01为什么放弃重型流程
先说结论:不是流程错了,是流程的粒度错了。
前两年很流行"给 AI 一套完整研发流程":需求访谈、方案设计、计划拆解、逐条实现、测试、审查, 每个环节都有模板和门禁。第一次用会觉得踏实,用了一周就会开始烦。
原因很朴素。模型能力在涨,而这些流程是照着"模型很笨所以要管住它"设计的。 一个本来三步就能问清的需求,被塞进一张二十项的检查表,你要读它写出来的每一段, 确认它没有在第三步就跑偏。时间成本翻倍,Token 成本翻三倍。
我自己的体感是:一次中型需求的会话,重型流程能吃掉 三到五倍的额度, 而真正提升质量的只有其中两三个环节。剩下的是仪式感。
这套技能走的是反方向。它不拥有流程,只在四个地方各插一根钉子: 对齐、语言、反馈回路、设计。这四个点对应四种最常见的失败:
| 失败长什么样 | 根因 | 对应技能 |
|---|---|---|
| 做出来的不是我想要的 | 它没问,你没说 | grill-me / grill-with-docs |
| 一屏能说清的事写了三段 | 没有共同词汇 | domain-modeling + GLOSSARY.md |
| 代码跑不通,它开始瞎猜 | 没有反馈回路 | tdd / diagnosing-bugs |
| 三个月后没人敢改 | 没人管设计 | codebase-design / improve-codebase-architecture |
好技能和坏技能的区别,不在于它覆盖多少步骤,而在于 你能不能在某一步停下来,自己接手。重型流程的毛病是每一环都依赖上一环的产物, 中间断了就得从头再来。这套技能每个都短到你可以读完、改掉、甚至扔掉。
0227 个技能的地形
先看全局,再决定读哪几个。大部分人的问题不是技能不够,是不知道有哪个。
仓库按用途分了五个桶,但真正在维护、会随插件一起发出去的是前两个:
engineering 20 个,productivity 7 个。
剩下三个桶(misc、in-progress、deprecated)分别是边角料、内测和坟场,不用花时间。
比分类更有用的是另一个切分维度:谁能调它。
User-invoked
只有你打斜杠才会跑。它的职责是编排:把几个技能按顺序串起来,管住节奏。
你按下的按钮
Model-invoked
你可以打,模型也能在任务匹配时自己伸手去拿。它装的是可复用的纪律。
它知道的规矩
这条规则还有一条硬约束:User-invoked 可以调用 Model-invoked,但绝不能调用另一个 User-invoked。 所以你不会出现"斜杠套斜杠"的递归,也就不会出现那种点一下触发二十步的失控感。
engineering 20
日常写代码用。斜杠 11 个,自动 9 个。
- /
ask-matt技能路由 - /
grill-with-docs访谈 + 建模 - /
to-spec对话转规格 - /
to-tickets拆可验收卡 - /
implement做一件事 - /
implement-spec做整份规格 - /
wayfinder超大块规划 - /
triageissue 状态机 - /
improve-codebase-architecture找重构点 - /
retro复盘环境 - /
setup-…一次性初始化 - ·
tdd红绿循环 - ·
diagnosing-bugs诊断纪律 - ·
code-review双轴审查 - ·
prototype一次性原型 - ·
research后台调研 - ·
domain-modeling领域建模 - ·
codebase-design深模块词汇 - ·
prPR 写法 - ·
wizard生成向导
productivity 7
跟代码无关的工作流工具。斜杠 5 个,自动 2 个。
- /
grill-me拷问计划 - /
handoff会话交接 - /
teach跨会话教学 - /
to-questionnaire转问卷 - /
wait-what没听懂重讲 - ·
grilling访谈原语 - ·
writing-for-agents写给 AI 的文档
还有一层容易被忽略的关系:好几个斜杠技能其实是同一块积木的组合。
grilling 是访谈原语,grill-me 只是它的一层壳;
grill-with-docs 是 grilling 加 domain-modeling;
implement 驱动 tdd 并收尾于 code-review;
implement-spec 是同一个动作的并行版。
不要一次装全、全部试用。先装,然后只记三个:一个负责问清(grill-me),
一个负责写清(to-spec),一个负责做对(tdd)。
等你在这三步上稳定了,剩下的自然会缺什么补什么。
03一条主线串起来
这十个技能不是并列的清单,是一条可以顺次走完的路。
