简介

这个项目不是提示词合集，而是把需求盘问、TDD、诊断、架构维护这些真实工程流程，封装成各种主流 Agent 可复用的 skills。适合想让 Agent 少跑偏、少猜测、按工程方法协作的开发者。 项目地址：https://github.com/mattpocock/skills 喜欢这类 AI 工具拆解，记得一键三连加关注。

字幕

00:00 今天这个项目是matt pocock skills 00:03 他现在大概有104K星 00:06 这个项目 00:07 一句话解释就是给真实工程师用的agent技能包 00:12 注意它不是那种神级提示词合集 00:16 它更像是把真实软件工程里的工作方法 00:19 拆成一组可以让各种主流agent执行的固定流程 00:24 作者在read me里说的很直接 00:26 这些skills是他每天真实做工程时会用的 00:31 不是web coding 00:33 这句话其实就是这个项目最核心的定位 00:36 因为现在很多人用agent写代码 00:38 会遇到几个很典型的问题 00:40 第一个问题 00:41 agent没真正听懂你要什么 00:43 你以为你说清楚了 00:45 结果他写出来以后 00:46 你才发现他理解的功能边界 00:49 验收标准和你想的完全不是一回事 00:52 所以这个项目里有一个很重要的技能 00:55 叫grill me 00:56 可以理解成在开工前先让agent反过来盘问你 01:00 他会逼你把需求边界 01:06 这一步听起来有点麻烦 01:08 但它解决的是最常见的问题 01:10 不是agent不会写代码 01:12 而是他一开始就理解错了 01:15 第二个问题 01:15 agent太啰嗦 01:16 而且不懂项目里的黑话 01:18 一个真实项目里经常会有自己的业务词 01:22 模块名 01:23 历史决策 01:24 人类团队知道这些词是什么意思 01:27 但agent刚进项目的时候不知道 01:30 所以他经常用一大段废话解释一个概念 01:33 这个项目的解决方式是 01:35 让agent建一个共享语言文档 01:38 比如context m d 01:39 还有ADR 01:41 也就是架构决策记录 01:43 这样下一次再让agent干活 01:45 他不需要重新猜这个项目的术语 01:48 他可以直接用团队内部已经约定好的语言 01:51 去理解代码 01:52 命名变量 01:53 猜任务 01:54 这对长期项目很有用 01:57 第三个问题 01:58 agent写出来的代码看起来像能跑 02:00 但其实一跑就错 02:02 这个项目给的思路不是相信agent 02:05 而是把反馈循环补上 02:07 比如里面有一个t d d skill 02:09 它会让agent按红绿重构的节奏工作 02:13 先写一个失败的测试 02:15 再写代码 02:16 让测试通过 02:17 最后再整理实现 02:19 这样agent不是闭着眼睛生成代码 02:21 而是在测试反馈里一步一步往前走 02:24 还有一个diagonal skill 02:26 用来处理bug 02:27 它不是让agent上来就改 02:30 而是先复现问题 02:32 再缩小范围 02:33 再提出假设 02:34 再加日志或者检查点 02:36 最后才修复 02:37 这一点很关键 02:39 因为很多agent修bug最大的问题就是他一上来就猜 02:44 猜错了 02:44 还会把代码越改越乱 02:47 第四个问题 02:48 项目越改越像一团泥 02:50 agent写代码速度很快 02:52 但这也意味着坏设计膨胀得更快 02:55 今天加一个函数 02:57 明天补一个分支 02:58 后天再塞一个临时逻辑 03:01 最后代码还能跑 03:02 但没人知道怎么改了 03:04 所以这个项目里还有一些更偏架构成的skills 03:07 比如room out 03:09 让agent从整个系统的角度解释一段代码 03:12 再比如improve code base architecture 03:16 让agent定期检查代码库里有没有可以变得更清晰 03:20 更深 03:21 更好维护的地方 03:22 这其实是很多agent的工具忽略的点 03:26 写代码只是第一步 03:27 能不能长期维护 03:29 才是真实项目的难点 03:31 所以我觉得这个项目最值得收藏的地方 03:33 不是某一个具体skill有多神 03:36 而是它提供了一种工作方式 03:38 不要把agent当成一个直接帮我写完的黑盒 03:42 而是把它放进一套工程流程里 03:45 开工前先盘需求 03:47 动手时用测试给反馈 03:49 出问题时 03:50 按诊断流程查项目变大后再定期整理架构 03:55 这样agent才更像一个真正能协作的工程助手 03:59 它和前面讲过的SPECIT也有点像 04:02 但侧重点不一样 04:03 spit更强调先把需求变成规格 04:07 再推动实现 04:09 而这个Macbook cook skills 04:11 更像把真实工程里的日常动作 04:14 拆成一套可复用的agent工作法 04:17 如果你平时用各种主流agent写真实项目 04:20 而不是只做一次性demo 04:23 这个项目就很值得看 04:24 项目地址放在屏幕上 04:26 喜欢这类AI工具拆解 04:28 记得一键三连 04:29 加关注你的支持 04:31 就是我继续更新的最大动力