grill-me Skill：让 AI 在动手前先把你问到彻底想清楚

grill-me 是 Matt Pocock（Total TypeScript 创始人）发布在 mattpocock/skills 仓库里的一个规划 Skill，核心功能只有一个：在你让 AI 动手写代码之前，先对它来一场”彻底审问”。它会把你的想法展开成一棵决策树，逐层追问每一个未决分支，每题附带 AI 的推荐答案等你确认，直到整棵树的每个节点都被填满——这才开始写代码。解决的正是 AI 编程里最常见的失败模式：你以为说清楚了，AI 以为理解了，最后交付的完全不是你想要的。这个痛点精准、方案简洁、安装量在一周内涨了 58%、4 周内翻倍，成为 skilld.dev 有机热度榜第一不是偶然。

grill-me 遵循”先问后做”原则：Fact 由 AI 从代码库里自己查，Decision 才抛给人类。问完之前绝不生成一行代码，确保对齐后再动。配合 grill-with-docs 还能基于现有代码库做架构层面的追问。两者都依赖 grilling 这个核心方法 Skill，grill-me 只是上层触发器（7 行 shim），整个逻辑在 grilling 里实现。

GitHub Star：全仓库 mattpocock/skills 约 224K ⭐（截至 2026-08-25），grill-me 独立安装量 953,062 次（skills.sh 平台），周均新增安装 10.8K，是当前增长最快的规划类 Skill。曾在 2026-07 成为 SkillHub.club 月度冠军，GitHub Trending 多次上榜，Twitter/X 上相关讨论帖平均互动 50-100 条。skills.sh 安全审计 3/3 通过。

GitHub 仓库（完整 Skill 套件）：https://github.com/mattpocock/skills

作者：Matt Pocock，GitHub username mattpocock。Total TypeScript 创始人，GitHub 1.8 万 + ⭐ 级别 TypeScript 教育者，同时运营 6 万订阅者的技术 Newsletter。他把自己每天在真实工程里用的 Agent Skill 直接开源，副标题直言”Skills for real engineers. Straight from my .agents directory.”——不是概念验证，是实战打磨出来的生产工具。

mattpocock/skills 仓库收录了 37 个 Skill（截至 2026-08），覆盖产品规划、工程执行、代码审查、TDD 流程等多个环节。grill-me 是其中最知名的一个，但它背后是一套完整的”规划→执行→复盘”工作流：/retro 做任务回顾，/triage 做 issue 分类，/spec 做规格撰写。grill-me 解决的问题是这套流程最上游的那一步：把想法本身问清楚。

Matt Pocock 在 README 里引用了《The Pragmatic Programmer》的一句话作为核心理念：”No-one knows exactly what they want.”——这也是他做这个 Skill 的出发点：AI 编程最常见的失败不是模型不够强，而是人类没有把自己真正想要的东西表达清楚。grill-me 用结构化追问强制你补全那棵决策树。

• 强制对齐：在 AI 写任何代码之前完成所有追问，不对齐不行动
• 决策树可视化：每轮问题附带 AI 推荐答案，加速你做判断
• Fact vs Decision 分离：AI 负责查代码库里的事实，人类负责做选择
• 独立安装：可以只装 grill-me，不影响其他 Skill
• 支持上下文追问：grill-with-docs 能在现有代码库里追问架构决策

安装（只装 grill-me 单个 Skill）：

npx skills add https://github.com/mattpocock/skills --skill grill-me

安装（装完整 Matt Pocock Skill 套件，含 grill-me、retro、triage、spec 等 37 个）：

npx skills add mattpocock/skills

Claude Code 用户也可从官方插件市场安装（自动更新）：

/plugin marketplace add mattpocock-skills
/plugin install mattpocock-skills

使用方式：在 Claude Code 或兼容 Agent 里直接输入 /grill-me（或 /grilling），AI 就会开始逐轮追问你的计划，直到所有决策节点被填满。

grill-me 适合以下场景和人群：

• 产品经理 / 需求提出者：对 AI 下达指令前想清楚每个细节，避免返工
• 独立开发者：在动手写代码前把方案对齐清楚，减少”做到一半发现想错了”的浪费
• 技术负责人：review AI 生成方案前，先让它自问自答一遍，暴露盲点
• AI 编程新手：还不习惯跟 AI 对齐预期，grill-me 强制养成好的协作习惯

不适用：需求已经非常明确、 trivial 的任务（问一遍反而增加噪音）。

典型案例

输入：

用户：我想给我的 React 应用加一个评论系统

grill-me 输出（首轮追问示例）：

Q1: 评论需要支持嵌套回复吗？
– 推荐答案：是，支持 3 层嵌套

Q2: 评论是否需要审核机制？
– 推荐答案：是，默认进入待审队列

Q3: 评论数据存储在哪里？
– AI 从代码库查得：当前使用 Supabase，已配置 auth.users 表
– 推荐延伸问题：是否复用现有 auth？评论与文章的关联用什么字段？

（等待用户确认后进入下一轮，直到决策树清空）

最终输出：一棵完整对齐的决策树 + 结构化 plan.md，AI 持此才开始写代码

输入：

用户：/grill-with-docs 审阅这个重构方案

grill-with-docs 输出：

AI 先扫描代码库（了解现有架构），再针对方案逐层追问：
Q1: 重构后模块间接口是否向后兼容？
Q2: 数据库迁移策略是什么？
（每个问题都基于代码库里的真实依赖关系生成，不瞎猜）

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