Matt Pocock把自己日常用AI写代码的方法整理成一套开源技能文件，在GitHub上已经突破20万星。它不是框架，也不是提示词合集，而是一组能让Claude Code、Codex等工具按工程规范干活的Skill， Matt Pocock的Skills 仓库介绍
GitHub上有个挺魔幻的项目——仓库里几乎全是Markdown文本文件，不到半年就冲到了20多万星。作者Matt Pocock搞TypeScript教育出身，做过Vercel和Stately的工程师，YouTube上有大几十万粉丝，newsletter订阅也攒了差不多六万人。他把自己电脑里.agents目录下的工作方法直接开源了。
这套东西的Slogan是「Skills for Real Engineers」，态度很明确：不是给"氛围编程"用的，是给正经做工程的人准备的。说白了，它提供的是一套AI编程的标准操作流程。
你可能用过Claude Code的CLAUDE.md，往里面塞一堆注意事项或者从网上抄来的通用提示词，效果也就那样。Matt做的事是把真实的软件工程方法论——测试驱动开发、代码评审、领域建模这些——一个个浓缩成Skill文件。装好之后，你在AI工具里敲/grill-me、/tdd这样的斜杠命令，AI就会按对应的工程方法来干活，而不是想到哪写到哪。 现在仓库里已经有35个Skill，按版本分成了user-invoked（你手动触发）和model-invoked（AI自己判断要不要用）两大类。工程类的有测试驱动开发、Bug诊断、代码架构改进这些；生产力类的有头脑风暴、上下文交接，甚至还有一个让AI教你学东西的。有些还在beta阶段，有些已经被移除了——/caveman和/zoom-out在v1.0.1里就被砍掉了。
装起来花不了半分钟。打开终端敲一行命令：
跑完之后挑你想要的Skill，再选装到哪个AI工具里。如果你用Claude Code，更省事儿，直接在插件市场装mattpocock-skills，自动更新，不用自己管。
建议一定带上/setup-matt-pocock-skills这个初始化Skill。装完后运行一次，它会问你几个问题——Issue用GitHub、Linear还是本地Markdown管？文档放哪个目录？标签怎么命名？配置完这些信息会被写到docs/agents/下面，以后其他Skill直接读这些文件。
grill-me：让AI反过来拷问你的需求
整个仓库里最火的是/grill-me。它的作用是让AI反过来对你进行"灵魂拷问"，在写代码之前把需求和设计盘清楚。
核心内容加起来只有三句话，效果相当狠。针对你的计划或设计，一个问题一个问题地追问，直到达成共识。沿着决策树的每个分支走下去，逐个解决依赖。每个问题要给出推荐答案。每次只问一个，等你回答完再问下一个。能通过查看环境找到的事实，AI直接去查；但决策必须你来拍板。
有用户第一次用的时候，AI一口气问了38个问题。问完之后，很多之前根本没想到的设计细节都被逼着想清楚了。这跟"小黄鸭调试法"有点像——以前那只鸭子不会说话，现在AI能刁难你了。而且强制一次只问一个问题，避免了抛出一堆问题让你不知所措，整个对话更像一场真正的需求评审。
如果你做的是有代码仓库的项目，可以用升级版的/grill-with-docs。它在拷问你的同时，会把讨论中确定下来的术语和决策记录到CONTEXT.md和架构决策记录文件里，给项目建一份专属术语表。
你肯定遇到过这种情况：每次跟AI描述项目里某个操作，都要写一大段解释，因为AI不了解你们内部的叫法。Matt的做法是在CONTEXT.md里提前定义好术语。比如他自己有个课程管理项目，"把课程章节中的某节课创建到文件系统"这个操作，他定义了一个词叫"物化级联"。之后跟AI沟通只需要说这个词，AI就知道他在说什么。术语积累得越多，AI对项目的理解越精准，沟通也越来越高效。
tdd：测试驱动，一次只切一片
再说/tdd。你可能让AI用测试驱动方式开发过，结果它一口气先把所有测试写完，再写所有代码。看起来很高效，实际上很坑——写测试的时候代码还不存在，AI只能靠想象设计测试结构。等真正写代码时，实际API跟想象的完全不一样，一堆测试推倒重写。
/tdd强制AI用"垂直切片"的方式工作：先写一个测试让它失败，然后只写刚好能让这个测试通过的代码，通过之后再写下一个。经典的红绿重构循环，一次只走一小步。
它还有几条硬规矩。比如只在预先商定的"接缝"处测试——接缝就是代码的公开接口，像函数的入参和返回值。写测试之前，AI会先跟你确认在哪些接缝处写。它还列出了AI写测试时容易犯的反模式，最典型的叫"同义反复测试"，就是把被测代码的逻辑在测试里重新写一遍，比如expect(add(a, b)).toBe(a + b)，这种测试永远能过，毫无意义。正确的做法是用独立数据源做期望值。
diagnosing-bugs：修Bug之前，先让它稳定复现
