不是又一个 AI 编程提示词合集——而是用 AI 重新定义什么叫"做工程的纪律"。
简单说，mattpocock/skills 是一个 Claude Code 技能包，18 个斜杠命令，覆盖从需求对齐到架构维护的整个开发生命周期。安装只需要一行命令，30 秒搞定。
但它真正想解决的，是一个很多人不愿意承认的问题：用 AI 写代码，和用 AI 做工程，是两件完全不同的事。
前者叫 vibe coding——让 AI 生成代码，感觉对了就完事。后者是让 AI 遵循工程纪律，像有经验的老工程师一样工作。Matt Pocock 选了后者。
如果你关注 TypeScript 社区，应该听过这个名字。他是 Total TypeScript 的作者，在类型体操这块基本是中文圈外最有影响力的教育者之一。现在运营 aihero.dev，一个 AI 教学站点。
60,000 订阅者的 newsletter，说明他在开发者社区的影响力不小。他有一个特点：擅长把复杂概念用极其简洁的方式讲清楚。这个特点也体现在他的 Skills 设计里——每个技能文件都短得离谱，但信息密度极高。
Matt 把 AI 编程的常见失败模式归纳成了四类，每类配了对应的技能。这个分类方法本身就很值得学习。
这是整个仓库里最火的技能。原理极其简单——让 AI 反过来拷问你。在写一行代码之前，AI 会像面试官一样逐个追问：退款是全额还是部分？触发条件是什么？库存怎么处理？直到每个决策分支都被穷举干净。
《程序员修炼之道》："没有人确切知道自己想要什么。"grill-me 就是把这句话变成了工程实践。
grill-with-docs 是加强版——一边追问，一边把共识写进 CONTEXT.md（共享术语表）和 ADR（架构决策记录）。用 Matt 自己的话说，"很难解释这有多强大，这可能是整个仓库里最酷的技巧。"
CONTEXT.md 是项目级的"共享语言词典"——
五个词替代了一整段话。AI 理解这个术语后，变量命名、函数命名、文件命名全都统一。caveman 模式更狠——直接砍掉 75% 的 token 消耗，只保留技术信息。
tdd 技能强制执行红-绿-重构循环。核心原则是"禁止水平切片"——每次只做一个功能点。
diagnose 是结构化调试流程，六阶段循环：构建反馈循环 → 复现 → 生成假设 → 逐步验证 → 修复并写回归测试 → 清理和总结。关键规则：一次只改一个变量。
Kent Beck："每天都要投资于系统的设计。"但这恰恰是 AI 编程最容易忽视的。
to-prd 在动手之前先帮你理清要碰哪些模块，自动生成 PRD 并提交为 GitHub Issue。zoom-out 让 AI 站到更高的视角解释代码在系统中的位置。improve-codebase-architecture 识别"浅模块"和重构机会，建议每隔几天跑一次。
安装只需一行：
安装后选择你需要的技能和目标 agent（Claude Code、Codex 等），然后运行 /setup-matt-pocock-skills 做一次性配置：
1. 选择 Issue Tracker（GitHub / Linear / 本地文件）
2. 配置 Triage Labels
3. 指定文档保存路径
配置完成后会生成 CONTEXT.md，后续所有技能都会参考这个共享术语表。
| 技能 | 用途 |
|---|---|
/diagnose | 结构化调试，六阶段循环 |
/grill-with-docs | 带文档的深度需求访谈 |
/triage | Issue 分诊状态机 |
/improve-codebase-architecture | 架构改进诊断 |
/setup-matt-pocock-skills | 初始化配置（首次使用必选） |
/tdd | TDD 垂直切片开发 |
/to-issues | 将计划拆分为独立 Issue |
/to-prd | 生成 PRD 并提交 Issue |
/zoom-out | 代码全局视角解读 |
/prototype | 快速构建一次性原型 |
| 技能 | 用途 |
|---|---|
/caveman | 极简通信模式，省 75% token |
/grill-me | 需求深度访谈 |
/handoff | 压缩对话为交接文档 |
/write-a-skill | 创建自定义技能 |
| 技能 | 用途 |
|---|---|
/git-guardrails-claude-code | Git 安全护栏 |
/migrate-to-shoehorn | 迁移测试断言 |
/scaffold-exercises | 练习目录脚手架 |
/setup-pre-commit | 配置 Husky + lint-staged |
目前 AI 编程技能领域的三个主要项目，定位差异很明显：
| 维度 | mattpocock/skills | addyosmani/agent-skills | Anthropic 官方 |
|---|---|---|---|
| 作者 | TypeScript 教育者 | Chrome 团队工程师 | Anthropic 官方 |
| 核心理念 | 工程纪律 + 需求对齐 | Google 工程实践规范 | 平台使用教学模板 |
| 技能数量 | 18 个 | 20 + 7 命令 + 3 角色 | 基础模板 |
| 关键特色 | grill-me 需求拷问 | 反合理化机制 | 官方最佳实践 |
| 适用场景 | 日常工程开发 | 大型项目工程规范 | 入门学习 |
| 目标用户 | 1-5 年经验开发者 | 团队工程负责人 | Claude Code 新手 |
三个项目可以叠加使用。addyosmani 的偏"大项目规范"，mattpocock 的偏"日常工程纪律"，Anthropic 官方的偏"入门教学"。不冲突。
个人开发者选 mattpocock/skills，团队负责人选 addyosmani/agent-skills。
AI 有时会把"拷问你"变成"向你汇报方案"。如果连续 3 轮没有追问，手动说"继续追问"。
这个文件会随着使用不断增长。定期清理，通用术语保留，临时决策移到 docs/adr/。否则 token 消耗会失控。
AI 天然喜欢"一次性搞定所有测试"。如果你发现 AI 一次写了 5 个测试还没写实现代码，直接打断，让它一个一个来。
检查 SKILL.md 的 description 字段是否包含触发词。Claude Code 的技能匹配依赖关键词。
这个项目最打动我的不是某个具体的 prompt 写得多漂亮，而是它把 AI 编程从"聊天框里的临时经验"推到了"可安装、可版本化、可复用的工程资产"。
grill-me 的 prompt 只有 7 行 Markdown，但它解决的是 AI 编程里最根本的问题——你不是不知道自己要什么，你只是没被问到。这比任何花哨的提示词工程都有用。
当然，它也有局限。18 个技能里，有 4 个是杂项工具，日常用到的可能就 2-3 个。真正核心的是 grill-me/grill-with-docs、tdd、diagnose 这几个。另外，目前只支持 Claude Code 和 Codex，对其他 AI 编程工具的支持还在社区层面。
还有一点值得注意：这些技能的质量高度依赖 CONTEXT.md 的质量。如果你的项目没有建立共享术语表，grill-with-docs 和 caveman 的效果会大打折扣。所以 setup 步骤不能偷懒。
总体来说，这是目前 AI 编程工程化方向上最实用的开源项目之一。不是因为它有多复杂，恰恰相反——是因为它足够简洁，每个技能都解决一个真实问题，没有为了炫技而设计的部分。