下面这条线是我实际用的顺序。它不是强制的,但如果你不确定从哪开始, 按这个走至少不会在第二步就迷路。
grill-me 或 grill-with-docs。它会一轮一轮地问,直到设计的每个分支都有答案。prototype。状态模型不确定就做逻辑原型,界面不确定就做几套差异极大的界面。to-spec。它不访谈,只综合。产出发到你的 issue tracker。to-tickets。每张卡说清交什么、怎么验、被谁挡住。implement 单线做,implement-spec 并行做。内部都跑 tdd。code-review。规范一条线,需求一条线,互不污染。handoff。把定下的事、做到哪、下一步写成一份临时文档。
中间还有两个随时可以插进来的:卡住不动时用 diagnosing-bugs,
每隔几天用 improve-codebase-architecture 扫一遍代码库看哪里在变浅。
这两个不在主线上,但缺了它们,前面六步的成果会在两个月内被磨平。
04十个值得深用的
每个都写:它解决哪个具体问题、实际怎么用、以及一句判断它有没有起效的标准。
grill-with-docs:顺手把词义和取舍记下来
一个词有两种读法的时候,先别写代码,先把它钉死。
我拿一个面试产品举例。"知识库面试"这五个字,可以指两件完全不同的事:
- 照着用户上传的资料出题,考的是资料;
- 照常做技术面试,只在需要补上下文的时候翻一下知识库。
叫法一样,做出来的东西差着一个量级。这种歧义如果不当场消掉, 它会一路带到数据库表结构里,等你发现的时候已经改不动了。
GLOSSARY.md 的价值,是把这次分叉的结论留给下一个会话。
这个技能做的事,是在访谈的同时做领域建模。它内部其实调了两个模型侧技能:
grilling 负责 relentless 地追问,domain-modeling 负责把定下来的词写进
GLOSSARY.md。碰到那种"改起来代价很大、但光看代码又想不明白为什么这么选"的取舍,
它会再写一份 ADR。
我最喜欢的其实是它对表达长度的影响。有了共同词汇之后,同一件事的表述会缩短一个数量级:
改之前:「课程里某一节被『实体化』(也就是在文件系统里给它一个位置)的时候会出问题。」
改之后:「实体化级联有问题。」
这个例子来自作者自己的项目文档,缩写掉的每个词在 GLOSSARY 里都有定义
这不只是省字。变量名、函数名、文件名会跟着用同一套词,代码库对模型来说变得更好导航, 思考时消耗的 Token 也变少。这是这套技能里最被低估的一环。
prototype:先点几下,再决定
能用鼠标回答的问题,不要用文字讨论。
一个审批单被驳回了,用户能不能改金额?改完再提交,之前那条审批意见挂在哪? 这种问题我在文档里写过三次,每次写出来的理解都不一样。后来我改成让它直接做一个页面, 驳回、改金额、重新提交三个按钮摆在那里,每点一次把当前状态打在屏幕上。三分钟就有了答案。
这个技能的关键设计是按问题类型分两条完全不同的路,走错就白做:
它的规则写得很硬,我照抄几条:一次性、从第一天就标注清楚、默认不持久化、跳过打磨。 最有用的是最后一条处理方式:结论验证完,把那条规则折回真实代码, 然后把原型本身提交到一个临时分支(不要进主分支),在需求票里留一个指针指向它。 主分支只保留被验证的结论。
to-spec:把昨天聊定的写成明天找得到的
它不访谈你。这是设计,不是缺陷。
举个再普通不过的例子:订单导出。今天聊定了 CSV 有哪几列、谁能导、日期最多查多久。 明天换个会话,这些要求就散了。你总得有个地方能翻到它们。
很多人第一次用会失望,因为它上来就开始写,不问你任何问题。原因在它的定义里:
综合(synthesize),不是访谈(interview)。访谈是 grill-* 的活。
这两个技能的边界切得很干净,我一开始也搞混过。
它真正有价值的动作在写之前,一共三步:
- 先翻仓库,理解现状,全文使用
GLOSSARY.md里的词,尊重相关区域的 ADR。 - 先定验收的接缝(seam)。优先用已有的接缝,能用高的就不用低的,接缝越少越好,理想数量是一个。定完要跟你确认。
- 再按模板写,发到 tracker,打上
ready-for-agent标签,跳过额外分诊。
第二步是精髓。大部分规格写不清楚,是因为没定从哪个公开接口验收。 "只导本租户的数据"这种话,只有绑定到一个具体的接口和一条具体的断言上,才是可执行的要求。
to-tickets:一张卡只验一件事
卡不是任务的切片,是验收的切片。
我给第一张卡写的验收条件通常只有一句:拿 A 租户的账号导一次,把 CSV 打开,里面只应该有 A 的订单。 这句话跑通之前,不考虑下一张卡上的日期筛选。一张卡必须能独立变成一个"红变绿"的动作, 这是它叫 tracer bullet 的原因:先打穿一条完整但极细的路。
