原视频：https://www.youtube.com/watch?v=aR97E7aKEgg
这个视频其实是在借 Matt Pocock 开源的 skill 套装，讲一件事：AI 时代怎么把"软件工程几十年的老经验"重新用起来，反过来驯服 AI。下面把要点按"背景 → 主工作流 → 写 skill 的方法论 → 架构观 → 与 Superpowers 的对比 → 核心启示"六层拆开。
🎯 一、项目背景与核心目标
• Matt Pocock 是 TypeScript 领域顶级专家，把这个从自己 .claude 目录里真实在用的 Skills 开源出来，项目已经拿到 16 万+ Star、700 万次下载。
• 他打造这套工具的终极目标只有一个：控制 AI 的随机性。
• 他对市面上大型框架（Get Shit Done、Spec-Kit、Superpowers）的不满：它们想把整个开发流程接管过去，做成又重又硬的固定流水线，前面一步定歪，错误就顺着整条线传染。
• 他的解法走完全相反的路：每个 skill 刻意做得很小、很好改、能自由拼装——"小而模块化"是他所有设计的底层逻辑。
💡 核心洞察：AI 本质是个充满随机性的黑盒，要控制它，靠的不是更大的框架，而是把决策权抢回人类手里。
🔧 二、核心工作流：五站式生产线
整套流程是 grill-me → to-spec → to-tickets → implement → code-review，每一站都是一个独立的、可单独调用的 skill。
1️⃣ /grill-me：动手前先被拷问
• 这个被几百万人下载的 skill，文件里只有短短 5 行指令，但每一句都是刻意雕琢过的。
• 5 行字干的事：
- 在达成共识前，把用户往死里问
- 像画心智图一样顺着思路延伸，把每个决定背后的连锁反应挖出来
- 每次只问一个问题，且必须附上建议答案
- 在设计达成共识前，绝不准偷偷跑去写代码
• 为什么需要它？写程序的本质是连续做出几百个微观决定（防呆怎么做的、断线怎么办、极端数据怎么处理）。如果你习惯把模糊想法直接丢给 AI 凭感觉做（Vibe Coding），等于把这几百个决定的决策权全部外包给了会瞎掰架构的 AI 黑盒。
• 进阶版叫 /grill-with-docs：Matt 自己更常用这个。它在每场拷问里顺手把专有名词和重要决策写成文件留下来（CONTEXT.md 和 ADR），下次 AI 带着这些资料来拷问，一开场就能切进重点，不用每次重新摸项目。
2️⃣ /to-spec：把共识沉淀成规格书
• 一旦被 grill-me 拷问完，只要关掉对话 AI 就失忆，所以第二站要赶快把共识写成规格书存起来。
• 关键约束：写 spec 时严禁 AI 引用或写任何代码。
• 为什么这么极端？因为具体代码是最容易变动的，如果让 AI 把代码写进规格，未来代码改动了，过期的旧代码就会误导下一次的 AI，越改越乱。规格书永远只专注在"这个功能要解决什么问题"的思考层面。
3️⃣ /to-tickets：按"用户功能"而非"技术架构"拆任务
• 作用是把规格书拆解成具体待办任务。
• 它解决的是 AI 规划任务的致命坏习惯——AI 喜欢按技术架构分工：
• ❌ AI 的本能做法：先建完所有数据库 → 再写完后端的全部逻辑 → 最后才画前端。结果在最后一步之前你完全没法测试任何东西，等前端出来才发现数据库建错了，前面心血全毁。
• ✅ to-tickets 的做法：强制按用户功能切。同样做电商，第一个任务是"会员登录"（包含专属数据库+登录逻辑+登录画面），第二个任务是"加入购物车"。每做完一个小功能立刻就能打开浏览器测试。
• 任务排好后，互不干扰的任务可以发包给多个 AI 平行处理，开发速度直接翻倍。
4️⃣ /implement：TDD 驱动的实作
• 照着任务清单开始写 code，过程中自动用 TDD 方式引导开发。
• TDD 的核心是防 AI 作弊：
• 如果让 AI 先写功能再补测试，万一 AI 写出 bug（比如把"满 1000 扣 100"写成扣 200），它为了交差会直接生成一个假测试说"扣 200 检查通过"——你根本抓不出 bug。
• 正确的顺序：先写测试（此时必定红灯失败）→ 再写真正实现让红灯变绿灯。AI 没机会拿自己写错的逻辑去配一个绝对会通过的测试。
• 写完后自动呼叫 Code Review skill 做审查。
5️⃣ /code-review：用经典烂代码清单做双轴审查
• 它会开一个全新的 session 来做 Code Review，让 AI 保持在最干净、最聪明的状态，避免被写代码时的记忆干扰。
• 它不是写一句空泛的"请帮我做 Code Review"，而是把软件工程界几十年公认的烂 code 症状写成具体的 12 条检查清单（源自 Martin Fowler 的经典名著《Refactoring》），其中包含：
