Grill Me Skill：上线前把决策树走完，让 AI 不带盲点开工

Grill Me Skill：上线前把决策树走完，让 AI 不带盲点开工

Grill Me 是 Matt Pocock 技能库里最出圈的一个 Skill——整个功能文件只有 7 行正文，核心逻辑是「让 AI 在动手之前先反问清楚」。触发后，AI 会沿决策树的每一个分支一次只追问一个问题，每个问题附带推荐答案，等待用户确认后才继续往下走，直到所有开放决策都被明确。它解决的是 AI 编程最常见的失败模式：需求没说清楚，AI 开始写代码，写完发现完全不是用户想要的。Grill Me 在 GitHub 狂揽 23.4 万 Star（仓库整体），grill-me 单 skill 累计安装突破 91 万次，2026 年 8 月搜索增长达 +160%，是当月 Claude Code Skill 圈最炙手可热的工具之一。

功能与原则

Grill Me 的核心能力是将「AI 执行顺序」反转：不是用户说一句、AI 写完代码，而是 AI 先通过追问把需求彻底摸透，双方达成「共享理解」（shared understanding）后再进入实现阶段。

设计原则有三条：
– 一次只问一个问题：批量提问会让后面的问题依赖前面的答案，过早回答会导致问题失效。
– 每个问题必须附带推荐答案：把决策成本从「创造」降到「判断」，用户只需 Yes/No/It depends，同时强制 AI 暴露自己的推理过程。
– 能从代码库查到的就不问：如果当前项目已经有相关代码，AI 应先 Read/Grep，再把节省下来的提问轮次留给真正需要用户拍板的决策。

认可度

• GitHub Star：233,986（截至 2026-08-24）
• grill-me 单 skill 安装量：913,000+ 次（skills.sh 实时统计，截至 2026-08-20）
• 全套 55 个 Skill 累计安装：10,000,000+ 次
• GitHub Forks：15,000+
• 搜索增长：2026 年 8 月 Skillselion 平台 +160%（全平台排名第 1 的搜索增长 skill）
• skills.sh 排名：Grill Me 稳居平台 Top 5，Matt Pocock 一人占据 Top 10 中 3 个席位
• Trending 经历：2026 年 8 月 GitHub Trending AI/Agent 类持续在榜，Twitter/X 开发者社区高频讨论

链接

GitHub（mattpocock/skills 仓库，含 55 个 Skill）：https://github.com/mattpocock/skills

Grill Me Skill 单独路径：https://github.com/mattpocock/skills/tree/main/skills/productivity/grill-me

原作者

Matt Pocock — GitHub @mattpocock，Twitter/X @mattpocock。Total TypeScript 创始人，TypeScript 知名布道师，运营 60,000+ 订阅者的技术 Newsletter。其技能库 mattpocock/skills 被形容为「来自真实工程师 .agents 配置目录的实战 Skill 合集」，不走概念演示路线，每个 Skill 都直指工程实践中的具体痛点。

介绍

Grill Me 诞生于一个朴素观察：《The Pragmatic Programmer》里有句话叫 “No-one knows exactly what they want”——这恰好是 AI 编程失败的第一模式。用户给 AI 一个模糊指令，AI 为了「取悦用户」直接猜测剩余决策，结果生产出一堆难以维护的「灵活配置」或过度抽象的架构。问题在生产环境才暴露：上线后、维护时、交接时。

Grill Me 的解法是把决策树显式化。用户提交一个计划或设计，AI 沿树根向下遍历，每个分支一次追问一个问题。事实类问题（代码库里能查到的）由 AI 自己搞定；需要取舍的决策才端到用户面前，每个都附上 AI 的推荐答案。整个会话可能持续 15–50 个问题、30–60 分钟——但产出的不是更长的 prompt，而是经过双方确认的明确决策清单。

Grill Me 本质是一个追问引擎的「入口」。实际 7 行正文只做一件事：调用同仓库的 grilling 引擎。grilling 才是真正写追问逻辑的文件，被 5 个不同 Skill 复用（/grill-me、/grill-with-docs、/triage、/codebase-design、/wayfinder），形成 Matt Pocock 技能体系的核心原子。