它会把规格、计划或者刚才那段对话吃进去,然后列出三件事:每张卡交什么、怎么验、等哪张先做完。 你确认拆得对,它才真正发到任务系统。在本地文件模式下,依赖关系写成纯文本; 在真实 tracker 上,用原生的 blocking 链接。
还有一个细节我很喜欢:动手拆之前,它会先找 prefactor 的机会。 "先把改动变简单,再做简单的改动。" 这句话听着像鸡汤,但落在具体代码上往往很实在: 先抽一个函数、先补一条测试、先把那个 if 挪走,后面三张卡都能省一半力气。
implement-spec:把任务图当成调度问题
并行不难,难的是并行之后还能收敛成一份可审的改动。
如果只有两张有依赖的卡,塞进一个会话按顺序做就完了,用不着这个技能。 它的价值在另一种情况:项目里另有两三张互不阻挡的卡。
这时它会做四件普通实现流程不会做的事:
- 为整个规格开一条集成分支,所有工作最终汇到这一条线上;
- 把票当成任务图而不是步骤列表,算出 readiness frontier,让实现子智能体在 frontier 上并发跑;
- 每个子智能体都从全新的上下文窗口开始,并各自在自己的 Git worktree 里动手;
- 子智能体之间少说话,多给指针。指向规格、票、笔记、之前的提交,不复制内容。
第三点是硬要求,不是优化。有些运行环境默认把父会话 fork 给子智能体, 那样等于把父会话的上下文原封不动搬过去,而子智能体存在的意义恰恰是逃离那份上下文。
第一点也值得说:它会在第一次合并之后再开 draft PR,因为一个还没有提交的分支没法开 PR。 整份规格做完,才一起审。
用之前先确认你手里的工具能不能开子智能体和 worktree。不能的话,退回 implement 顺序做,别硬上。
tdd:先让一条测试红给你看
测试一上来就绿,我第一反应不是"真好",而是"它到底有没有走到那个接口"。
给导出接口补一条 31 天的限制,我会让它先发一条查 32 天的请求,断言应该被拒绝,跑一遍给我看。 旧实现要是照样吐了个 CSV 出来,这条测试就应该是红的。红的看到了,再补校验,再跑一遍转绿。
这个技能真正的内容不是"先写测试"这句口号,而是什么算好测试、测试写在哪、 哪些写法是反模式。几条我常引用的:
- 测试通过公开接口验行为,不碰实现细节。代码可以整个重写,测试不该动。
- 好测试读起来像一份规格:
用户可以带着有效购物车结账,一眼知道有什么能力存在。 - 只在预先约定的接缝上写测试,没确认过的接缝一条都不写。你测不完所有东西,先约定接缝才能把力气花在关键路径上。
最新那版加了一条我很受用的规则:提议测试接缝时,顺手说明从这里测能抓到什么、哪类问题还得去别处查。 一句话逼它承认测试的边界,而不是给你一个"全覆盖"的错觉。
diagnosing-bugs:先让 Bug 自己跑出来
第一阶段花的时间应该比后面所有阶段加起来都多。
偶发超时。它看了几眼代码,说是 SQL 的问题。我会追问一句: 能不能先给我一条能跑出超时的请求?
这就是这个技能的全部重心。它把"建一条能红的反馈回路"当成第一优先,其它都是机械动作。 顺序是有讲究的:先试失败测试,其次 curl / HTTP 脚本打本地服务,再其次用固定输入跑 CLI 并 diff 输出, 最后才是"一次能把问题点出来的页面操作"。
它还有几条很"工程"的规矩,值得直接抄进自己的提示词里:
- 能跳阶段,但要说明理由。不允许默默跳过。
- 先脱敏。所有命令、输出、抓下来的报文,密钥一律写成
<REDACTED>;凭据用环境变量传,不进展示内容。 - 修完拿原来的输入再跑一遍,合适的话把复现直接转成回归用例。
code-review:规范和需求必须分开看
少查了一次租户权限,命名和异常处理写得再规整也没用。
看 Diff 的时候我会把原始 Issue 一起给过去,并且给一个比较基点,比如 main。
然后它把 Diff 拆给两个子智能体:
为什么非要拆成两个子智能体?因为这两件事会互相干扰。一个负责规范的审查者, 看到代码风格整齐,容易默认"这活儿干得不错",从而放过"少查了一次权限"这种致命缺陷。 反过来也一样。
它还做了两件很实用的工程化动作:开工前先校验比较基点能不能解析(git rev-parse)、
Diff 是不是空的。错的 ref 和空的 diff 应该在这里失败,而不是在两个并行子智能体里面失败。
另外三点 diff(...HEAD)而不是两点,所以比较的是 merge-base,不会被主干上的无关提交干扰。
如果项目里压根没有规格可查,它会退回只审代码约定。这时候你就知道,
前面的 to-spec 那一步是省不掉的。
improve-codebase-architecture:找哪里正在变浅
它是普查,不是抢救。老代码库上它找得出真问题,但它不会替你解开那团乱麻。
给 CSV 加一列,接口、文件生成、后台任务三处都得跟着改。碰到这种设计,我会想知道: 前几次改导出字段,是不是也动了这三个地方?
