最新SOTA模型用Superpowers是否为负优化

背景

随着大语言模型能力的快速迭代，开发者社区不断探索如何通过提示工程（Prompt Engineering）和工作流设计（Workflow Design）来提升模型输出的质量与可靠性。其中，Superpowers 作为一个知名的开源提示工程框架，以其多层审查（Harness）机制闻名：通过 Subagent-Driven 的流程，对每个任务进行多轮评审，以期捕获幻觉、逻辑错误和不安全内容。然而，当底层模型本身已具备强大的自纠错与合规能力时，这种“重复加固”的流程是否反而成为效率瓶颈？在 LINUX DO 社区的一个帖子中，用户以最新 SOTA 模型（文中提及“肥波5”和“GPT 5.6”）为背景，提出了这一尖锐问题。

核心内容

原帖指出，对于最新的前沿模型（如肥波5 和 GPT 5.6），是否还有必要完整走一遍 Superpowers 的 Harness 流程。用户亲历的一次实践是：实现一个功能点，耗时 4 个多小时。按照 Superpowers 的 Subagent-Driven Harness 设计，每个 Task 需经历两次 Review——一次功能检查，一次代码质量检查。当任务数量达到 15 个时，仅 Review 次数就多达 30 次。用户观察到，前后共启动了 30 多个 Subagent 专门用于评审。

这一机制带来的巨大资源浪费引发了反思：OpenAI 等模型本身已经在内部实现了很多与 Harness 类似的检查机制（如自洽性检查、安全护栏等）。既然底层模型已具备这些能力，Superpowers 流程中额外的多层审查是否属于“过度 review”？用户的核心问题是：对于 SOTA 模型，Superpowers 的这套流程究竟是“超能力”（Superpowers）还是“负优化”？

该讨论帖共有 12 个回帖，9 位参与者，社区围绕这一主题进行了深入辩论。

关键要点

• 过度审查问题：15 个 Task 导致 30 次 Review，启动 30+ Subagent，用户认为这属于过度工程化，严重影响效率。
• 资源与时间成本：单个功能实现耗时 4 小时以上，其中大量时间消耗在评审环节，而非实际的生成与迭代。
• 模型自身能力提升：最新 SOTA 模型（肥波5、GPT 5.6）内嵌了多项检查与纠正机制，与 Superpowers 的 Harness 功能存在重叠。
• 收益递减：在模型已经足够可靠的情况下，额外的人工审查流程可能带来微乎其微的质量提升，却付出显著的算力和时间代价。
• 社区争议：帖子引发 12 条回复、9 人参与讨论，说明这不是个例，而是提示工程社区普遍关心的效率与质量平衡问题。

意义与影响

这一讨论折射出提示工程领域正在经历的关键转折：随着模型自身能力的指数级增长，过去被广泛接受的“多重保险”策略可能需要重新评估。Superpowers 等框架诞生于模型幻觉严重、指令遵循能力薄弱的阶段，其多层审查机制是必要的安全网。但如今，前沿模型在事实性、安全性、逻辑性方面已有质的提升，继续沿用旧有高冗余流程，不仅浪费计算资源，还可能降低 AI 工作流的实用性与响应速度。

从更广的视角看，这提醒开发者：工具栈的适配需要与模型进化同步。流程设计应基于当前模型的实际能力阈值，而非历史经验。未来，提示工程可能走向“轻量级正向设计”——利用模型自身的高质量输出，仅在关键节点进行最小化的校验，而非全量 Harness。同时，社区也需要建立更科学的评估标准，量化“过度审查”带来的边际收益，避免陷入为流程而流程的陷阱。

对于 Superpowers 的维护者与用户而言，这或许是一个信号：考虑引入模型版本感知的自适应策略，允许用户根据模型强度动态调整审查层级。否则，当模型进步的速度超过流程优化的速度时，所谓“超能力”就可能沦为负担。