grill-me Skill：让AI代理在动手前先深度追问你的计划
一句话总结
grill-me 是 alirezarezvani/claude-skills 库中最热门的追问型 Skill——通过结构化”深度追问”流程，在动手写代码前强制开发者梳理决策树、澄清依赖、识别盲点，是对抗 AI Agent “对齐失效”最实用的预防性工具。截至 2026-10-05，所属仓库 GitHub 获 27,663★，该 Skill 在 skills.sh 拥有数千次安装量，是 2026 年下半年增长最快的工程纪律类 Skill 之一。
功能与原则
grill-me 解决的是 AI 编码 Agent 最常见的失败模式之一：需求对齐失效——你以为 agent 理解了，实际上它构建出来的东西和你的预期完全不同。
核心原则两条：
- 先追问，再动手：agent 必须通过持续追问确认理解之后，才能进入实现阶段
- 代码优先于问题：如果答案可以通过读代码或 grep 找到，就先读代码，而不是抛出一个抽象问题
该 Skill 脱胎于 Matt Pocock 的原始版本（MIT License），alirezarezvani 在此基础上增加了 Python 工具链，使流程可自动化、可存档、可复用。
认可度
- GitHub Star：所属仓库
alirezarezvani/claude-skills截至 2026-10-05 实时数据 27,663★（3,895 forks），仓库本身是全球最大 Claude Code Skills 合集之一 - Skill 安装量：grill-me 在 skills.sh 数千次安装，稳居该库最受欢迎 Skill 前列
- Trending 经历：2026 年 8-9 月期间，grill-me 所在的
alirezarezvani/claude-skills多次登上 GitHub Trending；Matt Pocock 原版 grill-me 在 mattpocock/skills（274k★）中同样高居核心 Skill 位置 - 社媒热度：LinklyAI/best-skills 聚合数据显示，grill-me 相关讨论在 X/HN/Bluesky 上持续活跃，是 Agent 工程纪律类话题中高热词条
链接
GitHub 仓库：https://github.com/alirezarezvani/claude-skills
grill-me SKILL.md（直接访问）：https://github.com/alirezarezvani/claude-skills/blob/main/skills/grill-me/SKILL.md
Matt Pocock 原版（274k★）：https://github.com/mattpocock/skills
原作者
- alirezarezvani（GitHub）：伊朗开发者，运营
getskillcheck.com，维护全球最大开源 Claude Code Skills 库之一（388 个 Skill，706 个 stdlib-only Python 工具，覆盖工程、营销、合规、研究等领域） - Matt Pocock：TypeScript 领域知名教育者，mattpocock/skills 仓库（274k★）是 AI Coding Agent Skills 运动的发起者之一
介绍
传统的 AI 编码 Agent 使用流程是：用户提需求 → agent 直接干活 → 发现理解偏差 → 返工。这个模式在简单任务上没问题，但一旦涉及复杂系统设计，返工成本极高。
grill-me 从根本上重构了这个流程。它的核心理念来自软件工程的一条古老智慧：”没有人一开始就知道自己想要什么”（David Thomas & Andrew Hunt，《程序员修炼之道》）。grill-me 把这个理念工程化——在动手之前，强制 agent 对用户的计划进行多轮追问，直到双方对每个决策点都达成共识。
与普通的”确认需求”不同，grill-me 追问的是决策树：每个分支依赖什么？tradeoff 是什么？有没有你没想到的备选方案？通过这种深度追问，agent 不只是知道”做什么”，更理解”为什么这样做”，从而在实现时做出更符合用户意图的决策。
这个 Skill 的另一个重要设计是代码优先原则。很多追问其实不需要用户回答——如果 codebase 里已经有答案（比如某个配置文件的当前值），agent 应该自己去查，而不是把负担推给用户。这体现了 grill-me”实用主义”的工程立场。
特点
- 结构化追问协议：每次只问一个问题（one question per turn），不打包问题，确保每个分支都被彻底探索
