Superpowers बनाम Pocock: एक repo, दो बार, एक बचेगा

Superpowers और Matt Pocock की skills वे दो skill packs हैं जिन्हें ज़्यादातर Claude Code developers आपस में तौलते हैं। यह video दोनों को एक ही feature पर, एक ही repo में नापता है, और बिल stage दर stage पढ़ता है। Superpowers (v6.4.2) में पंद्रह skills हैं और एक SessionStart hook है जो उन्हें ज़बरदस्ती चलवाता है। Pocock का pack (v1.3.1) सत्ताईस skills देता है, कोई hook नहीं, और सात step का Main Flow जो slash commands के रूप में type करना पड़ता है। ऑनलाइन एकमात्र मापी हुई तुलना कहती है कि Superpowers बहुत सस्ता है, और हर switcher का blog कहता है कि Pocock कम tokens बर्बाद करता है। इन runs में दोनों बातें एक साथ सच निकलीं: अपने hook के भरोसे छोड़ा गया Superpowers Main Flow के एक चौथाई में पड़ा, और पूरे loop से चलाया गया Superpowers Main Flow से लगभग दोगुना महंगा रहा, जबकि हर बार पाँच में से पाँच hidden tests पास हुए। Video का सवाल यह है कि कौन सा pack रहेगा, और कौन सा अकेला stage बिल तय करता है।

Superpowers एक plugin है जिसमें पंद्रह skills और एक hook है। हर session की शुरुआत में hook पूरी using-superpowers skill (492 शब्द) को context में inject करता है, और वह skill model से कहती है: "If you think there is even a 1% chance a skill might apply to what you are doing, you ABSOLUTELY MUST invoke the skill." जो loop यह बेचता है वह चार skills से गुज़रता है: brainstorming, writing-plans, executing-plans, और अंत में एक review। इसे install कीजिए और hook को request अपने आप इस loop में पहुँचा देनी चाहिए।

Matt Pocock का pack उलटा दांव है: सत्ताईस skills और कोई hook नहीं। कुछ भी inject नहीं होता; हर step एक slash command है जो आप खुद type करते हैं। Main Flow यह है: grill-with-docs, to-spec, to-tickets, implement, code-review, pr, retro। grill-with-docs skill पैंतीस शब्दों की है और सिर्फ़ दो दूसरी skills को call करती है; implement एक सौ तीन शब्दों की है और उसमें disable-model-invocation: true flag है, इसलिए model उसे खुद load नहीं कर सकता। अपने loop पर Matt की अपनी पंक्ति, v1.3 changelog से: "The agent loop is worse than a deterministic loop. But it is a good way to start with AFK work before your software factory is dialled in."

दोनों packs Claude Code plugin के रूप में भी install होते हैं और copy की हुई files के रूप में भी, और Pocock का readme साफ़ कहता है: हर agent के लिए एक चुनिए, क्योंकि दोनों install करने पर हर skill दो बार आती है। तुलना किसी ने तय नहीं की थी, क्योंकि एकमात्र मापा हुआ आमने-सामने Pocock के pack को इस तरह चलाता था कि आठ में से पाँच implementation workers को implement skill कभी मिली ही नहीं, और हर switcher की post में राय है पर आँकड़े नहीं।

Repo ledgerly है, plain Node और TypeScript में बना एक काल्पनिक invoicing API: एक domain layer, schema migrations वाला JSON file store, एक HTTP layer, और चौंतीस हरे tests। Feature request तीन पंक्तियों की है, ठीक वैसे लिखी जैसे कोई developer लिखता है: partial payments जोड़ो, चुकाई गई राशि और बाकी balance दिखाओ, पुराना /pay endpoint चालू रखो, और याद रखो कि store में production data है। इसे पढ़कर एक senior पाँच चीज़ें उम्मीद करता है जो request कभी नहीं बताती: पैसे का गणित, validation, production files की migration, सही error codes, और tests। वही पाँच hidden acceptance tests बने जो worker कभी नहीं देखता; reference patch पाँचों पास करता है और अछूता repo एक भी नहीं।

हर run repo की एक नई copy है, एक headless Sonnet 5.5 worker, वही tool allow list, और एक scripted product owner: बिना tools वाला दूसरा headless model जो सिर्फ़ पाँच requirements सरल शब्दों में पढ़ता है, छोटे जवाब देता है, और जब कुछ पूछा न जाए तो "go on" कहता है। हर token और skill call हर turn पर लॉग होता है। दो सीमाएँ पहले ही बता दी गई हैं: headless का मतलब है कि run के बीच कोई नहीं सुधारता, और Superpowers का hook सिर्फ़ पहले turn पर चलता है।

कोई pack नहीं लगाया हुआ bare Claude Code baseline है, जिससे हर bar नापा गया है।

Config (feature 1)	Hidden tests	प्रति run लागत	Wall clock	बदली गई पंक्तियाँ
bare, 3 runs	5/5, 5/5, 5/5	औसत $0.34 ($0.47, $0.27, $0.29)	84.5 s	142

