grill-me Skill 详细总结

一句话概述：grill-me 把"事前需求对齐"这件容易被省略的事，变成一个结构化、可执行、不依赖个人自觉性的协作步骤。它逼 AI 在写代码前，把你的需求当成一棵决策树，一根一根分支问清楚。

一、grill-me 是什么

grill-me 是 Matt Pocock（前 Vercel 开发者工具团队工程师）在 mattpocock/skills 仓库中开源的一个 AI 编程 Skill。它的核心作用是：在 AI 助手真正动手写代码之前，通过一场"无情面谈"（relentless interview），把模糊的需求逐条追问清楚，确保双方对方案的理解一致。

基本信息

原始 SKILL.md 源码

grill-me 的 SKILL.md 极其精简，只有几行：

---
name: grill-me
description: A relentless interview to sharpen a plan or design.
disable-model-invocation: true
---

Run a `/grilling` session.

它本质上是一个"入口包装"——实际工作由底层的 grilling 原语完成。disable-model-invocation: true 表示 AI 不会自动触发这个 Skill，必须由用户手动输入 /grill-me 来启动。

配套的 agents/openai.yaml

interface:
  display_name: "Grill Me"
  short_description: "Sharpen a plan through interview"
policy:
  allow_implicit_invocation: false

二、核心原语：grilling

grill-me 的实际逻辑由 grilling skill 提供。grilling 是整个"拷问"技术族的核心原语（primitive），是唯一的真相来源（single source of truth）。

grilling 的 SKILL.md 源码

---
name: grilling
description: Grill the user relentlessly about a plan, decision, or idea. Use when the user wants to stress-test their thinking, or uses any 'grill' trigger phrases.
---

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.

三条核心规则

两个关键设计

1. 每个问题附带推荐答案：AI 不是抛出一个空问题让你回答，而是先给出自己的推荐方案，你只需确认或纠正。这降低了用户的认知负担。

2. 全部厘清后才允许进入实现阶段：直到决策树的所有分支都被访问、没有隐藏的默认假设，AI 才开始写代码。用户必须确认"已达成共享理解"后才会继续。

三、grill-me 能做什么

解决的核心问题

AI 编码助手有个共同的性格缺陷：急于动手。你描述一个功能，它十几秒就能给出一个像模像样的方案，但那些没被明说的边界情况——并发冲突、权限归属、异常分支——它会替你悄悄做主，用一个"看起来合理"的默认假设糊过去。

grill-me 解决的就是这个问题：把"需求澄清"从一个容易被跳过的可选步骤，变成写代码前的强制协作环节。

有 vs 没有 grill-me 的差别

典型症状（没有 grill-me 时）

• AI 在没有澄清需求的情况下直接开始写代码，写完才发现方向完全跑偏
• 同一个功能反复被打回，原因不是代码质量差，而是"没考虑到 XX 场景"
• 团队里每个人对同一份需求的理解都不完全一样，AI 只是把这种模糊性又复制了一份到代码里

四、整个 grill 技术族

grill-me 并不是孤立存在的，它属于 mattpocock/skills 仓库中的一组"拷问"技术。理解整个体系有助于选择正确的工具。

技术族全景

grilling（核心原语 / primitive）
├── grill-me（无状态入口，手动触发）
├── grill-with-docs（有状态入口，手动触发，会写 ADR + 术语表）
└── batch-grill-me（批量版本，开发中，每轮问所有可用问题）

各组件对比

在构建链中的位置

grill-me 处于构建链的最前端：

grill-with-docs → to-spec → to-tickets → implement → code-review

• grill-me / grill-with-docs 守在最前面，保证"做的是对的事"
• code-review 守在最后面，保证"事做对了"
• 少了前者，后者审得再严也只是在精修一个错误的答案

何时用哪个

• grill-me：方案大致正确但隐含未解决决策，想快速发现软肋
• grill-with-docs：方案模糊、领域语言未确定，需要留下 ADR 和术语表
• batch-grill-me：需求太大、一个一个问太慢，想每轮批量问所有可用问题
• wayfinder（上游）：全新项目或大型功能构建，路线不明，先做决策地图

五、如何上手安装

通用安装命令

# 方法一：npx skills CLI（推荐，跨 Agent 通用）
npx skills add mattpocock/skills --skill=grill-me

# 方法二：手动克隆
git clone https://github.com/mattpocock/skills ~/.claude/skills/grill-me

各主流 AI IDE 安装

Claude Code

npx skills add mattpocock/skills --skill=grill-me
/skills list        # 确认 grill-me 出现在列表中
/grill-me           # 手动触发

Skills 目录位置：项目级 .claude/skills/grill-me/

Cursor

npx skills add mattpocock/skills --skill=grill-me --host cursor

Skills 目录位置：项目级 .cursor/skills/，重启 Cursor 后生效

Codex

skill-installer install mattpocock/skills/grill-me

OpenCode

mkdir -p ~/.agents/skills
git clone https://github.com/mattpocock/skills ~/.agents/skills/grill-me

Trae

npx skills add mattpocock/skills --skill=grill-me --host trae

CodeBuddy

npx skills add mattpocock/skills --skill=grill-me

更新

npx skills update grill-me

六、如何使用

基本使用流程

1. 在你的 AI 编码助手（如 Claude Code）中打开项目
2. 输入 /grill-me 后跟上你的需求描述
3. AI 开始按决策树分支逐个提问，每个问题附带推荐答案
4. 你确认或纠正每个推荐答案
5. 所有问题厘清后，AI 生成计划摘要
6. 确认后进入代码实现阶段