遇到Bug的时候，很多人的第一反应是看代码、猜原因、试着改。AI也一样，让它修Bug经常越改越乱。Matt认为根源在于AI跳过了最关键的一步：先建立一个能稳定重现Bug的反馈循环。
/diagnosing-bugs把Debug过程拆成六个阶段，第一步也是核心就是"建立反馈循环"。简单来说，就是一条能稳定重现Bug的命令——可以是一个会失败的测试用例、一个curl请求、甚至一个Playwright脚本，只要能一键运行并且明确告诉你Bug触没触发就行。在这步完成之前，AI不允许跳到猜原因的阶段。如果AI还没搞定重现命令就开始分析代码，Skill会直接打断它。有了稳定重现之后，再最小化场景、提出假设逐一验证、修复并写回归测试。
teach：AI当你的私人教师
/teach这个Skill挺有意思，它不只是让AI给你讲个知识那么简单，背后有一套完整的教学方法论。你告诉AI想学什么东西之后，它会先问你为什么想学。然后把学习目标记录到MISSION.md，接着搜索高质量资源整理成RESOURCES.md，最后给你设计课程，每堂课是一个HTML文件保存在lessons/目录下。
它还会区分"流畅度"和"存储强度"。流畅度是你当场能回忆起来的感觉，但不代表真记住了；存储强度才是长期记忆。所以它会刻意设计有一定难度的练习，用间隔重复和交错练习来加深记忆。还有个"最近发展区"的概念——AI会根据你之前的学习记录判断现在的水平，设计刚好超出能力一点点的内容，不会太简单无聊，也不会太难放弃。
所有学习过程都保存在当前目录，下次打开同一个目录继续学，AI能接着上次进度来。
wayfinder：大项目拆成决策地图
/wayfinder专门解决一个问题：项目大到一个AI对话装不下的时候怎么办？
AI的思考质量会随着上下文变长而下降，Matt把AI表现最好的范围叫"智能区间"，大概在12万tokens以内。/wayfinder的做法是把大需求拆成一张"决策地图"，AI先跟你一起把最终目标定义清楚，然后在Issue管理工具里创建地图，列出需要做的一系列决策，每个决策是一个独立Issue，自动标注哪些可以先做、哪些要等前置完成。
每次你开一个新对话处理一个决策，上下文都是干净的。这很像企业开发里的模块化。里面还有个"战争迷雾"的设计，就像游戏里没探索过的区域——你现在能看到的决策只是一部分，随着前面决策逐步完成，后面的才逐渐清晰。这样可以避免一开始就过度规划那些还想不清楚的事情。不过这个Skill门槛比较高，更适合有一定工程经验的开发者。
improve-codebase-architecture：定期给代码做体检
代码量大了以后，Matt建议每隔几天跑一遍/improve-codebase-architecture，相当于给代码做体检。它会深度扫描代码库，生成一个可视化的HTML报告，用Tailwind美化样式、用Mermaid画架构图。每个优化建议是一张卡片，写着涉及文件、当前问题、改进方案、改进前后对比，还会标注推荐程度。你选一个感兴趣的，它就启动一轮新的grilling对话来讨论具体怎么改。
这个Skill的核心理念来自《A Philosophy of Software Design》。好的模块就像微波炉，按几个按钮就能加热食物，内部原理完全不用管——这叫"深模块"，接口简单，实现复杂。但如果一个模块用起来跟自己写一个差不多费劲，那就是"浅模块"了。这个Skill要找的就是代码库里那些"浅"模块，帮你把它们变成"深"模块。
handoff：跨对话不丢上下文
/handoff解决的是跨对话协作问题。你在一个对话里讨论了很多内容，积累了大量上下文，但要开新对话的时候，之前所有讨论就全丢了。手动复制粘贴麻烦，还容易遗漏。
/handoff会在当前对话结束前，让AI把核心内容压缩成一份交接文档，保存成Markdown文件。下次开新对话的时候，让AI读一下这个文件，就能接着上次进度继续工作。交接文档还会标注建议在新对话中使用哪些Skill，并且自动去除敏感信息比如API密钥。
除了上面这些，仓库里还有不少实用的Skill。/ask-matt相当于一个路由器，你不知道该用哪个Skill的时候问它就行。/git-guardrails-claude-code会给危险git操作加道闸，防止手滑把不该推的东西送到远程。/setup-pre-commit帮你把Husky跑起来，提交前自动过一遍格式检查和类型校验。/to-spec能把对话整理成规范的技术规格书，/to-tickets再拆成粒度合适的任务单直接写进Issue追踪器。 这套东西的本质不是提示词技巧，而是把存在了二十多年的软件工程方法论封装成了AI能执行的格式。以前得靠团队协作和代码评审来落地，现在通过几个Skill文件就能让AI按规矩干活。如果你已经习惯用AI辅助编程，又对代码质量有要求，值得花半分钟装上去试试。
AI 速览
