选一个稳定快速的模型组合。我会把所有轻量技能统一指向 gpt-4o-mini复杂技能才用更大的模型。这样既减少 429 概率也控制月度费用。6.3 技能不出现在 Raycast 列表里导入成功但搜不到命令这是个很磨人的问题。通常有三个原因一是导入目录层级不对选成了项目内的子目录二是构建没有成功dist产物缺失或有报错三是命令索引没有刷新需要重启 Raycast。逐一排查的办法是先重新执行npm run build确保构建输出正常再回到 Raycast 扩展管理页确认 superpowers 显示为已启用最后重启 Raycast在命令栏里输入技能名再搜一次。如果还不行把扩展删掉重新导入一遍。我遇到过一次技能不出现最后发现是旧版本扩展缓存删掉重导就好了。6.4 输出质量不佳时怎么办模型返回结果不满意先别急着骂项目。按这个顺序排查先看技能 prompt 是否够具体——很多默认技能考虑到通用性约束写得比较宽你可以再手动加上“用中文回答”“按列表输出”“不要超过 100 字”之类的硬约束再检查 temperature 是否合适太发散或太死板都往中间调最后才是考虑换模型。想调 prompt 不想直接改文件的话临时方案是在调用技能的时候在参数内容里直接把要求写进去。比如我就经常在输入的文本末尾追加一句“用自然中文不要逐字直译”效果立竿见影。长期方案则是改技能文件重新构建把规则固化下来下次直接用。6.5 避坑清单汇总最后把最容易踩的坑汇总成一张清单方便你收藏事项说明API Key 安全不要把 Key 提交到 Git 仓库泄露后立即去控制台重置环境变量误解Raycast 不读取 shell 里的 export 配置统一填到扩展设置里安装目录层级导入时选择包含 package.json 的根目录别选子目录模型与任务匹配轻量任务用轻量模型省钱又少踩限流修改技能后要重建编辑技能文件后必须重新 build 并重启 Raycast敏感数据注意云端模型会接收你粘贴的内容敏感信息优先用本地 Ollama预算控制长期密集使用前先估算 token 成本再决定模型档次我个人在实际操作中的体会是superpowers 这类工具真正改变的不是“能用 AI”而是“把 AI 用零成本地嵌入日常操作”。它让你不用每次为了一个小任务去打开网页端、组织 prompt、再复制回来而是在手头的工具里直接完成。第一次配置好之后我大概有两三天的时间都在不停触发各种技能看到自己想用的场景就试试这个过程特别能帮助建立对 AI 工具手感。后续比较有价值的扩展方向一个是把自己工作里反复出现的文本处理流程沉淀成自定义技能另一个是接上本地模型处理隐私内容。先把官方技能用熟再按自己的需求改动你会慢慢发现它确实配得上 superpowers 这个名字。

Raycast superpowers：用 AI 技能包让效率启动器真正“能思考”

相关推荐

IEC 61850客户端软件：SCL解析、MMS连接与GOOSE/SV仿真实战指南

Dockerfile镜像构建与优化实战指南

让AI coding agents产出impeccable前端设计的CLI工作流与约束管理实操

更多资讯

多模态RAG技术解析：从原理到工业实践

HTML+CSS实战笔记：从基础到高级布局技巧

数字人私有化部署全指南：从GPU选型到高流畅度优化

Win7老机VSCode+AutoX.js+安卓模拟器环境搭建与性能优化

ZeroQ：无需数据的神经网络量化技术解析

微服务架构的陷阱：何时该避免过度设计

今日更新

学生选课系统DFD图绘制指南：边界划分与分层校验实战

JIRA敏捷落地：Scrum角色权限、Sprint与燃尽图避坑指南

SEMI S8人机工程验收实战：从条款拆解到现场实测的完整指南

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？