项目地址： mattpocock/skills
一句话理解
Matt Pocock 的 skills 不是一套炫技提示词，而是一组面向真实软件工程的 Agent 工作流插件。它们把资深工程师在需求澄清、领域建模、TDD、问题诊断、架构治理、任务拆分中的经验，压缩成可重复调用、可组合、可改造的技能。
仓库 README 的核心主张很直接：开发真实应用很难，AI Agent 会放大开发速度，也会放大误解、噪音、坏测试和架构熵。因此，与其把整个流程交给一个庞大框架，不如使用“小而清晰”的技能，让人类仍然掌控工程判断。
它解决的四类 Agent 失败
1. Agent 没理解你要什么
很多 AI 编程失败不是模型不会写代码，而是它在错误问题上工作。/grill-me 和 /grill-with-docs 的思路是先进行一轮高质量追问，把目标、边界、约束、异常分支问清楚，再开始动手。
这对复杂功能尤其关键：Agent 不再急着生成实现，而是先把“你以为它懂了”的部分显性化。
2. Agent 太啰嗦，且不懂项目黑话
仓库强调 共享语言。在真实项目里，“物料化”“课程章节”“Issue tracker”“Triage role”这类词，不只是名词，而是压缩后的领域模型。
/grill-with-docs 会帮助维护 CONTEXT.md 和 ADR，让 Agent 在后续会话中用项目自己的语言思考。这减少了解释成本，也能让命名、文件组织和任务描述更一致。
3. 代码写出来但不可验证
仓库把反馈循环放在核心位置。/tdd 推动 red-green-refactor：先写失败测试，再写最小实现，最后重构。/diagnose 则要求复现、缩小范围、假设、插桩、修复、回归测试。
这类技能的价值不在于“让 Agent 写更多代码”，而在于让 Agent 持续撞上现实反馈。
4. 快速开发带来架构泥潭
AI 能更快地产生代码，也能更快地产生复杂度。/zoom-out 要求 Agent 从系统整体解释局部代码；/improve-codebase-architecture 则寻找让模块更“深”、边界更清晰、概念更稳定的机会。
这意味着 Skills 并不只关心产出速度，也关心长期可变更性。
技术结构：小技能，可组合，可迁移
仓库按用途组织技能，主要分为三类：
| 分类 | 代表技能 | 作用 |
|---|---|---|
| Engineering | diagnose、grill-with-docs、tdd、to-prd、to-issues、triage、zoom-out、prototype | 面向代码、架构、测试、需求和任务流 |
| Productivity | grill-me、handoff、caveman、write-a-skill | 面向沟通、压缩上下文、交接和创建新技能 |
| Misc | git-guardrails-claude-code、setup-pre-commit、scaffold-exercises 等 | 低频但实用的工程辅助工具 |
它们以 SKILL.md 为主要载体，既能被 Claude Code 等 Agent 加载，也能迁移到其它支持技能/指令体系的环境。每个技能都尽量保持单一职责，不试图接管整个开发生命周期。
关键技能速览
/setup-matt-pocock-skills
每个仓库运行一次，用来配置 issue tracker、triage 标签语言、文档保存位置等基础信息。它相当于“项目适配层”，让后续技能能读写同一套上下文。
/grill-with-docs
需求澄清技能的工程增强版。它不只追问，还会帮助沉淀共享语言、更新 CONTEXT.md，必要时记录 ADR。适合在开始一个重要改动前使用。
/tdd
把实现拆成小的垂直切片，并要求每一步都有失败测试、通过实现和重构。它能显著降低 Agent “看起来完成了，其实没被验证”的风险。
/diagnose
用于疑难 bug 和性能问题。它强调先复现，再最小化，再提出假设和插桩，而不是直接猜修复。这是一种把调试纪律写进 Agent 行为的方式。
/to-prd 与 /to-issues
/to-prd 将当前讨论整理为产品需求文档并提交为 issue；/to-issues 则把计划或 PRD 切成可独立领取的垂直任务。两者适合把模糊想法变成可排期的工程工作。
/improve-codebase-architecture
用于周期性审视架构。它会结合 CONTEXT.md 和 ADR 找出模块边界、抽象深度、命名语言方面的改进机会。
与传统 Prompt 的不同
普通 Prompt 往往强调“怎么问模型”，而这个仓库强调“怎么组织工程反馈”。区别大致如下：
| 维度 | 普通 Prompt | Matt Pocock Skills |
|---|---|---|
| 单位 | 一段指令 | 一个可重复调用的工作流 |
| 重点 | 生成质量 | 对齐、验证、诊断、架构 |
| 上下文 | 临时塞进对话 | 通过 CONTEXT.md、ADR、issue tracker 持久化 |
| 失败处理 | 重新提示 | 复现、最小化、插桩、回归测试 |
| 人机关系 | 模型替你做 | 人类掌控流程，Agent 执行并反馈 |
推荐落地方式
- 先运行安装命令：
npx skills@latest add mattpocock/skills
-
必选
/setup-matt-pocock-skills，让项目知道 issue tracker、标签和文档位置。 -
每次重要改动前用
/grill-with-docs，把目标和领域语言对齐。 -
写代码时默认走
/tdd，遇到难 bug 切换到/diagnose。 -
每隔几天运行
/improve-codebase-architecture，主动还架构债。
最有价值的思想
这个仓库最值得借鉴的不是某个具体技能，而是它对 AI 编程的定位：Agent 不是魔法同事，而是需要工程约束的高吞吐执行器。
好的 skills 会迫使 Agent 做三件事：
- 在动手前对齐语言和目标；
- 在实现中持续获得真实反馈；
- 在完成后把知识沉淀回项目上下文。
这也是“real engineering”和“vibe coding”的分界线：前者让速度服务于系统质量，后者让速度掩盖系统风险。
结语
Matt Pocock Skills 给 AI 编程提供了一种很务实的路径：不用等待完美的自治 Agent，也不用接受失控的自动化流程。把工程经验拆成小技能，把项目知识写进文档，把反馈循环嵌入日常开发，AI 才更像可靠的工程伙伴。
如果你的团队已经在使用 Claude Code、Codex 或类似工具，这个仓库很适合作为一套“Agent 工程规范”的起点。