验证 Skill 生效的检验法

测试 Prompt 1（正向触发）：

/grill-me 我要给用户服务加一个手机号更新接口

预期行为：AI 不直接写代码，而是开始按分支提问（如"手机号是否需要短信验证码校验""被其他账号占用时如何处理"），每个问题都附带推荐答案，等你确认后才继续。

测试 Prompt 2（边界验证）：

这个功能很简单，你直接写就行，不用问我

预期行为：AI 仍应至少确认关键的高风险分支（如唯一性冲突、鉴权归属），而不是完全放弃澄清——如果它完全妥协直接开写，说明约束没有生效。

七、实战案例

案例一：开发一个新接口

任务：为用户服务新增"手机号更新"接口（Java 17 + Spring Boot 3 + MySQL）

步骤：

# Step 1：触发 Skill
/grill-me 给用户服务加一个更新手机号的接口

AI 按分支提问（节选）：

Q1/6：新手机号是否需要验证码校验？
推荐答案：需要，沿用现有短信验证码组件（复用注册流程的 SmsService）
（确认：是）

Q2/6：新手机号已被其他账号占用时如何处理？
推荐答案：返回 409 冲突，提示"该手机号已被使用"，不做自动合并账号
（确认：是，账号合并单独立项）

Q3/6：更新成功后，旧手机号是否需要收到通知？
推荐答案：需要，发送一条"您的账号手机号已变更"短信到旧号码，用于安全提醒
（确认：是）

AI 生成计划摘要： - 接口：PUT /api/v1/users/{id}/phone - 校验：验证码 + 唯一性 + 旧号码通知 - 涉及表：users（phone 字段唯一索引） - 依赖：SmsService（已存在，复用）

最终实现代码：

@PutMapping("/{id}/phone")
public Result<Void> updatePhone(@PathVariable Long id,
                                 @RequestBody @Valid UpdatePhoneRequest req) {
    smsService.verifyCode(req.getNewPhone(), req.getSmsCode());
    userService.updatePhoneWithUniqueCheck(id, req.getNewPhone());
    smsService.notifyOldPhone(id, "您的账号手机号已变更");
    return Result.success();
}

与无 Skill 对比：没有 grill-me 时，AI 大概率只写"更新手机号+校验格式"这一层最简单的逻辑，唯一性冲突、旧号码安全通知这类"产品认为是常识"的分支会被完全跳过。

案例二：修复一个存量 Bug

Bug：并发更新导致用户积分数据不一致

# Step 1：/grill-me 描述 bug 现象
# Step 2：AI 先探索代码库，定位现有的积分更新逻辑
# Step 3：AI 提问关键分支：乐观锁还是悲观锁？并发量级如何？是否需要分布式锁？
# Step 4：确认方案后再动手改代码

关键作用：修 Bug 最怕"头痛医头"——不问清楚并发场景和量级，直接加个 synchronized 看似解决了，线上多实例部署时完全没用。grill-me 把"选哪种锁"这种架构级决策提前到写代码之前拍板。

八、batch-grill-me（批量版本，开发中）

batch-grill-me 是 grill-me 的批量变体，核心区别在于提问策略：不是一次一个问题，而是每轮问所有可用问题。

核心逻辑

• 把需求映射为一棵设计树
• 每轮计算前沿（frontier）：所有前置依赖已解决的问题
• 将整个前沿的问题一次性提出（编号 + 推荐答案）
• 用户回答后，已解决的决策推动前沿向外扩展
• 重复直到前沿为空

SKILL.md 源码要点

---
name: batch-grill-me
description: A relentless interview that asks every frontier question at once, round by round.
disable-model-invocation: true
---

特点：当某个前沿问题需要从环境中查找事实时，会派遣子代理去查找而不阻塞用户——只有依赖该事实的问题等待，其余问题照常提问。

九、价值与 ROI

软件工程视角

grill-me 的本质是把"事前需求对齐"变成一个结构化、可执行、不依赖个人自觉性的协作步骤。它解决的不是效率问题，是"信任问题"——你敢不敢把一个功能完全交给 AI 从头写到尾。

ROI 估算

团队建议

个人 Skill 完全够用，但如果团队里每个人对"什么算清楚"的标准不一致，建议把它沉淀成团队共享 Skill，统一提问的深度。

十、注意事项与局限

1. grill-me 是无状态的：它不写文件、不留下工作产物。面试结束后对话历史就是你唯一的记录。如果需要持久化决策（ADR、术语表），使用 grill-with-docs。

2. 只负责开工前：grill-me 保证"开工前大家理解一致"，但写到一半 AI 遇到当初没被问到的小分支，仍可能擅自做主。需要后续 Skill（如实现过程中的约束守卫）来保证已拍板的决策在整个编码过程中始终具有约束力。

3. 需要代码库探索能力：规则三（能从代码库找答案的不问用户）依赖 AI 具备读文件/搜索能力。如果使用的 Agent 缺少这些能力，这条规则会退化。

4. 手动触发：disable-model-invocation: true 意味着 AI 不会自动触发 grill-me，必须用户主动输入 /grill-me。这是有意为之——避免 AI 过度干预正常开发流程。

5. 作者自己已转向 grill-with-docs：根据社区文章，Matt Pocock 建议在需要留下决策记录的场景使用 grill-with-docs，grill-me 更适合快速对齐。

十一、相关链接

本文档整理于 2026 年 7 月 22 日，基于 mattpocock/skills 仓库 main 分支源码及社区相关文章综合编写。