一週新增 3 萬 Star 的 Skills 長什麼樣？
整理版優先睇
Matt Pocock 的 Skills 爆紅背後：AI 編程嘅瓶頸係工程紀律，而唔係智商
呢篇文章介紹咗 Matt Pocock 嘅 GitHub 倉庫「mattpocock/skills」，呢個代碼庫喺三個月內斬獲超過 5.3 萬星，成為 AI 編程界嘅現象級項目。作者 Matt 係一位知名 TypeScript 教育家同開源開發者，佢發現好多人用 AI 編碼時仲係靠「Vibe Coding」（憑感覺），但真正嘅軟件工程需要確定性、可維護性同狀態感知。佢為此設計咗一套 SKILL.md 系統，唔係普通 Prompt 集合，而係可執行嘅標準作業程序（Executable SOPs）。
呢套系統透過三個核心機制重建工程閉環：狀態化（Stateful）——通過 setup 技能建立倉庫特定嘅「契約」；垂直切片（Vertical Slicing）——強制 AI 以「示蹤彈」方式交付完整端到端路徑；項目記憶（Project Memory）——將決策沉澱為 CONTEXT.md 同 ADR。佢仲包含多個實戰技能，例如 /grill-me 用嚟挑戰設計方案、/tdd 強制紅綠重構循環、/improve-codebase-architecture 基於深度模組概念重構，同埋 /triage 管理脱離人類幹預嘅工作流。
整篇文章嘅結論係：AI 編程進入深水區，最核心嘅競爭力係將深刻嘅工程洞察轉化為可俾智能體執行嘅確定性工作流。呢套技能庫嘅成功證明，工程紀律遠比「寫 prompt 嘅技巧」更重要。
- AI 編程嘅瓶頸唔係智商，而係工程紀律；Skills 將 AI 由聊天夥伴變成嚴謹工程師。
- SKILL.md 係可執行 SOP，透過狀態化、垂直切片同項目記憶重建工程閉環。
- 同普通 Prompt 唔同，Skills 提供確定性同可維護性，告別「Vibe Coding」。
- 最稀缺嘅資源係確定性，AI 要學識剋制，例如 /caveman 技能省 Token 體現通訊紀律。
- 即時可行動：用 npx skills@latest add mattpocock/skills 安裝，再跑 /setup-matt-pocock-skills 建立工程契約。
GitHub 專案：mattpocock/skills
Matt Pocock 嘅 Skills 代碼庫，包含一系列 Agentic Coding 技能。
安裝指令
將 Skills 工程底座注入 AI 智能體：npx skills@latest add mattpocock/skills
告別亂寫代碼嘅工程系統
Matt 嘅呢套 SKILL.md 唔係普通 Prompt 集合，而係一套 可執行嘅標準作業程序（Executable SOPs）。佢將 AI 由「聊天夥伴」變成一個「嚴謹嘅工程師」，透過以下方式重建工程閉環：唔再靠感覺，而係靠紀律。
狀態化（Stateful）
垂直切片（Vertical Slicing）
項目記憶（Project Memory）
狀態化透過 setup 技能建立倉庫特定嘅「契約」，明確 Issue Tracker 規範同領域文檔佈局。垂直切片摒棄按技術層級拆嘅舊習，強制 AI 以「示蹤彈」方式交付完整端到端路徑。項目記憶唔再依賴上下文緩存，而係將決策沉澱為 CONTEXT.md 同 ADR（架構決策記錄）。
核心技能逐個拆
Matt 設計咗多個實戰技能，每個都針對一個具體嘅工程痛點。
/grill-me
/grill-with-docs
- /grill-me 會挑戰你嘅設計方案，逼你諗清楚；
- /grill-with-docs 進一步要求將每個共識即時更新入 CONTEXT.md，令對話過程變成項目文檔嘅生長過程。
/diagnose
/tdd
/diagnose 嘅精髓係建立確定性嘅 pass/fail 信號；而 /tdd 技能強制執行垂直切片嘅「紅-綠-重構」循環，防止 AI 寫出脱離實際、難以維護嘅「淺層代碼」。
/improve-codebase-architecture