它会从最近常改的代码里找线索,产出一份 HTML 报告,里面列清楚:哪些文件老是一起动、 有没有办法把规则收进一个深模块、收进去之后从哪儿测。报告给几个候选, 你挑一处最想动的,它再跟你逐条讨论怎么拆。
它的方法论有两个我很认同的点。第一是先划范围再看,不搞全库扫描: 加深一个模块的收益来自"以后改它更容易",所以权重应该压在最近改过的地方。 如果用户已经指名了方向,就直接用,不做推断。
第二是词汇统一。它只允许用 module、interface、depth、seam、adapter、leverage、locality 这几个词, 明确禁止滑向 "component"、"service"、"API"、"boundary"。听着像吹毛求疵, 但这几个词一混用,"把服务拆一拆"和"把接口做深"就会变成同一句话,讨论就没法收敛了。
用法上我建议把它当体检:每隔几天跑一次,一次只看一个候选,做完就停。 想靠它一次性还清历史债,一定会失望。
handoff:给下一个会话留一份能接手的
好的交接不是总结,是几个指针加一句"下一步"。
还是那个面试产品。聊完要换会话,我想留下的其实就一句话:
首期只绑一个知识库,两个入口保留,底下还是同一个 InterviewSession。
它会把这句连同"已经定的事""现在做到哪""下一步"写成一份文档,存到系统的临时目录
($TMPDIR,没有就 /tmp)而不是当前工作区。
这个细节有道理:交接文档是一次性的,放进仓库只会变成又一份过期文档。
三条规则决定了它好不好用:
- 不重复已有产物。规格、计划、ADR、issue、提交、diff 都只写路径或链接。
- 带一节"建议使用的技能",直接点名下一个智能体该调哪几个。
- 先脱敏。密钥、密码、可识别个人的信息一律不留。
它还能接一个参数,用来描述下个会话要做什么,文档会据此调整重点。 这个功能小,但用起来差别很大:不给参数,它写的是"发生了什么";给了参数,它写的是"你要接着做什么"。
05其余 17 个:什么时候该想起它们
不用全记。记住"什么情况下该想起它"就够了。
| 技能 | 类型 | 什么时候想起它 |
|---|---|---|
grill-me |
user | 计划还没成型、你心里有数但说不清的时候。它是 grilling 的一层最薄的壳,不建文档,只要答案。 |
grilling |
model | 被别的技能内部调用。核心机制是设计树 + 轮次:一轮只问"前置条件都已确定"的那批问题,每个问题都带一个推荐答案,措辞让"是"就等于接受推荐。事实查询它自己派子智能体去找,不问你。 |
wayfinder |
user | 一整块活儿装不进一个会话的时候。它把这块活做成一张决策票地图,一次只解一张,直到通往终点的路清晰。 |
triage |
user | issue 堆积、外部 PR 一堆的时候。它用一个小状态机推着走:分类、验证、必要时开一轮访谈,最后写出 agent-ready 的简报。 |
implement |
user | 只有一张票或一份小规格的时候。它驱动 tdd 在约定的接缝上推进,提交前用 code-review 收尾。 |
research |
model | 需要查一手资料、查 API 事实、或者只是想把读文档的体力活外包出去。它跑在后台,产出带引用的 Markdown 落进仓库。 |
retro |
user | 一次会话结束、感觉哪里一直不顺的时候。它不改代码,改的是智能体的工作环境:导航、自动检查、编码标准、steering 文件、工具链,最严重的排最前。 |
codebase-design |
model | 要讨论模块该多深、接缝放哪、接口暴露什么的时候。它是一本词典,不是一次会话:module / interface / depth / seam / adapter / leverage / locality,外加删除测试、"接口就是测试面"、"一个 adapter 是假想,两个才是真的"。 |
domain-modeling |
model | 在讨论术语、写 GLOSSARY.md、记 ADR 的时候。它做的事是主动拿边界场景去压测现有词义,压不住就改词或加词。 |
pr |
model | 写 PR 描述的时候。三件事:摘要用最小的可视化讲清改动、before/after 证据证明它真的跑得通、以及一句合并风险判断(单向门还是双向门,爆炸半径多大)。 |
wizard |
