Superpowers 6.11 发布：Fable 5 夜里自跑25个实验，开发成本砍半！
公众号名称：程叙架构与AI.
作者名称：AI兴观点
发布时间：2026-07-07 09:50
原文链接：https://primeradiant.com/blog/2026/superpowers-6.html
✅点击上方🔺公众号🔺关注我✅
45 个小时，25 个实验，$165 的 token——一个开发框架把自己改了一半。
Superpowers 是一套给 coding agent 用的开发流程。你告诉它想法，它跟你对需求、出 spec、拆任务、TDD 红绿重构、代码 review，然后完成。它不绑定 IDE 或模型，Claude Code、Codex、Cursor 都能跑。
这套流程很扎实，但有两个一直被吐槽的问题：慢，贵。创始人 Jesse Vincent 不是没想改，是一直没找到好的突破口。直到 Anthropic 发布了（又撤回的）Fable。
Superpowers 6 比上一代快 50%，省 60%。
而且最值钱的改进不是 Jesse 熬夜搞出来的——是 Fable 在他睡觉时自己跑出来的。
Superpowers 6 的核心改进
过去几周 Jesse 一直在准备 5.2 版本。Fable 的出现让他把眼光放到了更大的优化上。除了速度 50%、token 60% 的账面上的提升，Superpowers 6 还有几项来自官博的升级。
新平台支持： Pi、Antigravity、Kimi Code 现在都可以跑。同时对 Codex、OpenCode、Cursor 做了更好的兼容。
底层 skill 架构重构： 大量 skill 被改写成模型和平台无关，不管跑在哪个 Agent 上行为都更稳定。GitHub 上已经有人开始按新的 contribution guide 接入新平台。
Visual Brainstorming 升级： 视觉构思功能更好用了，也更安全、更可靠。
修了一批 bug： 包括一个挺恶心的——代码 review subagent 有时候不是在 review 当前任务，而是把整个分支拎起来再审一遍。
但这些改进都不如 Fable 实验里挖出来的那三个优化值钱。
三刀砍在关键位置
Jesse Vincent 发的那条总结推文
1. Code review 合并。 原先每个任务要过两轮 review：一次检查 spec 合规（有没有做多或做少），一次检查代码质量。两个 agent 各看各的，中间大量上下文切换。合并后省了大幅 token 和耗时。
2. 预生成 review packet。 review agent 不需要自己跑 git 查 diff。提前把格式好的 diff 和元数据打包好，reviewer 拿到就能审。光是这一步就砍了大约 10% 的 token。
3. 动态 agent 分配。 简单任务派便宜模型（Haiku），复杂任务派强模型，不再一刀切。省了 $0.5–$1 每个任务，而且便宜模型执行简单任务的质量完全没问题。
45 小时实验是怎么跑的
第一天下午，Jesse 在 Fable 里丢了一行指令：
/goal once this is done, run an autoresearch loop to improve cost-efficiency
of the superpowers build loop. test with opus as the coordinator.
make an hypothesis log. run experiments. run at least 25 experiments.Fable 自己搭了一个完整的 auto-research 框架，通宵跑了 25 个实验。
Jesse 在官博里说，他一开始预期 token 能省 15% 就满足了（primeradiant.com/blog/2026/superpowers-6）。第一天发现把 review handoff 流程改成预生成 review package，token 和耗时同时降了约 10%。那天晚上他在内部 Slack 说应该试试把两个 review agent 合并。
第二天醒来看见 Fable 已经自己得出同样的结论，写完实现，跑完 eval，又省了 15%。
第二晚更激进——25 个实验，Fable 通宵跑，Jesse 全程没碰。他后来在采访里说，大部分实验他根本不需要盯着，Fable 会自己构建框架、提假设、验证、记录。
25 个实验里 6 个被标记为 already-optimal——系统自己判断「当前已经最优，不需要改」。还有 3 个 Jesse 的测量 bug 在实验中被 Fable 自动发现并纠正了。一个原本以为是 −74% 的优化，修完 bug 后诚实显示为 −41%。依然是大幅优化，但避免了虚假汇报。
auto-research 循环的最终报告——基线 vs 优化后的成本、耗时、token 对比
关键实验发现
| 发现 | 数据 | 本质 |
|---|---|---|
| 精简 review 指令 | 输出 −41%，判决准确率不变 | 说清楚比写长文档有用 |
| 限制 controller 的 think | ❌ 轮次从 92 涨到 138，输出翻倍 | Thinking 买的是效率，不是冗余 |
| 压缩 plan 描述文字 | 测试内容 −62%（即使代码豁免） | Plan 是指明方向的框架，不是照着打的代码 |
| Sonnet 生成 plan | 保真度在，但任务结构坍塌 | 强模型不一定适合所有环节 |
| 只给 reviewer 看 diff | 0/5 发现 spec 被静默重定义 | 只看代码差异会丢失上下文 |
最优配置组合：Opus 做 controller + 引导式 plan + 条件化 Haiku implementers + 极简 review 合约。每个任务成本从 $11.67–14.84 降到了 $6.24–$6.60，减半还有找零。
还有一个值得单独列出来的风险：只看 diff 的 reviewer 会自信地重新定义 spec——把「spec」理解成全局约束，而不是当前任务的需求。 5 个被测案例，0 个发现了缺少的 brief。如果你也在用类似的 review 流程，这个坑值得留意。
验证阶段出了个小插曲
第一批 Anthropic eval 数据非常漂亮——36 小时的实验，花费约 $650，换来了 50% 更快、60% 更省。
然后他们在 Codex 上跑了一遍。没有任何改善。
Jesse 心里一凉。几分钟后找到原因：Codex 的 eval 环境没有跟宿主 OS 充分隔离。他们一直在 benchmark Superpowers 5.1.0。
修复隔离问题后再跑——一切成立。
终端里的 eval 对比结果：优化版 vs dev-HEAD vs main-HEAD（5.1.0）
这个插曲本身就是一条经验：数据好看的时候，先确认你在测的是你要测的东西。
45 小时的实验比产品更新更值钱
Superpowers 本身就是让 agent 自主开发的框架。而它用 Fable 优化自己的过程，正好是它理念的最佳演示。Jesse 在官博上写了一句：“我们很骄傲这台机器和它的机器人伙伴一起完成了这次改进。”
这 45 个小时里，Jesse 花在指导 Fable 上的时间远不到 45 小时。它自己搭研究框架、提假设、验证、记录日志。甚至在测量自己的成果时会发现并纠正 Jesse 的 bug。
这不是一段「AI 帮我写代码」的报道。这是一段「AI 自主优化代码开发流程」的真实记录——你把框架用 AI 来开发，这个框架又用 AI 来优化自己。这个循环第一次跑通了。
写到这儿我想问你一句：在你的团队里，code review 只看 diff 还是连上下文一起看？
如果觉得这篇文章有帮助，欢迎点赞、在看、转发！有问题也可以在评论区留言，我会尽量回复！
内容效果不满意？点此反馈