你是不是也有过这种经历：让AI帮你重构代码，它二话不说动了几十个文件，跑起来全红；让它写需求它直接开始写代码，写完发现方向是错的；每次新开对话都要像教新人一样重新教它一遍项目里的术语和约定。Matt Pocock 把自己日常用的 AI Agent 技能全开源了，不是”Vibe Coding”那套，是实打实的工程方法论。
Matt Pocock 这个名字，搞 TypeScript 的人应该都认识。他是社区里最有影响力的 TS 布道者之一，AI Hero 通讯有将近六万订阅。他开源的这套技能不是什么理想化的实验品，而是他日常开发中实际在用的东西——直接从他的 .claude 配置目录里扒出来的。
92.5K Star 的数据也说明了大家对这个东西的认可程度。他的核心观点非常明确：AI 辅助编程不是让软件工程基本功变得不重要，恰恰相反，有了 AI 以后，工程素养比以前更关键了。如果没有好的流程约束，AI 写代码越快，代码库腐化的速度也越快。
这套技能到底在解决什么问题
Matt 在仓库里清晰地列出了AI辅助编程的四大核心矛盾，每一个都打在最痛的位置：
问题一：你心里想的和你对AI说的，根本不是一回事。 他引用了《程序员修炼之道》（The Pragmatic Programmer）里的话——”没有人确切知道自己想要什么”。你跟 AI 说”帮我做一个用户认证系统”，你以为它理解的是 JWT + 刷新令牌 + 角色权限，它理解的可能是用户名+密码+Session。信息差就这么产生了。他的解法是”盘问式对话”——AI 在动手之前先像面试官一样把需求细节问透。
问题二：AI唠唠叨叨，十个词说清的事非要用五十个。 他引用了 Eric Evans 的《领域驱动设计》——Agent 缺少一套共享的领域语言，所以变量命名不统一、代码啰嗦、架构混乱。解法是在项目里放一个 CONTEXT.md 文件，把领域的核心术语、约定、模式全写进去，AI 每次干活前先读一遍。
问题三：AI写的代码没有反馈闭环，质量完全不可控。 还是来自《程序员修炼之道》——”反馈的速度就是你的速度上限”。没有静态类型检查、没有浏览器验证、没有自动化测试，AI 写出来的代码就只能靠肉眼 review，不靠谱。解法是红-绿-重构 TDD 循环和结构化的调试流程。
问题四：AI加速代码膨胀，项目越来越像一团乱麻。 引用了 Kent Beck 和 John Ousterhout 的观点——AI 能”极速加快编码速度”，但同样也能”极速加速软件熵增”。解法是有意识的架构管理：模块感知的规划、定期的代码库健康检查。
日常用的工程技能，每个都值得装
/diagnose —— 结构化调试，不再猜谜
这不是”你试试改这行”的猜谜式修bug，而是一套严格的六步诊断流程：重现问题 → 最小化复现 → 提出假设 → 插桩验证 → 精准修复 → 回归测试。每一步都是软件工程里 debug 的正确姿势，只是把它固化成 AI 必须遵守的规则。
/grill-with-docs —— 先拷问方案，再允许动手
这是整套技能里最体现 Matt 工程哲学的一个。在 AI 动手写代码之前，先用项目里已有的领域模型、术语表和架构决策记录去挑战它的方案。不够清晰的地方追问到底，流程走完顺便把 CONTEXT.md 和 ADR 更新了。等拷问结束的时候，AI 对整个项目的理解已经上了一个台阶。
/tdd —— 测试驱动的红绿重构循环
正统的 TDD 流程：先写测试（红）→ 写最少代码让测试通过（绿）→ 重构（优化）。强调一个垂直切片一个垂直切片地构建功能，而不是一次性铺完所有东西再回头修。
/to-issues —— 把大方案拆成可独立执行的工单
拿着一份计划、PRD 或者 Spec，按垂直切片拆成一个个独立的、可以直接被认领开发的 Issue。对团队协作场景来说这就是基础设施——一个人的想法要变成多人可并行的任务。