model | 有些步骤只有人能执行:开云资源、配 CI 密钥、走一个没见过的第三方后台、做一次性切换。它生成一个交互式 bash 向导,一步一步带着人走。 |
ask-matt |
user | 你忘了有哪个技能、或者不知道下一步该干嘛的时候。它是整个仓库的路由表。有意思的是它被明确要求:在说某个技能做什么之前,先去读那个技能的 SKILL.md。 |
wait-what |
user | 它上一段话你完全没接住的时候。一句话:打住,重讲,给我上下文,用平实英语,用 GLOSSARY.md 里的词。 |
teach |
user | 要跨多次会话学一个东西的时候。当前目录就是有状态的工作区,进度存在那儿,不靠会话记忆。 |
to-questionnaire |
user | 有个决定你一个人答不了,得问某个具体的人。它把这个决定变成一份 Markdown 问卷,可以异步填,也可以开会一起填。注意它拷问的是"怎么发出去"(给谁、要什么回来),不是主题本身。 |
writing-for-agents |
model | 写 skill、改 AGENTS.md / CLAUDE.md、或者写任何"靠指针被智能体读到的文档"的时候。这套仓库自己的文档规范就来自它。 |
setup-… |
user | 每个仓库跑一次。问你三件事:用哪个 issue tracker、分诊时打什么标签、生成的文档存哪。不跑它,前面一半技能会拒绝工作。 |
表格里"类型"那一栏值得再看一眼。model 那一半几乎都是"纪律"和"词典",user 那一半几乎都是"动作"和"节奏"。 这个划分不是分类癖,它决定了你该怎么改:动作型技能可以随便重排顺序,纪律型技能最好别动, 因为它被好几个地方引用着。
06五个我踩过或差点踩的坑
都写在技能文件本身里,但不读进去就会中招。
npx skills add 二选一。前者自动更新、只读;后者把可编辑的文件拷进项目、要手动更新。两个都装,模型会看到两份同名技能,行为开始飘。to-spec 访谈你ready-for-agent 标签,比没有规格更危险。07装,然后改
这套东西最大的优点是可以直接改,别把它当黑盒。
装法不止一种,按你的智能体选一条就行。插件方式会自己更新,适合只想用不想改的; 把文件拷进项目的方式适合要动刀子的。
# 插件方式(自动更新,推荐先用这个)
claude plugin install mattpocock-skills@claude-plugins-official
# Codex
codex plugin marketplace add mattpocock/skills
codex plugin add mattpocock-skills@mattpocock
# 其他智能体,或想要可编辑副本
npx skills@latest add mattpocock/skills -a cursor
npx skills@latest update
装完第一件事不是马上用,是在仓库里跑一次初始化。它会问你三件很具体的事: 用哪个 issue tracker(GitHub、GitLab、本地文件,或者你描述的任何东西)、 分诊时打什么标签、生成的文档放哪。这三个答案会写进项目里,后面所有技能都靠它。
值得改的地方
我在自己项目里改过三处,都很有价值:
tdd的接缝清单。把项目里那几条真正的公开接口名字直接写进去,它就不会每次重新猜。code-review的规范来源。默认读CONTRIBUTING.md,我改成了指向团队那份更细的规范,外加上几条只有我们知道的红线。grilling的提问轮次上限。默认会一直问到设计树收敛,小需求上有点过。加一条"三轮内必须收口"的约束,体验好很多。
纪律型(model-invoked)的技能被好几个地方引用。grilling 被 grill-me、
grill-with-docs、triage、wayfinder、improve-codebase-architecture
同时依赖;codebase-design 被 tdd、to-spec、架构普查依赖。
改它们的输出格式,等于同时改五个技能的行为。
08最后
这套技能最不像"AI 工具"的地方,是它反复在讲人的工程判断: 接缝该放哪、这张卡能不能独立验收、这个测试是不是在测实现细节。 它没有替你做这些判断,只是把每个判断都变成了一个必须回答的问题。
所以我不建议一次装全。挑三个,用两周,把不满意的部分改掉。 等你发现自己在某一步开始主动想"这里应该先约个接缝", 那说明工具已经退到背景里了,剩下的才是你自己的。