mattpocock/skills：我最推荐的 4 个 AI 编程 Skill
你好，我是小 G。
我在 AI 编程 Skills 选型清单 和 强模型时代，AI 编程 Skills 还有必要装吗？ 这两篇文章中，都提到了 mattpocock/skills，grilling 还专门拿了实际项目举例。
有不少读者朋友对 grilling 感兴趣。不过，回头看，这两篇都写得太简略了。文章只留下“让 Agent 持续追问”这个印象，一次只问一个问题、哪些信息该让 Agent 自己查、什么时候才能开始执行，都没有展开。
所以我重新读了一遍仓库里的 SKILL.md。mattpocock/skills 把常见工程问题拆成了较小、方便修改、可以组合的 Skill：需求含糊就补需求澄清，Bug 难查就补诊断流程，准备交付再补代码审查。
这种拆法很合我的使用习惯。Codex、Claude Code 已经能稳定完成的基础动作，无须每次重教；哪个环节经常返工，就给哪个环节加一小段流程。
群里讨论时，大家提到的也是类似问题：完整套件容易让小任务背上过重的流程，grilling 虽然会连续追问，但需求确实能收得更清楚。
除了 grilling 之外，research、diagnosing-bugs 和 code-review 这三个也非常不错，这篇文章都会分享。
grilling 不只是让 Agent 多问几句
我在前两篇文章里，其实也把 grilling 写简单了：让 Agent 别急着写代码，先多问几个问题。普通 Prompt 加上这句话也能做到。
当前版本的 grilling 很短，里面把访谈怎么往下走规定得很细。
它会沿着决策树往下问，一次只处理一个决定。前面的答案可能改变后面的分支，所以不能一口气扔出十几个问题，让用户像填问卷一样回答。
它还把事实和决定分开。项目用了什么框架、现有接口怎么设计、数据库里有没有某个字段，Agent 应该自己读代码和文档。首期做哪个方案、要不要兼容旧行为、愿意承担多少复杂度，则交给用户。
双方没有确认已经达成共同理解之前，Agent 也不能照着自己的判断开工。
grilling、grill-me 和 grill-with-docs 有什么区别？
grilling 是可复用的底层访谈 Skill，模型可以主动调用，用户也可以直接调用，其他 Skill 同样能复用。/grill-me 是更明确的人工入口，本身只负责启动一次 /grilling 会话。
讨论会产生长期使用的领域术语或架构决定时，可以换成 /grill-with-docs。它还会调用 domain-modeling：术语确定后写入 CONTEXT.md，少量难以撤销、以后看起来可能奇怪的决定再记录为 ADR。
三者的关系可以理解为：
grill-me ──────────> grilling
grill-with-docs ───> grilling + domain-modeling访谈规则集中在 grilling 里，其他 Skill 直接复用。
v1.1.0 又把确认步骤改成显式停止条件，并区分环境事实和用户决定。旧规则可能让组合调用它的 Agent 顺手替用户做产品决定，现在这类决定必须逐个问人。
我用 grilling 确认了一次知识库面试需求
这次真实使用来自我的开源项目 SpringAI 智能面试平台。
当时我准备把模拟面试和知识库打通，直接选择了 grilling，给出的任务只有一句：帮我把这件事想清楚。
现有实现其实已经打通了一部分：普通模拟面试和知识库面试都使用 InterviewSession，作答、异步评估和部分前端页面也已经复用。此时继续设计底层，可能改掉本来可以保留的代码，首期产品范围反而还没确定。
grilling 问的第一个决定，是知识库在面试里扮演什么角色。
一种方案是完全根据用户资料生成定向面试；另一种是照常选择 Java、系统设计等 Skill，知识库只补充上下文。我选了前者，现有的题库生成、分类、难度、固定追问和评分规则都能继续使用。后一种还会引出两类题目的混合比例、实时 RAG、题目去重、来源冲突和评估依据。
这个决定确认后，它才进入下一个分支：一场面试绑定一个知识库，还是允许组合多个知识库？
请求参数、会话字段和题库筛选都围绕单个 knowledgeBaseId 设计。多知识库还要处理召回结果合并、权重、重复内容和权限校验。首期因此限制为单库，没有提前改关联表和接口结构。
第三个决定是入口。知识库面试已经有独立页面，普通模拟面试则从“模拟面试中心”进入。最后保留两个入口，但底层继续复用 InterviewSession，配置组件和创建接口也尽量共用，避免以后维护两套相似逻辑。
代码还没有开始改，首期范围已经收成三个选择：纯知识库面试、单个 knowledgeBaseId、双入口共用会话与创建能力。
grilling 没有替我写产品方案。它给出推荐答案和代码依据，取舍仍然由我确认。第一个答案如果换成“通用 Skill + 知识库上下文”，后面要问的也不会是单库还是多库，而会转向两类题目的混合与评估方式。
现在的模型写代码已经够快了。需求范围没定时，Agent 也能很快交出代码、测试和文档。方向偏了，这些产物都要跟着返工。
当然，不是每个任务都要先接受一轮“拷问”。改一处文案、补一个明确的空值判断、按现成模式增加字段，验收标准已经写得很具体，直接做通常更省时间。grilling 也替代不了测试和代码审查，它只负责把动手前还没定下来的问题暴露出来。
当前的 grilling 也没有问题数量上限，复杂需求可能聊得很久。如果担心访谈拉得太长，可以给它设置每轮 3～5 个问题的预算。一轮结束后先整理已经确认和仍未确认的决定，再由用户选择是否继续。