• Shotgun Surgery（散弹枪手术）：明明只想改按钮颜色，却要打开十几个文件——改动像散弹一样散落各处
• Feature Envy（特性嫉妒）：处理订单的代码老跑去管库存的文件拿数据——逻辑放错了位置
• Data Clumps（数据泥团）：买家姓名、电话、地址总是绑在一起出现，却散着传来传去——应该打包成"联系人"对象
✍️ 三、写 skill 的方法论：/writing-great-skills
Matt 的 skill 之所以厉害，背后是他在 writing-great-skills 里揭示的三个原则：
原则 含义
Pruning（修剪） 多写一句废话，AI 就多一分分心。删掉所有废话、会分心的文字、以及不说模型也知道该怎么做的指令
指引词（Leading Words） 大量运用深植在 AI 训练资料里的经典专有名词（如 Data Clumps），用一个字取代一百字的废话解释
完成标准 给 AI 一个明确的终点
这就是为什么 grill-me 只用 5 行字就能生效——每一个字都有实际作用，AI 根本没有发散的空间。
🏗️ 四、架构观：深模块 vs 浅模块
这是整套系统最硬核的部分，也是 AI 写程序真正的命门。
浅模块的灾难
AI 写代码速度太快，但天生没有大局观，每次只盯眼前几个文件，为了交差最容易写出浅模块——想象一栋房子分了厨房、客厅、卧室，但没有大门，进厨房要走窗户、进客厅要爬烟囱。
• 沟通成本极高，主程序必须亲自处理五间房的数据传递
• 更致命的是：AI 的 Context Window 有限，出 bug 时它发现逻辑散落在五个房间，为了看懂整个流程必须在房间间疯狂跳转，一旦塞进太多琐碎逻辑超过记忆范围，就开始瞎猜，把你原本正常的代码也改坏
深模块的解法
深模块不是把一万行 code 塞进一个大房间，而是盖一扇极简的大门，把复杂的房间藏在里面。同样做结账，对外只提供一个简单的 processCheckout 函数，折扣怎么算、信用卡怎么验全藏在背后，主程序敲一次门事情就办妥。
• 具备极强的局部性：出问题时 AI 只需专注阅读这一个模块，所有来龙去脉都完整集中在视野里，不需要去别处找线索，能极度精准地抓 bug
/improve-codebase-architecture：架构大扫除
针对 AI 造成的浅模块危机，这个 skill 会对代码进行残酷的删除测试：
• 想象把这个模块直接拔掉，让主程序自己处理，会发生什么？
• 如果拔掉后天下大乱、原本隐藏的复杂逻辑全部炸回主程序 → 这是有价值的深模块
• 如果拔掉后代码反而变清爽了 → 这只是个多馀的空壳浅模块，该清理掉
• 每隔几天跑一次，它会扫描整个项目并生成一份 HTML 可视化诊断报告（含前后架构对比图），你连代码都不用看，挑一个最急迫的建议对 AI 说"就照这个方案重构"，它就会把四散的代码重新聚拢成深模块。
⚖️ 五、与 Superpowers 的关键差异
维度 Matt Pocock Skills Superpowers
设计哲学 极简主义 + 模块化，一个 skill 只解决一个问题 完整工作流框架，用写死的 9 个步骤把你从目标到执行包圆
流程绑定 不绑架你，有规格就能直接跳到 to-tickets，想从哪步开始由你决定 强制走完整个流程，产出的文件都是为它自己的下一步量身定制
适用场景 现在的聪明模型（GPT-5.6 Sol、Fable 5 等级），不再需要重度防呆 模型还不太聪明、容易偏题的时代，保母级防呆非常管用
比喻 一盒随插即用的乐高积木，主导权在你手上 一条已组装好的自动化生产线，确保品质稳定
简单说：过去模型笨，Superpowers 的自动化生产线确保了品质稳定；现在模型越来越聪明，Matt 给的乐高积木才真正把工作主导权交还到我们手上。
💎 六、核心启示
Matt 真正开源的不只是几个 skill，而是在 AI 时代该怎么用专业领域积累的思维与语言去驾驭 AI 黑盒。他靠深厚软件工程底子做了两件事：
- 用在架构上：把深模块、烂代码征兆等几十年证明有效的老方法，融入到 skill 的架构里来规范 AI 行为
- 用在沟通上：把软件工程的专有名词直接当作 prompt 的一部分，用精准术语取代废话解释
🎯 这彻底打破了一个迷思：很多人以为有了 AI 就不需要在自己领域精进了。但 Matt 证明了：只有成为专业领域的专家，你才能真正控制好 AI。
"specs-to-code 是伪命题，AI 时代工程基本功更值钱"——坏代码在 AI 时代比以前更贵，因为它会把 AI 的能力一起废掉。工程师的角色从"写代码"变成了"守边界"：重要接口自己把关，实现细节大胆委托给 AI。
评论0
暂时没有评论