/improve-codebase-architecture —— 定期给代码库做体检
Matt 建议每隔几天就跑一次，让 AI 扫描整个代码库找出”有深化空间的模块”——哪些地方的抽象不够清晰、哪些依赖关系开始变乱了、哪些命名跟当前领域语言不一致了。AI 写代码越快，这种定期体检就越有必要。
/triage —— 工单管理状态机
用统一的角色和标签体系管理所有 Issue，让 AI 帮你做 Issue 的优先级分类和流转。小的、结构化的流程自动化，日积月累能省很多心智负担。
/setup-matt-pocock-skills —— 一次性配好所有基础设施
每个仓库只需要跑一次。配置工单追踪器（GitHub/Linear/本地文件）、定义分类标签词汇、指定文档存储位置。所有其他工程技能都依赖这个一次性初始化。
/zoom-out —— 让AI拉远镜头看全局
遇到一段不熟悉的代码，不是上来就解释这行是什么，而是先给你系统级的上下文——这个模块在整个架构里的位置、它依赖什么、被什么依赖、它的变更会影响到哪些区域。
/prototype —— 快速搭建可抛弃原型
专门用来快速验证想法。两种模式：用终端应用快速验证业务逻辑是否正确，或者在一个路由下同时生成多个 UI 方案供切换对比。跑通了就留下来重构，跑不通直接扔掉，不污染正式代码。
不写代码的时候也能用的生产力技能
/grill-me —— 拷问你的方案，直到每个分支都想清楚
跟 /grill-with-docs 逻辑一样，但不局限在代码场景。你想了一个产品方案、写了一份商业计划、设计了一个系统架构，AI 会像最挑剔的投资人一样把每个决策分支穷尽拷问一遍。适合在动手之前用来做思想实验。
/caveman —— 极致省 Token 的压缩通信模式
“山顶洞人”模式，把 AI 的输出压缩到极致——砍掉 75% 的 Token，但不丢技术准确性。适合你已经很熟悉当前主题、只需要确认关键信息的场景，省时间也省钱。
/handoff —— 把你的对话打包交给下一个Agent
当前对话太长、换一个Agent干活的情况越来越多。这个技能把整个对话压缩成一份交接文档，下一个 Agent 拿到的不是历史记录，是浓缩的上下文。多 Agent 协作的基本单位。
/write-a-skill —— 像搭积木一样创建新技能
教你怎么按”小、可适配、可组合”的原则创建新技能。包含正确的技能结构、渐进式信息呈现、以及如何把相关资源打包进去。
额外彩蛋：几个小众但实用的技能
/to-prd 把当前对话的内容合成为一份 PRD 并提交为 GitHub Issue，提交前还会拷问你”哪些模块受影响”。
/git-guardrails-claude-code 拦截危险的 Git 命令——push、reset –hard、clean，防止 AI 不小心把你的代码炸了。
/setup-pre-commit 自动搭一套 Husky + lint-staged + Prettier + 类型检查 + 测试的 pre-commit 钩子。
上手就一行命令
1
npx skills@latest add mattpocock/skills
选择你需要的技能、指定目标 Agent，记得先跑 /setup-matt-pocock-skills 做一次性的仓库初始化。之后每个技能都是独立的，按需使用、互不冲突。
总结
Matt Pocock 这套技能最有说服力的地方在于，它不是一个”AI工具布道师”写出来的营销内容，而是一个每天写代码的、有几十年工程经验的开发者从他自己的 .claude 配置里掏出来的东西。
底层逻辑从头到尾一以贯之：软件行业几十年积累下来的工程实践，在 AI 时代不是过时了，而是比以前更需要了。AI 可以让你写代码快十倍，但没有 DD、没有 TDD、没有架构 review 的约束，熵增也是十倍速。这套技能的价值，就是把这些约束自动化了。