不要只写“最多问 5 个问题”。额度用完后，Agent 仍然不能自行补齐剩余决定或直接开工。
research：把查资料这条支线交出去
给项目升级某个 SDK 时，当前版本支持哪些参数、旧接口何时弃用、流式事件怎么变化，不该靠用户凭记忆回答，也不适合让主 Agent 一边改代码一边翻长文档。
research 会把问题交给后台 Agent，只查官方文档、源码、规范和第一方 API。结论写进仓库里的一个 Markdown 文件并标明来源，主 Agent 可以继续处理其他工作。
我看中的是它把资料来源和交付物钉死了：不拿二手教程替代官方资料，也不把几十页搜索过程塞回主会话，只留下可复查的结论。
使用它有两个前提：Agent 支持后台或 Subagent 调查，项目也接受多一个研究文档。只查一个方法签名时，直接打开官方文档更快；涉及版本迁移、协议差异或陌生依赖，再把这条支线交出去。
diagnosing-bugs：先做出一个会变红的反馈环
Agent 排查 Bug 时很容易过早形成判断。看到一个可疑分支，马上改代码，再跑一遍测试；没修好，就继续换下一个猜测。改动越来越多，最初的故障现象反而没有被稳定复现。
diagnosing-bugs 把最多精力放在第一阶段：先做出一个能准确捕获当前 Bug 的反馈环。
反馈环可以是一条失败测试、一段 curl、带固定输入的 CLI、Playwright 脚本或线上请求回放。它要能捕获原故障，运行稳定、足够快，并且 Agent 可以独立执行。
确实无法复现时，它会列出尝试过的办法，再向用户申请可复现环境、HAR、日志、core dump 或临时生产插桩权限。
反馈环准备好后，再重复复现并缩小输入。接着列出 3～5 个可以证伪的假设，说明“如果它是原因，改变什么之后现象会如何变化”，再根据预测增加断点或定向日志。
修复阶段会把最小复现转成回归测试，在正确的模块接口处看它先失败，再应用修复。结束前重跑原始场景，清掉带唯一前缀的临时日志和调试程序，并把最终根因写进提交或 PR。
这套流程适合难复现的 Bug、性能退化和已经猜错几轮的问题。编译错误、明显的字段拼写错误，没必要先建一套诊断流程。项目没有合适的测试接缝时，最小复现也无法变成可靠测试。这个 Skill 会记录下架构问题，不会硬写一个和真实调用方式不一致的单元测试。
code-review：代码规范和需求实现分开审
代码审查经常只看实现质量：命名是否清楚、有没有重复逻辑、异常处理是否合理、测试够不够。代码本身可能挑不出大问题，却实现错了需求。
code-review 把审查分为 Standards 和 Spec 两条线。
Standards 会读取仓库自己的 CONTRIBUTING.md 和编码规范，再检查变更是否遵守约定。当前版本还内置了一组 Fowler Code Smells。仓库明文规则优先，Smell 只能作为判断线索，不能直接算违规。
Spec 则回到最初的 Issue、PRD 或技术方案，检查交付内容是否真的覆盖了原需求。两条审查由并行 Subagent 分别完成，最后再合并结果，避免负责代码风格的上下文影响需求检查。
审查前还要固定 commit、分支、tag 或 main 作为比较基点。Skill 基于 merge base 查看 HEAD 以来的 diff，不会把整个仓库泛泛看一遍。
项目没有 PRD、Issue 或验收标准时，Spec 这条线只能跳过；仓库没有编码约定，Standards 更多依赖通用 Code Smells。并行审查还要求宿主 Agent 支持 Subagent。CI、静态检查和人工领域审查仍然要保留。
怎么安装
这个仓库可以通过 skills.sh 的安装器接入 Codex、Claude Code 等支持 Agent Skills 的工具：
npx skills@latest add mattpocock/skills安装器会让你选择具体 Skill 和目标 Agent。只想体验需求访谈，可以先选 grill-me 和 grilling。需要在讨论过程中维护 CONTEXT.md 和 ADR，再选择 grill-with-docs 与 domain-modeling。
按照项目当前说明，使用工程链路前还要在目标仓库运行一次 /setup-matt-pocock-skills，确认 GitHub、Linear 或本地任务管理方式，并确定 Triage 标签和 Agent 文档目录。
也可以直接让 Coding Agent 帮你安装，这里以 Codex 为例：
请帮我从 mattpocock/skills 仓库安装 4 个 Agent Skill：grilling、research、diagnosing-bugs、code-review。
安装完成后，通常要到下一轮对话才会出现在可用 Skill 列表里。
tdd、to-spec 和 to-tickets 没有单列。TDD、规格说明和任务拆分已经是常见工程方法，不少 Agent 也能完成基础版本。项目采用“讨论 → Spec → Tickets → 实现 → 审查”的整条链路时，再组合它们。
这篇文章挑的 4 个，对应的是我现在更在意的几个失败点：开工前方向没定，资料来源不可靠，Bug 没复现就开始猜，代码写完却没有对照原始需求。
第一次安装不用全局启用。先限定在一个仓库，拿两三个真实任务观察返工次数、执行时间和产物质量。模型没有 Skill 也能稳定完成，就删掉；同一个问题反复出现，再留下那一小段流程。
第三方 Skill 是交给 Agent 的指令。安装前读一遍 SKILL.md，再检查 scripts/、references/ 和权限要求。列表短一点没关系，知道每个 Skill 为什么还在，使用时反而更省心。