一行命令即可安装 19 个 Claude Code Skill，覆盖 AI 编程 4 种高频翻车问题

大家好，我是 Immerse

专注分享 AI 玩法、独立开发与AI 出海的 AGI 实践者，更多干货欢迎关注 #沉浸式AI 或访问 yaolifeng.com

Matt Pocock（TypeScript 圈的大佬，aihero.dev）开源了一套他自己每天在用的 Claude Code Skills，叫「Skills for Real Engineers」。

跟市面上那些想接管你整个工作流的重型框架不同，这套 skill 的设计目标是小、可组合、你能随时改。

他的出发点是：用 GSD、BMAD、Spec-Kit 这类方法论去管 AI agent，虽然流程看起来完整，但你丢掉了控制权——流程本身出了 bug 你还很难修。而他这些 skill 是松散的、独立的，围绕几种 AI 编程的高频翻车场景来组织。

仓库地址：https://github.com/mattpocock/skills

安装一行命令：

npx skills@latest add mattpocock/skills

选完 skill、选完 agent，跑 /setup-matt-pocock-skills 做初始化（设定 issue tracker、triage 标签、文档路径），就能用了。

围绕 4 种失败模式组织

这套 skill 不是按功能分类的，而是按「AI 编程里你最容易栽的坑」来分，每种坑对应一个或多个 skill。

Agent 没做你想要的

最常见的翻车：你觉得自己说清了，看到产出才发现完全不是那回事。他引用了《程序员修炼之道》的一句话——没人真的清楚自己想要什么。

/grill-me 是他最火的 skill。让 AI 反过来拷问你，沿着你计划的每个分支追问，直到它确信自己理解了你要做什么。非代码场景用这个。

/grill-with-docs 在拷问的基础上加了更多：它会同步更新项目的 CONTEXT.md（统一术语表）和 ADR（架构决策记录），把对齐的成果固化下来。

Agent 太啰嗦

Agent 被丢进项目让它自己猜行话，结果就是 20 个词说一个概念。

解法是建立统一语言——一份 CONTEXT.md，里面定义项目术语。

他举了自己 course-video-manager 仓库的例子：之前要说「当一节课在一个课程的某个章节里被变成真实文件时有个问题」，现在只说「materialization cascade 有个问题」。

这层共识沉淀下来之后，变量、函数、文件命名自动就一致了；agent 导航代码库也更快；thinking trace 里 token 消耗明显减少了。

代码不工作

对齐了、做对了，就是跑不起来。

/tdd 强制红绿重构循环：agent 先写一个失败测试，再让测试通过，再重构。约束它走小步。

/diagnose 是给难 bug 用的诊断循环：reproduce → minimise → hypothesise → instrument → fix → regression-test。

代码库变成泥球

Agent 加速写代码，也加速了软件熵。代码库以前所未有的速度变得难以修改。

/improve-codebase-architecture 帮你找「深化机会」——把散落的相关逻辑收进深模块，接口简单、实现可以托管给 AI。建议每隔几天跑一次。

/to-prd 在生成 PRD 之前会问你正在动哪些模块，逼你先想结构。

/zoom-out 让 agent 跳出当前代码块，从全局视角解释上下文。

/prototype 做一次性原型——想验证业务逻辑就跑个终端应用，想验证 UI 就生成几种截然不同的变体放同一个路由里切换。

其他值得留意的

/caveman 是个通信压缩模式，让 agent 输出极度精简，据说能省 75% token。适合你只想要结果、不想读废话的时候。

/handoff 把当前对话压缩成一份交接文档，另一个 agent 或另一个 session 能直接接着干。

/teach 用当前目录做教学工作区，跨多个 session 教你一个新概念。

/write-a-skill 帮你写新 skill，带结构、渐进式披露和资源打包。

整套 skill 覆盖 Engineering 10 个、Productivity 5 个、Misc 4 个