grill-me：181k Star 的 Claude Code Skill，用一个问题消灭 AI 编码最常见的失败模式

仓库：mattpocock/skills · ⭐ 181,414 · 15,492 forks · MIT
安装量：10.5M 次（全套） · grill-me 单独 624,700 次
安装方式：npx skills@latest add mattpocock/skills 或 Claude Code 插件
作者：Matt Pocock — Total TypeScript 创始人，60k+ 订阅者技术 Newsletter

---

一、为什么需要 grill-me

Matt Pocock 在仓库 README 里引用了《The Pragmatic Programmer》的一句话：

“No-one knows exactly what they want.”

这是 AI 编码最常见的失败模式——你以为你说清楚了，AI 开始写代码，写完你一看：完全不是你想要的。

不是 AI 的错，是你们之间有一个对齐 gap：你脑子里有一棵决策树，但你告诉 AI 的只是树根那个节点，剩下的分支 AI 在猜。猜对了是运气，猜错了你要从头来过。

grill-me 做的事情只有一件：在你动手之前，把那棵决策树完整地走一遍。

不是让你写更长的 prompt，而是让 AI 用问题把你没想清楚的地方全问出来——一次一个问题，等你回答了再问下一个，直到每一个分支都有了明确的答案。

---

二、数字说话：这个 skill 有多流行

指标	数据
GitHub Stars	181,414
GitHub Forks	15,492
skills.sh 全套安装量	10.5M 次
grill-me 单独安装量	624,700 次
grill-with-docs 安装量	529,500 次
仓库内技能数量	55 个
chaseai 扩展（grill-me-codex）	788★

grill-me 是整个 55 个 skill 套件里安装量最高的。这不是因为它最复杂——它的核心 SKILL.md 只有 5 行——而是因为它解决的问题最根本。

---

三、grill-me 的工作机制

核心 SKILL.md（完整内容）

Interview me relentlessly about every aspect of this until we 
reach a shared understanding. Walk down each branch of the 
decision tree, resolving dependencies between decisions one-by-one. 
For each question, provide your recommended answer.

Ask the questions one at a time, waiting for feedback on each 
question before continuing. Asking multiple questions at once 
is bewildering.

If a *fact* can be found by exploring the environment 
(filesystem, tools, etc.), look it up rather than asking me. 
The *decisions*, though, are mine — put each one to me and 
wait for my answer.

Do not act on it until I confirm we have reached a shared 
understanding.

5 行指令，背后是几个精妙的设计决定：

1. 一次只问一个问题

“Asking multiple questions at once is bewildering.” 这个约束不是为了礼貌，是为了让每个决策点都有完整的思考。一次问三个问题，你会草率地回答三个，结果是三个决策都不够扎实。

2. AI 帮你查事实，但决定是你的

“If a fact can be found by exploring the environment, look it up rather than asking me.” 项目里已经有的配置、已经存在的函数、当前的目录结构——这些 AI 自己查。只有决策——选 A 还是 B，用这个库还是那个——才需要问你。这让 grilling 的密度更高，每个问题都是真实的决策点。

3. 每个问题附带推荐答案

“For each question, provide your recommended answer.” AI 不只是问，它告诉你它会怎么选。你同意就往下走，不同意就说为什么——这本身就是一次更有效的思考。

4. 不动手直到你确认

“Do not act on it until I confirm we have reached a shared understanding.” 这是最重要的约束。grilling 阶段只是对话，没有任何文件被修改。决策树走完、你确认、才开始实现。

---

四、安装和使用

方法 1：skills.sh 安装器（可编辑，可定制）

npx skills@latest add mattpocock/skills

按提示选择你想安装的 skill，然后在 Claude Code 里运行一次：

/setup-matt-pocock-skills

它会问你：用什么 issue tracker（GitHub / Linear / 本地文件）、triage 用什么 label、文档保存在哪里。回答完，全套 skill 就可以用了。

方法 2：Claude Code 原生插件（不需要维护，自动更新）

claude plugin marketplace add mattpocock/skills
claude plugin install mattpocock-skills@mattpocock

两种安装方式的哲学不同：

• skills.sh：把文件复制到你的项目，你可以改，可以 fork，可以做成自己的版本
• 插件：只读的托管 bundle，Matt Pocock 更新了你就自动跟上