अपने hook के भरोसे छोड़ने पर Superpowers ऐसे चलता है: request paste होती है, hook चलता है, model brainstorming खोलता है, एक-दो सवाल पूछता है, और code लिखने लगता है। तीन runs में writing-plans शून्य बार चली और executing-plans कभी नहीं। नतीजा पाँच में से पाँच, करीब पचास सेंट और करीब दो मिनट में, उसी score पर bare से डेढ़ गुना, जिसमें अकेली brainstorming करीब बाईस सेंट खा गई। छह एक-turn probes ने दिखाया कि routing random है, wiring की खराबी नहीं: असली plugin wiring के साथ brainstorming तीन में से एक बार चली, bench की wiring के साथ तीन में से दो बार।

हाथ से चलाने पर, यानी brainstorming, writing-plans और executing-plans को Native mode में (6.4.1 से default) slash commands की तरह type करने पर, हर run में पूरा loop चला। फिर पाँच में से पाँच, करीब $3.74 और हर run दस मिनट में: bare से ग्यारह गुना, hook-routed run से साढ़े सात गुना, उसी hidden score के लिए।

Superpowers stage (feature 1 के औसत)	लागत
brainstorming	$0.166
writing-plans	$0.266
executing-plans	$3.307
जिसमें से TDD build खुद	$0.974
जिसमें से whole-branch reviewer subagent	$2.192

Loop के बिल की व्याख्या यही reviewer stage करता है। executing-plans skill इसे अपने शब्दों में "on the most capable available model" पर भेजती है, और हर run में वह model सबसे ऊँचे दर्जे का था। Skill इसे वह एक fresh context कहती है जो पूरा run खरीदता है, और कहती है कि इसे skip मत करो; इस feature पर इसे ऐसा कुछ नहीं मिला जो tests पहले ही साबित न कर चुके हों। दूसरे feature पर यही reviewer $3.21 के run में से $1.602 ले गया, यानी यह एक बार की बात नहीं, skill के लिखे जाने का ढंग है।

Pocock का pack उसी एकमात्र तरीके से चलाया गया जिससे वह चल सकता है: grill-with-docs अपने सवाल एक-एक करके पूछती है, हर run में करीब सात, जबकि Superpowers की brainstorming एक-दो पूछती है; to-spec spec लिखती है; to-tickets उसे tickets में काटती है; implement सारे tickets एक ही turn में बनाती है और tdd तथा code-review को खुद call करती है; pr pull request का text लिखती है। हर run ने वही चार skills उसी क्रम में चलाईं (grilling, domain-modeling, tdd, code-review): यह pack अपने रास्ते को लेकर deterministic है। बारह driver turns bench की सीमा थी, और तीन में से दो runs pr से पहले उस तक पहुँच गए; अकेला पूरा run PR body पर खत्म हुआ, जो किसी और pack ने पीछे नहीं छोड़ा।

Main Flow stage (feature 1 के औसत)	लागत
grill-with-docs	$0.204
to-spec	$0.118
to-tickets	$0.143
implement	$1.125
code-review	$0.439
pr	$0.041

Planning वाला शुरुआती आधा हिस्सा पचास सेंट से कम ($0.465) में पड़ता है; implement और code-review मिलकर बिल का तीन चौथाई हैं। कुल करीब $2.04 और हर run सात मिनट, हर बार पाँच में से पाँच: hook-routed Superpowers run से चार गुना, और हाथ से चलाए Superpowers loop से पैंतालीस प्रतिशत कम। Diff बड़ा है, bare की 142 के मुकाबले करीब 372 पंक्तियाँ, और bare के 5 के मुकाबले करीब 28 tests जुड़े, और token totals डॉलर से मेल खाते हैं: bare के आधे million के मुकाबले हर run में करीब 4.5 million tokens, जिनमें ज़्यादातर लंबे context के cache reads हैं। Main Flow पीछे spec, tickets और PR body छोड़ता है, जिन्हें कोई team उन चालीस सेंट से ज़्यादा कीमती मान सकती है; और बारह turns की सीमा bench की है, इंसान आगे चलता रहता।

हर जगह पाँच में से पाँच से कुछ पता नहीं चलता, इसलिए उसी repo पर दूसरी request चली: credit notes, दो पंक्तियाँ और पाँच अनकहे नियम। किसी invoice को कभी ज़रूरत से ज़्यादा credit मत करो और report सही रखो; production files migrate करो; एक बिना gap वाली number sequence; सही error codes; और paid invoice को credit note से void करना, जहाँ पुराना test मिटाया नहीं बल्कि दोबारा लिखा जाए। पहला कठिन उम्मीदवार छोड़ दिया गया क्योंकि bare उस पर भी पाँच में से पाँच ला रहा था। पहले validation: reference patch पाँचों पास करता है, अछूता repo एक भी नहीं, और bare के एक smoke run ने पाँच में से चार लाए, यानी इस बार oracle में दम था।

