摘要：Matt Pocock 开源了他每天在 .claude 目录下实际使用的 28 个 AI 编程 Skills，已获 80800+ Star。这套工具不是让 AI 接管一切，而是用经过验证的工程实践（TDD、DDD、调试规范）来修正 AI 编程的四大失败模式：需求失配、代码啰嗦、无反馈调试、架构熵增。30 秒安装，兼容 Claude Code/Cursor/Codex。

最近有个 GitHub 项目让我盯着看了一个下午。

80800+ Star，2 个月暴涨，作者是写 Total TypeScript 的 Matt Pocock。项目名叫 mattpocock/skills，副标题四个字：Skills for Real Engineers。

注意这个"Real"——它是针对另一个词说的：vibe coding。

---

你用 AI 写代码，为什么越写越乱？

我猜很多人用 Claude Code 或者 Cursor 的体验是这样的：

把需求往里一丢，等它跑完——发现做出来的跟你想的完全不一样。或者是做出来了，但代码一团糟，你自己都看不懂，更别说以后维护了。

Matt 把这些痛点整理成了 四个核心失败模式，我觉得总结得相当准：

1. Agent 没做你想要的（需求对齐失败）

2. Agent 的代码太啰嗦（缺乏共享语言）

3. 代码跑不起来（缺乏反馈回路）

4. 代码变成一坨泥（架构加速熵增）

这四个问题我都踩过。而这套 Skills 就是他针对这四个问题给出的解法。

---

这套 Skills 到底是什么

本质上，就是一堆写好的"指令模板"，装进 Claude Code 之后变成可以直接呼出的斜杠命令——/grill-me、/tdd、/diagnose 这样的。

安装很简单，30 秒搞定：

npx skills@latest add mattpocock/skills

跑完选你想要的 Skills，选 Claude Code/Cursor/Codex，装好了。

一共 28 个 Skills，分工程类和生产力类两块。我挑几个真正让我觉得"原来可以这样"的说说。

---

/grill-me + /grill-with-docs：先审讯我，再开始干

这是 Matt 本人说的"最受欢迎的 Skills"，我试完之后完全理解为什么。

核心思路是：在让 Agent 动手之前，先让它把你审讯一遍。

你有没有这种体验：告诉 AI "帮我做个用户登录功能"，它洋洋洒洒写了一大堆，你看完说"不对，我要的是 OAuth，不是账号密码那种"……然后返工。

/grill-me 就是在开始之前强制对齐。AI 会先向你提出一连串细化问题，直到把所有模糊地方搞清楚了再写代码。

/grill-with-docs 更进一步——它还会帮你建立 CONTEXT.md，一个项目专属术语表。

这个设计我觉得是整个项目里最有工程智慧的地方。举个 README 里的例子：

• 没有术语表：「当某个 section 里的 lesson 获得了文件系统实体时……」

• 有了术语表：「物化级联」

两个字 vs 二十个字，说的是同一件事。token 省了，命名也更一致，AI 理解代码的速度也更快。

这背后引用的是 Eric Evans《领域驱动设计》里"统一语言"的思想——用在和 AI 协作上，我没想到，但细想起来完全说得通。

---

/tdd：让 Agent 真的把测试写对

直接让 AI "帮我写测试"，它大概率会写一堆能跑通但没什么价值的测试——毕竟最简单的通过方式就是写个跟实现强耦合的断言。

/tdd 强制红-绿-重构：先写一个失败的测试，再写代码让它通过。

这个顺序看起来只是流程上的小事，但它逼着 AI 在写测试的时候真正思考"什么叫这个功能做对了"，而不是事后给已经写好的代码补几个能过的断言糊弄了事。

---

/diagnose：规范化的调试，不再乱投医

这个 Skill 解决的是 AI 调试时最常见的问题：乱投医。

给 AI 一个报错，它可能试了五种方法，每种都说"试试这个"，但从不去真正找根本原因。

/diagnose 把调试变成了一个流程：

复现 → 缩小范围 → 提出假设 → 插桩验证 → 修复 → 写回归测试

就是任何有经验的工程师实际调试时走的路，只不过现在 Skill 把它固化成了 Agent 的标准行为，不再让 AI 随机发挥。

---

/improve-codebase-architecture：定期做架构大扫除

Matt 说了一句话我觉得很对：AI 加速了软件熵增。

以前团队花三个月才能把代码搞成一坨泥，现在 AI 帮你，可能一两周就乱了。

/improve-codebase-architecture 建议每隔几天跑一次。它结合 CONTEXT.md 里的领域语言，找出代码里"过于浅层"的模块，给出重构方向。

背后引用的是 John Ousterhout《软件设计哲学》里"深模块"的概念：好的模块接口简单，内部逻辑复杂。很多 AI 生成的代码恰恰相反——接口很多，每个都很浅，组合起来看得人头大。

---

还有几个生产力 Skills 值得一提

• /caveman：超压缩通信模式，去掉所有废话，只保留技术信息，可以降低约 75% 的 token 消耗。长对话的时候特别有用。

• /handoff：把当前会话压缩成交接文档，交给另一个 Agent 继续跑。跨上下文窗口工作的救命稻草。

• /write-a-skill：用来写新 Skill 的 Skill——元 Skill，可以基于自己的项目定制一套。

  

---

加分项：MCP 接入

除了本地安装，有人把这 28 个 Skills 做成了 MCP 服务器（skillsovermcp.com），可以直接把 URL 粘到 Claude Code 或 Cursor 里，跟着 GitHub 仓库自动更新。

对于不想手动维护的人，这个方式更省事。

---

说说我的看法

坦白讲，这个项目的技术含量不算高——本质就是一堆精心设计的 prompt 模板。

但这正是它厉害的地方：工程智慧的密度很高。

每一个 Skill 背后都有一个"为什么这样做"的清晰理由，引用的是 DDD、TDD、《极限编程》《实用主义程序员》这些经过几十年验证的工程实践。它不是让你把控制权完全交出去（像某些 "full agent" 框架那样），而是用 AI 辅助你做真正的工程决策。

80800 Star 涨得很快，但这个数字我觉得它值。

如果你在用 Claude Code 或者 Cursor，花半小时装上试试，尤其是 /grill-with-docs 和 /tdd——用一次就知道为什么它能涨这么快了。

---

GitHub：https://github.com/mattpocock/skills

安装命令：npx skills@latest add mattpocock/skills

 我是顾北，关注我，获取更多好玩有趣的开源仓库！

 谢谢你阅读我的文章~

 我们下期再见！

  PS：本文部分内容由AI辅助创作