- 决策树建模：将用户计划拆解为 intent、choice、tradeoff、dependency、question 五类分支，按依赖顺序深度优先处理
- 代码库优先探索：问题发出前，agent 先搜索 codebase，如果 grep/Read 能回答就立即回答，减少用户负担
- 会话持久化：Python 工具
grill_session_tracker.py将会话存档为 JSON（~/.grill_sessions/），支持跨天恢复和并发追问 - 多仓库兼容：alirezarezvani 版基于 Matt Pocock 原始 SKILL.md，继承 MIT 协议，可自由移植到任何 MCP 兼容的 agent
- 零依赖 Python 工具：3 个 stdlib-only 脚本（decision_tree_extractor.py / question_generator.py / grill_session_tracker.py），无需 pip install
- 推荐答案机制：每个问题附带 agent 推荐答案，让用户在”接受/拒绝/修改”中快速决策
使用方法
安装
# 通过 skills.sh 安装整个仓库（推荐，一并获得 388 个 Skill）
npx skills@latest add alirezarezvani/claude-skills
# 或单独安装 grill-me
npx skills@latest add alirezarezvani/claude-skills --skill grill-me
基本调用
在 Claude Code（或其他兼容 agent）中激活：
/grill-me
然后粘贴你的计划、RFC 或架构文档，agent 会自动进入追问模式。
使用流程
- 提取决策树（可选，Python 工具辅助）：
bash
python3 scripts/decision_tree_extractor.py /path/to/plan.md - 生成追问列表：
bash
python3 scripts/question_generator.py /path/to/plan.md - 开启会话（持久化存档）：
bash
python3 scripts/grill_session_tracker.py --action start - 逐问题追问：agent 每次问一个问题，你回答，直到”shared understanding reached”
最小示例
你：我想重构这个电商模块，让它支持多语言。
agent：[Q1/12] 多语言支持，你指的是 UI 文案翻译、货币换算、时区处理，还是三者都有？请逐一说明你的需求范围。
你：主要是 UI 文案翻译，货币和时区暂时不需要。
agent：[Q2/12] 好的，那语言切换是用户手动选择，还是根据浏览器语言自动检测？请说明你希望的用户体验。
...
（持续追问直到决策树所有分支被覆盖）
使用场景与人群
适用场景：
– 大型功能重构前（避免做了一半发现架构选型错误）
– 新项目立项时的架构设计审核
– 复杂 PR 的设计文档评审
– 团队决策会议前的个人预演
目标用户：
– 使用 Claude Code、Codex、Cursor 等 AI 编码 Agent 的开发者
– Tech Lead 和 Architect，在交给 agent 实现前做最后的思路校验
– 有时候也适合产品经理——在写 PRD 前先自我”拷问”一遍
输入与输出案例
案例 1：功能重构
Input：
我想把现在的单体 API 拆成微服务，用 Node.js 重写。
Output（agent 追问节选）：
Q1/8：拆分成哪些服务？是否已经有明确的边界划分（比如按业务域 or 按团队）？
Q2/8：Node.js 是语言偏好，还是你有具体的运行时需求（比如高性能 IO、原生 TypeScript 支持）？
Q3/8：现有单体有没有数据库？如果有，数据库怎么拆分——共享 DB 还是各自独立？
…
（12 个问题后）shared understanding reached.
案例 2：产品功能设计
Input：
帮我想想怎么做一个 AI 个人助理 APP。
Output（agent 追问节选）：
Q1/10：AI 个人助理的核心使用场景是什么？日程管理、知识问答，还是创意输出？
Q2/10：目标用户是 C 端个人用户还是 B 端企业用户？
Q3/10：你的商业模式是什么？订阅制、免费+增值还是一次性买断？
…
（完整追问后输出结构化决策清单，包含依赖关系和优先级）
评论区
登录后可评论。