Config (feature 2)	Hidden tests	प्रति run लागत	जुड़े tests
bare, 2 runs	4/5, 5/5	औसत $0.41	5
Superpowers driven, 2 runs	5/5, 5/5	औसत $3.21	33
Main Flow, 2 runs	5/5, 5/5	औसत $2.07	31

अकेली चूक: bare के पहले run ने request को validate करने से पहले credit-note number ले लिया, ठीक वैसे जैसे मौजूदा issue route करता है, इसलिए reject हुई request ने एक number जला दिया और CN-0002 की जगह CN-0004 जारी हुआ। Auditors gaps पर निशान लगाते हैं। दोनों loops ने इसे एक ही तरह पकड़ा, अपने TDD step से, code बनने से पहले sequence का test लिखकर; दूसरे bare run ने भी इसे सही किया, पैंतालीस सेंट में। दो bare runs में एक चूक एक data point है, दर नहीं। Loops यहाँ जो खरीदते हैं वह उनके छोड़े हुए tests हैं, score नहीं।

इस विषय का सबसे ऊँची आवाज़ वाला thread कहता है कि routers के रूप में install किए दो packs slash names, session hooks और एक ही intent के लिए होड़ करती skills पर टकराते हैं। एक ही project में साथ install करके Main Flow से चलाने पर, Superpowers के hook ने अपना text inject किया, Pocock के छह commands type किए गए, और एक भी Superpowers skill नहीं चली: पाँच में से पाँच, $2.33, Main Flow की range के भीतर। दो कारण: Pocock की user-invoked skills में एक flag है जो model को उन्हें खुद load करने से रोकता है, और दोनों packs में कोई skill नाम साझा नहीं है। फिर भी यह एक ही run है; किसी दूसरे session में hook अब भी model-invoked Pocock skill खींच सकता है।

असली जाल वह version है जो आपको मिलता है। आधिकारिक Claude plugin marketplace Pocock के pack को 1.2.3 पर pin रखता है, जो upstream v1.3.1 से इकहत्तर commits पीछे है। उस pinned copy में implement-spec, pr और retro नहीं हैं; दो issues 5 अक्टूबर से खुले हैं, और 8 अक्टूबर को Matt ने X पर Anthropic से इसे bump करने को कहा: "All my users are stuck on v1.2." वही marketplace Superpowers को एक patch पीछे pin रखता है (v6.4.2 के मुकाबले 6.4.1)। Installer असली release देता है; plugin वही देता है जो आपके install करने के दिन pinned हो। Version की पंक्ति देखिए, इस video पर भरोसा मत कीजिए।

Superpowers रहेगा। अपने hook के भरोसे यह नापा गया सबसे सस्ता guided रास्ता है: पाँच में से पाँच के लिए करीब पचास सेंट, bare से डेढ़ गुना। इसका पूरा loop नापी गई सबसे महंगी चीज़ है, करीब $3.74, और Main Flow से फ़र्क लगभग पूरा एक stage है, वह whole-branch reviewer जिसे executing-plans सबसे सक्षम model पर भेजती है। वह एक पंक्ति बदलिए, या सस्ता model दीजिए, और loop करीब $1.55 पर आ जाता है, Main Flow के $2.04 से नीचे। बिल तय करने वाला stage review है, planning नहीं: न किसी का grill और न किसी की brainstorm ने आँकड़ा हिलाया। Hook-routed रास्ते की अपनी एक शर्त है, क्योंकि routing random है (plugin wiring के साथ तीन में से एक बार); अगर आपके लिए brainstorming मायने रखती है, तो उसे खुद type कीजिए।

Main Flow उसी score को ज़्यादा artefacts के साथ, hook-routed बिल के चार गुना पर कमाता है। उसका planning वाला शुरुआती आधा हिस्सा, grill-with-docs से to-tickets तक, पचास सेंट से कम में पड़ता है और वही अकेली चीज़ है जिसे उधार लेना सार्थक है: Pocock का pack pinned plugin की जगह installer से install कीजिए, और जब request धुंधली हो तब grill-with-docs type कीजिए। Stack करने की इस run पर कोई कीमत नहीं लगी।

Stage map	फ़ैसला
Superpowers hook-routed (brainstorming, TDD)	रखिए
Pocock की grill-with-docs, to-spec, to-tickets ($0.465)	उधार लीजिए
executing-plans की reviewer model वाली पंक्ति	बदलिए

सीमाएँ, साफ़ शब्दों में: Sonnet 5.5 headless, दो features, उन्नीस runs, एक scripted product owner, उन्नीस runs में एक bug, जो bare ने भेजा। बड़ा feature या कोई team spec और tickets को ज़्यादा वज़न दे सकती है। मुफ़्त resource खुद bench है: काल्पनिक repo, hidden tests, driver और per-stage ledger script, ताकि migration में एक दिन गँवाने से पहले आप दोनों packs अपने feature पर चला सकें।