使用

安装完成后，在 Claude Code 的任何会话里，告诉它你想做什么，然后：

/grill-me

AI 会开始问你问题。一次一个，等你回答完再问下一个，直到它认为已经走完了所有关键分支，然后问你：“我们是否已经达成了共识？“你确认之后，它才开始动手。

---

五、grill-with-docs：更强的工程版

grill-with-docs 是 grill-me 的工程专用版，在 grilling 的基础上额外做两件事：

1. 建立项目共享词汇（CONTEXT.md）

AI 会帮你建立一个 CONTEXT.md，把项目里的专有术语记录下来。

Matt 举了一个例子：

• BEFORE：“There’s a problem when a lesson inside a section of a course is made ‘real’ (i.e. given a spot in the file system)”
• AFTER：“There’s a problem with the materialization cascade”

从 30 个词压缩到 3 个词，但意思完全精确。这个共享词汇一旦建立：

• 变量名、函数名、文件名都用这套语言命名
• 代码库更容易导航
• AI 思考时花更少的 token，因为它用更精确的语言

2. 内联写 ADR（Architecture Decision Records）

每一个关键的架构决策，grill-with-docs 会在 grilling 过程中同步写成 ADR 文档——记录是什么、为什么、有哪些选项被拒绝。三个月后回来看代码，你能知道当初为什么这样决定，而不是只看到结果。

/grill-with-docs

适合在一个项目里频繁工作的场景——词汇越积累越有价值。

---

六、chaseai 扩展：加上 Codex 跨模型对抗评审

chaseai-yt/grill-me-codex（788★）在 Matt Pocock 的 grill-me 基础上加了两个 Act：

	Act 1	Act 2	Act 3（可选）
执行者	Claude 问你问题	Codex 对抗评审计划	Codex 写代码，Claude 评审
输出	锁定的计划	PLAN.md + PLAN-REVIEW-LOG.md	实现的代码 + diff 评审

为什么需要第二个模型？

“The same model that plans the build and writes the build can’t be trusted to grade its own work — it’s an echo chamber.”

用同一个模型来计划、实现、评审自己的工作，是一个结构性的问题——它看不到自己的盲点。Codex（OpenAI 模型）来评审 Claude 的计划，或者 Codex 实现、Claude 评审 diff，形成真正的交叉验证。

Act 2 工作流程：

1. Claude 把锁定的计划写入 PLAN.md，创建 PLAN-REVIEW-LOG.md
2. 第 1 轮：Codex 以只读沙箱模式评审计划，返回 VERDICT: APPROVED 或 VERDICT: REVISE
3. 第 2-N 轮：Claude 修改；同一个 Codex session 被恢复（记得上一轮的批评），只检查是否解决了之前的问题
4. 上限 5 轮（可配置），批准或到上限结束
5. 你只参与两次：启动，和最终签字

Act 3（角色翻转）：

Codex 拿到 PLAN.md 作为冻结 spec，获得完整写权限（--yolo），实现整个计划并自己跑测试。Claude 则读完整 diff，像 PR 评审者一样审查——Codex 的测试结果只是参考，Claude 自己跑的才算数。

安装：

cp -r skills/* ~/.claude/skills/

前提：npm install -g @openai/codex@latest 并运行 codex login。

---

七、grill-me 套件里其他值得安装的 skill

Matt Pocock 的 55 个 skill 里，下面这几个解决了 AI 编码的其他常见问题：

Skill	安装量	解决什么问题
/improve-codebase-architecture	514.9K	扫描代码库找出设计问题，HTML 报告 + grilling 会话
/tdd	494.6K	红绿重构循环，AI 先写失败测试再修复
/handoff	413.7K	会话压缩成交接文档，让另一个 agent 继续
/prototype	399.3K	快速做一个可运行的原型来回答设计问题
/diagnosing-bugs	216.2K	系统性调试循环：复现→最小化→假设→验证→修复
/code-review	151.8K	两个维度并行：代码规范 + 是否符合 spec
/wayfinder	130.3K	把超大任务（一个 session 装不下的）分解成调查票

---

八、为什么是”一个问题”而不是”更好的 prompt”

很多人的直觉是：写更长、更详细的 prompt，就能减少 AI 的猜测。

但 Matt Pocock 的洞察是：你自己也不知道你想要什么的全部细节。你写 prompt 的时候，脑子里还有很多隐含的假设没有意识到——直到 AI 做出了一个不符合你期望的决定，你才意识到那个假设存在。

grill-me 的做法是翻转这个流程：不是让你提前想清楚所有细节，而是让 AI 用问题把那些隐含假设挖出来，一个一个地逼你表态。

这不是提示工程，是一种更根本的协作模式：先对齐，再动手。

---

参考资源

• mattpocock/skills：GitHub · skills.sh
• chaseai-yt/grill-me-codex：GitHub（788★）
• Matt Pocock Newsletter：aihero.dev/s/skills-newsletter（60k 订阅者）
• Chase AI Community：skool.com/chase-ai

© 2026 Author: Mycelium Protocol