---

1. 绪论：告别“盲盒式”代码生成

在 AI 编程工具爆炸式增长的今天，开发者群体中出现了一种危险的趋势：“氛围编程”（Vibe Coding）。你输入一段模糊的指令，看着光标飞速跳动，然后祈祷生成的代码能够运行。这种如同“开盲盒”般的开发模式，在项目复杂度提升时会迅速崩溃。

作为金牌课程架构师，我必须严正指出：AI 辅助开发最核心的痛点并非“模型能力不足”，而是需求对齐的失效。真正的工程师不会把项目寄托在运气上。为了帮你完成这一身份转变，我们整理了下表，直观呈现两种开发范式的鸿沟：

维度	氛围开发者 (Vibe Coder)	真实工程师 (Real Engineer)
需求澄清	凭感觉描述，指望 AI 自动“心领神会”，容易出现方向性跑偏。	触发 /grill-me 高强度拷问边界，在动笔前把问题彻底“烤熟”。
反馈循环	代码跑不通就换个提示词重复“抽奖”，缺乏科学的调试路径。	建立 /tdd 红绿重构循环，通过 /diagnose 进行规范化断症。
架构设计	关注单函数实现，忽略全局，导致项目沦为“面条代码”的堆砌。	建立共享语言（CONTEXT.md），利用 /zoom-out 确保架构一致性。

想要告别这种低效的“氛围感”，你首先需要将你的 IDE 彻底重构。接下来，我们将手把手教你如何“全副武装”。

2.环境搭建：30 秒开启你的技能库

我们将引入由顶级软件工程师 Matt Pocock 开发的 skills 工具集。这套工具通过了 GitHub 10.4 万颗星的实战检验，专门用于修复 Claude Code 等 AI 代理在处理复杂逻辑时的失效模式。

通过以下看板，你可以快速完成武器库的装配：

武装项目	激活技能	注入配置
命令： npx @mattpocock/skills install	命令： /setup-matt-pocock-skills	内容： 选定 Issue 追踪器、定义标签、设置文档路径
效果： 技能文件将存入 .claude/skills/	效果： AI 自动识别并启动初始化逻辑	效果： 为后续自动化流奠定底层工程标准

在运行 /setup-matt-pocock-skills 时，AI 会像面试官一样询问你：使用 GitHub、Linear 还是本地文件追踪 Bug？你的任务分发标签是什么？文档保存在哪个目录？请务必认真回答，因为这些配置将决定后续所有工程技能的自动化精度。

3. 核心心法：/grill-me 深度需求“拷问”

在整套工具集中，/grill-me 被公认为“最值钱”的技能。它的底层逻辑简单而震撼：绝不生成代码，只提出问题。

后端开发的一个模糊需求（如“实现积分系统”）往往隐藏着无数工程暗礁。/grill-me 的强大之处在于其“单轮单问”机制：它不会一次性抛出清单，而是每次只问一个核心问题，逼迫你深挖细节，直至方案无懈可击。

根据第三方开发者针对跨大型项目重构的实测数据，我们可以清晰看到“拷问”的价值：

维度	传统 /brainstorming (头脑风暴)	进阶 /grill-me (拷问模式)
追问深度	约 7-8 个宽泛问题	约 20 个精准工程问题
投入时间	快速（约 5 分钟）	慢速（约 20-30 分钟）
最终执行结果	计划粗糙，遗漏大量边界边界，需反复修改。	“一次过”上线，100+ 测试全部通过。

/grill-me 解决的 3 大核心价值：

消除认知偏置： 扼杀“我以为 AI 懂了，其实它没懂”的对齐风险。

强制边界思考： 逼迫你在动笔前考虑并发、异常、过期规则等核心逻辑。

高杠杆 Token 效率： 开头多花 20 分钟澄清需求，能节省后续数小时的推翻重来。

4. 实战模拟：“用户积分累积 API”的灵魂追问

现在，让我们进入“实战模拟室”。假设你试图让 AI 开发一个积分系统，看看 /grill-me 是如何进行无情且专业的连环追问的：

你： /grill-me 我想做一个用户积分累积 API。

AI (Grill-Me)： 好的，为了确保方案稳健，我将逐一确认细节。 Q1： “积分累积”是由什么触发的？是按订单金额比例生成，还是按独立行为（如签到、分享）固定触发？

你： 主要是消费触发，但也支持手动调整。

AI (Grill-Me)： Q2： 明白了。积分计算公式是线性的吗？是否需要根据会员等级（如金卡、银卡）设置不同的计算倍率？

你： 普通会员 1 元 1 分，金卡 1 元 1.5 分。

AI (Grill-Me)： Q3： 这是核心业务。在高并发环境下，你打算如何处理积分扣减以防止超发？是否需要分布式锁或乐观锁机制？

你： 需要高并发支持，要保证数据一致性。

AI (Grill-Me)： Q4： 积分有效期如何设计？是获得即起一年有效，还是每年 12 月 31 日统一清零？

你： 每年年底统一清零。

AI (Grill-Me)： Q5： 最后一个关键点：是否需要持久化每一笔积分变更的明细记录，以便用户审计和后台追溯？

经过这 5 轮针对业务逻辑、倍率计算、并发安全、过期规则以及审计明细的“折磨”，你原本飘在空中的想法已经被彻底“蒸熟”了。

5. 成果转化：将对话提炼为项目方案 (PLAN.md)

请记住，/grill-me 负责提问，但它不会自动帮你写文档。为了实现“一次过”的开发体验，你需要将刚刚的问答提炼为结构化的执行蓝图。

金牌教练建议指令：

“请根据刚才的问答结果，为我生成一份结构化的项目方案文档，并保存为 docs/plan.md。”

一份合格的、让 AI 能够“零偏离”执行的方案文档应包含：

• 业务术语表 (Business Terminology)： 统一定义“倍率”、“清零周期”等词汇，这是建立 CONTEXT.md 共享语言的核心。
• 边界条件处理： 明确最大积分限制、并发冲突时的处理策略。
• 存储设计： 数据库表结构草案（需包含核心表与流水明细表）。
• 验收标准 (Acceptance Criteria)： 明确定义什么样才算“功能完成”，减少交付争议。

6. 进阶展望：你的工程化技能树

掌握了需求澄清只是第一步。在 mattpocock/skills 的生态中，还有更多工程师专属的强力武器等待你解锁：

反馈循环类：

/tdd：强制开启“红-绿-重构”循环。不写失败测试，就不准写生产代码。

/diagnose：针对疑难 Bug 的规范化诊断（复现 -> 假设 -> 修复 -> 回归）。

架构健康类：

/zoom-out：强制 AI 停止盯着局部函数，从全局系统架构视角审视变更。

/improve-codebase-architecture：定期运行，收敛那些因为快速迭代而产生的“面条式”逻辑。

文档协同类：

/grill-with-docs：在拷问需求的同时，同步更新项目的架构决策记录 (ADR)。

总结陈词：在 AI 时代，软件工程的基本功——接口设计、边界思考、领域语言和测试驱动——不仅没有过时，反而成为了开发者手中杠杆率最高的武器。

优秀的 AI 编程工程师不应是“提示词抽奖师”，而应是能够掌控全局、利用工具集约束 AI 行为的建筑师。

现在，去执行你的第一次 /grill-me 吧！

---

作者：道一云低代码

作者想说：喜欢本文请点点关注~

技术资料分享