在 Linux.do 论坛的技术讨论区，一场关于 AI 编码最佳实践的辩论引发了关注，焦点集中在广泛使用的“Superpower”技能（一种复杂的 Agent 开发模式）是否已经过时。随着 GPT-5.6-terra 等新一代模型的出现，开发者们发现，传统的“Superpower”工作流因其强制的大量前置规划和后置处理步骤，正导致严重的 Token 浪费和响应延迟。多位资深开发者指出，现在的基座模型能力已足够强大，不再需要厚重的“Agent 包装”来指导编码，直接使用模型的“Plan”模式或轻量级的“Grill with doc”库，往往能以更低的成本获得更高质量的代码输出。社区共识正倾向于抛弃过度工程化的 Prompt 链条，转而拥抱更接近模型原生能力的极简开发范式。
事件分析
这一讨论标志着 AI 辅助编程领域正经历从“外部工程化”到“模型原生化”的技术迭代。早期的 AI 编码受限于模型逻辑能力，必须依赖如“Superpower”这类具备严格规划、执行和审查闭环的重型 Agent 来维持代码质量。然而，随着当前大模型在长上下文处理和逻辑推理上的突破，这种外部的“拐杖”不仅变得多余，反而因为高 Token 消费成为开发成本的黑洞。技术风向正在发生逆转：开发者更倾向于利用模型内置的原生推理能力（如 Plan 模式）而非用户自定义的复杂 Prompt 串。这预示着未来的 AI 编码工具将更加轻量化、集成化，核心竞争点将回归到模型本身的智商与性价比，而非 Prompt 工程的复杂度。
核心观点：随着大模型原生推理能力的质变，依赖繁琐外部 Prompt 包装的“重型 Agent”正面临淘汰，AI开发范式正回归模型原生的极简与高效。
原文链接：Linux.do