呢個技能基於《軟件設計哲學》中嘅 Deep Modules 概念。佢唔會隨機重構，而係透過「刪除測試」識別淺層模組，利用領域語言尋找真正嘅縫隙（Seams），從而提升代碼嘅局部性同槓桿率。
/triage
/to-issues
呢兩個技能將問題處理轉變為狀態機。AGENT-BRIEF.md 定義咗耐用嘅任務交接標準，確保一個脱離人類幹預（AFK）嘅 Agent 能夠憑藉完整嘅上下文獨立完成工作。
點解工程師咁關注？
當 AI 編程進入深水區，開發者唔再滿足於生成簡單組件，而係要管理一個持續演進嘅代碼庫。此時，確定性成咗最稀缺嘅資源。Matt 嘅系統令 AI 學識咗剋制——例如 /caveman 技能透過犧牲寒暄嚟節省 75% Token，呢個唔係單純慳錢，而係一種「通訊紀律」。
呢套系統讓工程師能夠將深刻嘅工程洞察轉化為可被智能體執行嘅工作流，而唔係每次都靠感覺同運氣。
快速上手：建立你嘅工程底座
只需一行命令，就可以將呢套工程底座注入你嘅智能體：
npx skills@latest add mattpocock/skills注意：安裝後一定要先運行 /setup-matt-pocock-skills。呢步會寫入該倉庫嘅「工程契約」，明確 Issue 追蹤習慣同領域文檔位置。呢個係所有後續工程化技能得以運行嘅前提。
先建立工程契約，再執行其他技能
唔夠三個月，一個叫 mattpocock/skills 嘅代碼庫喺 GitHub 上面攞咗超過 5.3 萬粒星。
佢唔係乜嘢劃時代嘅模型，亦唔係複雜嘅框架。正如作者 Matt Pocock 所講，呢個只係佢日常積累嘅一組智能體技能（Agent Skills）。但佢嘅爆紅揭示咗一個殘酷嘅真相：AI 編程嘅瓶頸一早唔喺智商，而係工程紀律。
01 告別「玄學編程」嘅工程系統
喺 AI 編程（Agentic Coding）爆發嘅今日，好多人仲係玩緊「Vibe Coding」（憑感覺寫代碼）。但真正嘅軟件工程需要嘅係確定性、可維護性同狀態感知。
Matt 嘅呢套 SKILL.md 唔係簡單嘅 Prompt 集合，而係一套可執行嘅標準作業程序（Executable SOPs）。佢哋將 AI 由一個「聊天夥伴」轉變為一個「嚴謹嘅工程師」，透過以下方式重建工程閉環：
- 狀態化（Stateful）
：透過 setup 技能建立倉庫特定嘅「契約」，明確 Issue Tracker 規範同領域文檔佈局。 - 垂直切片（Vertical Slicing）
：摒棄按技術層級拆開嘅舊習慣，強制 AI 以「示蹤彈」（Tracer Bullets）嘅方式交付完整嘅端到端路徑。 - 項目記憶（Project Memory）
：唔再依賴上下文緩存，而係將決策沉澱做 CONTEXT.md 同 ADR（架構決策記錄）。
02 核心技能嘅硬核拆解
/grill-me 同 /grill-with-docs：將對話煉成資產
呢個唔止係簡單嘅質詢。/grill-me 會挑戰你嘅設計方案，而 /grill-with-docs 就進一步要求將每個共識即時更新入 CONTEXT.md。如果你定義嘅術語同已有領域模型衝突，佢會即刻警告。佢令對話過程變成項目文檔嘅生長過程。
/diagnose 同 /tdd：嚴謹嘅反饋迴路
/diagnose 嘅精髓在於：建立確定性嘅 pass/fail 信號。而 /tdd 技能就強制執行垂直切片嘅「紅-綠-重構」循環，防止 AI 寫出脱離實際、難以維護嘅「淺層代碼」。
/improve-codebase-architecture：追求深度
根據《軟件設計哲學》入面嘅 Deep Modules 概念。佢唔會隨機重構，而係透過「刪除測試」嚟識別淺層模塊，利用領域語言去揾真正嘅縫隙（Seams），從而提升代碼嘅局部性同槓桿率。
/triage 同 /to-issues：面向 AFK 嘅工作流
佢將問題處理轉變為狀態機。AGENT-BRIEF.md 定義咗耐用嘅任務交接標準，確保一個脱離人類幹預嘅（AFK）Agent 可以憑住完整嘅上下文獨立完成工作。
