Matt Pocock 开源 AI Skills 完全指南：74K Stars GitHub 爆火 工程师专属 AI 编码技能库

发布: 2026-05-12 阅读: 10 分钟 AI 编程 / 开源工具

2026 年 5 月 12 日 GitHub Trending 爆出一颗核弹级项目 — Matt Pocock 的 skills 仓库在单日内狂揽 3,886 颗星 总星数突破 74,000。这个仓库不是什么花哨的 AI 框架 也不是新出的模型

它只是一个 .claude 目录 里面放着 Matt Pocock（TypeScript 类型系统第一人 Total TypeScript 作者 前华纳音乐首席工程师）每天真的在用的 AI 编码 Agent 技能

为什么这个项目值得关注

很多人以为 AI 编码已经很强了 给个 prompt 就能写出一堆代码 但真正在大型项目中用过的人都知道 — Agent 写出屎山代码的速度比人类快 10 倍

Matt Pocock 这套 skills 的核心思想是 不是让 AI 更快地写代码 而是让 AI 写出可维护的工程级代码 它不像 GSD（Get Shit Done）、BMAD、Spec-Kit 那些框架那样接管整个过程 而是提供小而精的原子技能 你可以自由组合 像搭积木一样搭出自己的 AI 编码流程

快速安装

一行命令即可安装 Matt Pocock 全套 skills：

安装脚本会交互式地让你选择想安装的技能 以及目标编码 Agent（Claude Code / Codex / Cursor 等）

安装完成后 在你的 Agent 中运行 /setup-matt-pocock-skills 它会引导你配置：

• 使用的 Issue Tracker（GitHub / Linear / 本地文件）
• Issue 分类标签（/triage 技能会用）
• 文档目录位置

整个安装配置过程不超过 3 分钟

核心技能全景解读

Matt Pocock 的 skills 覆盖了软件工程的完整生命周期 从需求对齐到代码设计 从测试驱动到调试诊断 从架构维护到文档沉淀 下面逐一解读

/grill-me — 最重要的技能 没有之一

Matt 自己说这是最受欢迎的技能 每次做改动之前先用它 这其实是一个需求对齐追问器

AI 编码最大的失败模式是什么？不是写不出代码 而是写错了代码。你心里想的 A Agent 理解成了 B 然后吭哧吭哧写了 C 最后你看到的是 D 谁都不满意

/grill-me 就是解决这个问题的。它让 Agent 在动手写代码之前 对你进行一轮"审讯"：

• 你到底想要什么？
• 这次改动的影响范围是什么？
• 边界条件是什么？
• 有没有隐藏的假设？

还有一个升级版 /grill-with-docs 不仅追问需求 还会帮你建立领域统一语言（Ubiquitous Language）并生成架构决策记录（ADR）

领域统一语言 — 让 Agent 说人话

你有没有发现 Agent 写代码时会大量啰嗦 用 20 个词说一个概念？这是因为 Agent 不知道你项目的术语体系

Matt 的方案是在项目中维护一个 CONTEXT.md 文件 建立项目专属的领域语言。比如 一个在线课程管理项目中：

• 之前："当某个课程中的某节课被标记为'真实存在'（即它在文件系统中有了一个位置）的时候"
• 之后："当物化级联（materialization cascade）发生时"

四个字精确表达了一整句话 而且这个术语在之后的每个 session 都会复用 变量名、函数名、文件名全都保持一致 代码可读性暴增

这个能力内嵌在 /grill-with-docs 技能中 极其强大

/tdd — 测试驱动开发 红绿重构循环

AI 写的代码最大的问题是什么？没有反馈循环。Agent 写完代码就完事了 它不知道自己写的对不对

/tdd 强制 Agent 遵守 TDD 流程：

• 红：先写一个会失败的测试
• 绿：写最简代码让测试通过
• 重构：清理代码同时保持测试绿色

这也是为什么 Matt 强调静态类型、浏览器访问、自动化测试三件套是关键反馈机制 没有这些 Agent 就是在闭眼写代码

/diagnose — 硬核调试循环

遇到复杂的 Bug 或者性能回归 普通的 "fix this" prompt 基本没戏。/diagnose 把调试变成一个结构化流程：

1. 复现：确定稳定的复现步骤
2. 最小化：缩小输入范围 找到最小复现场景
3. 假设：提出可能的根因
4. 检测：通过日志/断点验证假设
5. 修复：实施修复
6. 回归测试：确保没引入新问题

这套方法论来自经典的软件工程调试实践 现在被结构化成了一个可执行的 Agent 技能

/improve-codebase-architecture — AI 时代的架构医生

AI 会加速软件熵增 这可能是 2026 年最重要的软件工程洞察之一。因为 Agent 写代码太快 代码库的复杂度在以前所未有的速度增长

/improve-codebase-architecture 就是为此而生 它基于 CONTEXT.md 中的领域语言和 docs/adr/ 中的架构决策 找到代码库中的深层重构机会

Matt 建议每几天跑一次这个技能 就像给代码库做定期体检

更多实用技能

除了以上几个核心技能 还有：

• /triage — 基于状态机的 Issue 分类引擎 支持多种分类角色
• /to-prd — 将当前对话上下文直接转为 PRD 并提交 Issue
• /to-issues — 将任何计划/PRD 按垂直切片拆成独立可执行的 GitHub Issues
• /zoom-out — 让 Agent 退一步 从系统全局视角解释某段代码
• /prototype — 快速构建可抛弃的原型来验证设计

与其他 AI Coding 框架的对比

市面上有不少 AI 编码框架或规范 比如 GSD（Get Shit Done）、BMAD、Spec-Kit 还有我们之前介绍过的 Addy Osmani 的 Agent Skills

Matt Pocock 这套的最大不同在于：它不做流程拥有者

GSD 和 BMAD 试图接管整个开发流程 让你按照固定的流水线走 好处是规范化 坏处是一旦某个环节出了问题 你很难绕过它调试

Matt 的技能设计哲学是：

• 小：每个技能只做一件事
• 可适配：你可以自己改 不用受框架束缚
• 可组合：需要什么就用什么 不要就扔一边
• 模型无关：Claude Code、Codex、Cursor 都能用

这套哲学源自《程序员的修炼之道》和《领域驱动设计》的经典思想 不是花架子

谁应该使用这套 Skills

• AI 编码重度用户：每天用 Claude Code / Codex 写代码的人 这能帮你大幅减少"重写"的浪费
• 技术管理者：>想规范团队成员用 AI 写代码的方式 统一工程实践
• 追求代码质量的工程师：>看不惯 AI 产的屎山 希望让 Agent 写出能维护的代码
• 初创团队：>代码库增长很快 需要定期架构检查

快速上手指引

1. 运行 npx skills@latest add mattpocock/skills
2. 选择你想要的技能 配置目标 Agent
3. 在 Agent 中运行 /setup-matt-pocock-skills
4. 对于新功能 先用 /grill-me 确认需求
5. 写代码时用 /tdd 保持测试闭环
6. 每天跑一次 /improve-codebase-architecture

总结

Matt Pocock 的 skills 仓库爆火不是偶然。在 2026 年 大家发现 AI 编码的真正瓶颈不是写代码的速度 而是写出值得维护的代码

这套技能把几十年的软件工程智慧（TDD、DRY、领域驱动设计、最小反馈循环）变成了 AI Agent 可以执行的原子操作 它不是让 AI 变聪明 而是让 AI 变严谨

如果你的 AI Agent 整天写出让你想砸键盘的代码 试试 Matt Pocock 的 skills 也许这就是你需要的工程解药

项目地址：https://github.com/mattpocock/skills