Compound Engineering vs Superpower: 两种 AI Agent 开发模式深度对比

研究摘要

本文基于 Jason Zuo 的技术分析文章，深入探讨了当前 AI Agent 开发领域的两种主流工作模式：Compound Engineering (CE) 与 Superpowers，并结合 Anthropic 官方提出的 Harness 架构框架进行系统性对比分析。

核心发现

模式本质差异：

• Superpowers 是一种线性工作流模式（brainstorm → plan → execute → review），强调流程标准化，但在知识积累方面存在根本缺陷——每个 session 从零开始
• Compound Engineering 是一种指数型知识积累模式，通过 /ce:compound 命令将每次调试经验转化为可搜索的项目知识库，实现”用得越久，agent 越懂你的项目”

架构深度对比：

• Plan 阶段：CE 并行 spawn research agents 挖掘项目历史知识，Superpowers 仅在当前 context 内写 plan
• Review 阶段：CE 启动 6-15 个专项 reviewer 并行审查，Superpowers 仅有 2 个 reviewer
• 知识层：CE 独有的 docs/solutions/ 知识库机制，Superpowers 完全缺失

实践建议摘要：

• 一次性项目/原型开发：Superpowers 足够，流程标准化带来上手便利性
• 长期迭代的生产项目：CE 优势明显，知识积累带来的复利效应不可估量
• 多人协作项目：CE 的知识库成为团队共享记忆，大幅降低知识传递成本
• 旧项目维护：CE 的 learnings-researcher 自动规避历史踩过的坑，效率提升显著

内容结构

本研究包含以下模块：

1. 背景与约束分析 - 原文深度解读与核心概念定义
2. 两种模式深度分析 - CE 与 Superpowers 的详细剖析
3. 对比矩阵与决策框架 - 多维度对比与选型决策树
4. 场景化实践指南 - 不同项目类型的具体实践策略
5. 结论与实施建议 - 核心结论与行动建议

基于 Anthropic Engineering Blog 与 Jason Zuo 的技术分析