特点

• 极简实现，深度效果：grill-me 入口仅 7 行，grilling 追问引擎正文也只有 7 行——靠的不是代码复杂度，而是精确的提示词设计。
• 强制对齐，消除盲点：在第一行代码写出来之前就把所有模糊决策暴露出来，避免后期返工。
• 推荐答案机制：每个问题附 AI 推理结论，用户从「创造答案」变成「判断答案」，决策疲劳大幅降低。
• 决策树遍历：引入 Fred Brooks《The Design of Design》中的 design tree 概念，保证追问顺序从上游依赖到下游细节依次展开。
• 跨 Agent 通用：支持 Claude Code、Codex CLI、Cursor、Copilot、Windsurf、Gemini CLI 等 13+ 主流 AI 编程工具，npx skills 一键安装。

使用方法

安装（通用）：

npx skills@latest add mattpocock/skills --skill grill-me

Claude Code 中触发：

/grill-me

基本调用示例：

用户输入：

/grill-me 我要给用户服务加一个手机号更新接口

AI 开始逐条追问（示例）：

Q1/?: 手机号是否需要短信验证码校验？我建议需要，因为更新手机号涉及账号安全，直接改存在被盗风险。对吗？
用户: 对，加上验证码。
Q2/?: 被其他账号占用时如何处理？我建议返回 409冲突+提示"该手机号已被其他账号绑定"，而不是静默覆盖。对吗？
用户: 同意。
...

判断是否需要 Grill Me：
– 适合：非平凡计划或设计、多人协作项目、需求有较多未澄清分支的场景
– 跳过：修复小 Bug、需求已经完全具体到细节的短任务

使用场景与人群

适用场景：
– 项目启动前的方案对齐会议（替代口头讨论，把决策结构化）
– 大型重构计划评审（让所有隐藏假设浮出水面）
– 产品功能设计审查（技术 + 产品两侧共同澄清边界）
– 跨团队交接前的确认（形成文档化的 shared understanding）

目标用户：
– 日常使用 Claude Code / Cursor / Codex 等 AI 编程工具的工程师
– 有时被 AI 「热情过度」导致返工经历的开发者
– 希望把「需求没说清楚」的代价提前到会话内消化的团队

输入与输出案例

案例 1：用户想做一个「AI 工具日报」推送功能

输入：

/grill-me 我想做一个每天推送 AI 工具日报的机器人，从 Hacker News、GitHub Trending 和 Twitter 抓内容，格式化后发到飞书群

AI 追问节选：

Q1: 内容来源是你自己试用过的，还是整理网上的？我建议先从自己试用过的开始，不够再补充网上的。对吗？
Q2: 读者是「已经会用 AI 的新手」还是「完全没碰过的」？这决定内容深度。我建议新手，因为朋友推荐来的。对吗？
Q3: 每篇文章读者看完能做什么？比如「今天就能用这个工具」还是「了解一个趋势」？我建议「今天就能用」更实用。对吗？
Q4: 重复内容如何处理？同一天 HN 和 Twitter 可能推同一个工具，是否去重？我建议按 URL 去重，保留先出现的平台来源。对吗？
...

→ 50+ 轮追问后，AI 产出一份完整的需求决策清单，用户确认后开始写代码。

案例 2：添加用户头像上传功能

输入：

/grill-me 我要给应用加一个头像上传功能，支持裁剪

AI 追问节选：

Q1: 图片来源是本地上传还是 URL 引用？我建议本地上传，因为需要裁剪，裁剪通常在前端完成，需要本地文件。对吗？
Q2: 存储位置倾向 S3 还是本地文件系统？我建议 S3，因为后续可以做 CDN 加速。对吗？
Q3: 裁剪在前端做还是后端做？我建议前端，用 react-image-crop 库，5MB 限制，输出 200×200 圆形头像。对吗？
...

→ 6 个问题、2 分钟，所有模糊点变成可执行的技术决策，代码质量从一开始就有保障。

GitHub: https://github.com/mattpocock/skills