背景：一个"纯提示词仓库"冲上 GitHub 今日第一

如果你今天打开 GitHub Trending，大概率会看到一个熟悉的名字——Matt Pocock。这位 TypeScript 教育界的顶流（Total TypeScript 作者）把他日常用来做真实工程开发的 Agent Skills 全部开源到了 mattpocock/skills 仓库。

这个仓库的数据相当夸张：2026 年 2 月 3 日首次提交，如今已积累 23.2 万 Star、4500+ Fork，MIT 协议开源。它曾在今年 4 月以单日 +2507 Star 的增速登顶 Trending，而本周再次冲上第一——过去 24 小时新增约 2683 Star，是全站增长最快的仓库之一。

更值得注意的是它的"成分"：整个仓库几乎没有任何可执行代码，核心资产是一堆 Markdown 文件（SKILL.md）和安装脚本。一个纯提示词工程仓库能拿到 20 万+ Star，说明开发者社区对"如何让 AI 编程工具真正干活"这件事的焦虑与热情，已经到了什么程度。

核心理念：不是 vibe coding，是 real engineering

Pocock 在 README 里开宗明义：这些 skills 是用来做 real engineering（真实工程） 的，而不是 vibe coding（氛围编码）。他明确对标 GSD、BMAD、Spec-Kit 这类"接管整个流程"的方法论框架——那些工具虽然能帮你走流程，但把控制权也一并收走了，流程出 bug 时很难排查。

他的设计哲学是：小而可组合。每个 skill 都是一个独立的 Markdown 文件，可以单独取用、随意魔改，且与具体模型解耦（Claude Code、Codex 都能跑）。仓库按"谁有权调用"分成两类：

  • User-invoked（用户触发）：只有你手动输入 /grill-me 这类斜杠命令才会执行，负责编排流程；
  • Model-invoked（模型触发）：agent 判断任务匹配时可以自动调用，承载可复用的工程纪律。

四大失败模式与对应解法

整个仓库的骨架，是 Pocock 总结的 AI 编程工具最常见的四种翻车方式，以及对应的 skill 解法：

1. Agent 没做你想要的事（对齐问题）
引用《程序员修炼之道》的名言"没有人确切知道自己想要什么"。人和 agent 之间存在沟通鸿沟，解法是 grilling session（拷问会话）——让 agent 反过来追问你细节，把设计树的每个分支都问清楚再动手。/grill-me 和 /grill-with-docs 是他最受欢迎的两个 skill。

2. Agent 太啰嗦（语言问题）
agent 被丢进项目后要自己猜黑话，于是用 20 个词表达 1 个词能说的意思。解法是建立 共享语言（ubiquitous language）：一份 CONTEXT.md 术语表 + ADR 决策记录。README 里给了个直观例子——

BEFORE：“课程章节里的某个 lesson 被’实体化’（即在文件系统里占一个位置）时出了问题”
AFTER：“materialization cascade 出了问题”

这种简洁会在一次次会话中持续复利：变量命名更一致、代码库更易导航、agent 思考消耗的 token 也更少。

3. 代码跑不起来（反馈回路问题）
对齐了需求，代码还是烂？那是缺反馈回路。解法是静态类型 + 浏览器访问 + 自动化测试，核心是 red-green-refactor 循环。/tdd skill 让 agent 先写一个失败的测试再修它；/diagnosing-bugs 则把调试纪律封装成"构建能复现 bug 的反馈回路 → 最小化 → 假设 → 插桩 → 修复 → 回归测试"的分阶段门禁流程。

4. 代码库变成大泥球（架构熵增问题）
agent 极大加速了写码速度，也同步加速了软件熵增。解法是 /improve-codebase-architecture：定期扫描代码库中"可以加深模块"的机会点，输出可视化 HTML 报告供你挑选。引用 John Ousterhout《软件设计哲学》的观点——最好的模块是深的：用简单接口暴露大量功能。

技术实现：一个 SKILL.md 长什么样

每个 skill 就是一个带 YAML frontmatter 的 Markdown 文件，结构极其轻量。以 grill-me 为例：

1
2
3
4
5
6
7
---
name: grill-me
description: A relentless interview to sharpen a plan or design.
disable-model-invocation: true   # 仅用户可触发，agent 不能自动调用
---

Call the Skill tool with "grilling".

正文就是给 agent 看的"操作手册"。而 tdd 这类 model-invoked skill 的 description 会写清楚触发条件（“当用户想 test-first 构建功能、提到 red-green-refactor 时”），agent 据此自动判断何时调用。

安装方式体现了两种哲学：

1
2
3
4
5
# 方式一：Claude Code 官方插件市场，订阅式只读更新
claude plugins install mattpocock-skills

# 方式二：skills.sh 安装器，把可编辑文件拷进你的仓库（Codex 等 agent 通用）
npx skills@latest add mattpocock/skills

装完在任意仓库跑一次 /setup-matt-pocock-skills，它会询问你用哪个 issue tracker（GitHub / Linear / 本地文件）、triage 标签规范、文档存放位置——30 秒完成初始化。值得注意的是 v1.2.0 起每个 skill 都附带了 agents/openai.yaml 元数据，同一套文件在 Claude Code 和 Codex 双 harness 下原生工作，不需要生成副本。

影响与展望：提示词工程的"工程化拐点"

这个仓库的走红其实是一个信号：AI 编程的竞争焦点正在从模型能力转向工程方法论。当 GPT、Claude、Gemini 的能力差距逐渐收窄，真正拉开产出质量差距的，是你喂给 agent 的那套工作流纪律——如何对齐需求、如何控制熵增、如何让测试成为反馈回路。

Pocock 把"数十年工程经验"压缩成了可组合的 Markdown 文件，这比任何框架都轻：没有运行时依赖，没有黑盒流程，每个 skill 你都能打开看、改坏它、再修好它。这种"透明 + 可魔改"恰好击中了开发者对 AI 工具最深的顾虑——失控感。

当然也要泼点冷水：skills 是放大器而非替代品。/improve-codebase-architecture 自己也承认，它是"勘察"而不是"救援"——在真正烂掉的代码库上它能找到候选项，但不会替你解泥球。工程基本功（读得懂 diff、判断得了架构好坏）依然是前提。

对国内开发者来说，这套东西的门槛极低：MIT 协议、纯文本文件、双 harness 支持，clone 下来挑两三个 skill 放进自己的项目就能用。如果你的 AI 编程体验还停留在"许愿式对话"，不妨从 /grill-me 开始——先让 agent 把你问一遍，再让它动手。

参考来源：