03 點解工程師都喺關注佢？
當 AI 編程進入深水區，開發者唔再滿足於生成一個簡單嘅組件，而係要管理一個持續演進嘅代碼庫。此時，確定性工程紀律
Matt 嘅系統令 AI 學識咗剋制溝通紀律。例如 /caveman 技能透過犧牲寒暄嚟節省 75% 嘅 Token，但呢個唔單止係慳錢，更加係一種「通訊紀律」。佢令工程師可以好似指揮一支高級技術團隊咁，按章辦事，而唔係每次都求 AI「幫幫忙」。
04 快速上手
只需要一行命令，就可以將呢套工程底座注入你嘅智能體：
npx skills@latest add mattpocock/skills注意：安裝之後一定要先執行 /setup-matt-pocock-skills。呢步操作會寫入個倉庫嘅「工程契約」，明確 Issue 追蹤習慣同領域文檔位置。呢個係所有後續工程化技能可以執行嘅前提。
寫在最後
AI 正在重新定義「點樣寫代碼」，但佢從來冇改變過「軟件工程」。
呢套技能庫嘅成功話畀我哋知：最核心嘅競爭力，係將深刻嘅工程洞察轉化為可以被智能體執行嘅確定性工作流。
📌 項目地址（Star 53.5k+）：
https://github.com/mattpocock/skills
不到三個月，一個名為 mattpocock/skills 的代碼庫在 GitHub 上斬獲了超過 5.3 萬顆星。
它並不是什麼劃時代的模型，也不是複雜的框架。正如作者 Matt Pocock 所言，這只是他日常積累的一組智能體技能（Agent Skills）。但它的爆火揭示了一個殘酷的真相：AI 編程的瓶頸早已不在智商，而在工程紀律。
01 告別“玄學編程”的工程系統
在 AI 編程（Agentic Coding）爆發的今天，很多人還在玩“Vibe Coding”（憑感覺寫代碼）。但真正的軟件工程需要的是確定性、可維護性和狀態感知。
Matt 的這套 SKILL.md 並不是簡單的 Prompt 集合，而是一套可執行的標準作業程序（Executable SOPs）。它們將 AI 從一個“聊天夥伴”轉變為一個“嚴謹的工程師”，通過以下方式重建工程閉環：
- 狀態化（Stateful）
：通過 setup 技能建立倉庫特定的“契約”，明確 Issue Tracker 規範和領域文檔佈局。 - 垂直切片（Vertical Slicing）
：摒棄按技術層級拆分的舊習，強制 AI 以“示蹤彈”（Tracer Bullets）的方式交付完整的端到端路徑。 - 項目記憶（Project Memory）
：不再依賴上下文緩存，而是將決策沉澱為 CONTEXT.md 和 ADR（架構決策記錄）。
02 核心技能的硬核拆解
/grill-me & /grill-with-docs：將對話煉成資產
這不只是簡單的質詢。/grill-me 會挑戰你的設計方案，而 /grill-with-docs 則進一步要求將每個共識實時更新進 CONTEXT.md。如果你定義的術語與已有領域模型衝突，它會立即警告。它讓對話過程變成了項目文檔的生長過程。
/diagnose & /tdd：嚴謹的反饋迴路
/diagnose 的精髓在於：建立確定性的 pass/fail 信號。而 /tdd 技能則強制執行垂直切片的“紅-綠-重構”循環，防止 AI 編寫脱離實際、難以維護的“淺層代碼”。
/improve-codebase-architecture：追求深度
基於《軟件設計哲學》中的 Deep Modules 概念。它不進行隨機重構，而是通過“刪除測試”來識別淺層模塊，利用領域語言尋找真正的縫隙（Seams），從而提升代碼的局部性和槓桿率。
/triage & /to-issues：面向 AFK 的工作流
它將問題處理轉變為狀態機。AGENT-BRIEF.md 定義了耐用的任務交接標準，確保一個脱離人類干預的（AFK）Agent 能夠憑藉完整的上下文獨立完成工作。
03 為什麼工程師都在關注它？
當 AI 編程進入深水區，開發者不再滿足於生成一個簡單的組件，而是要管理一個持續演進的代碼庫。此時，確定性成了最稀缺的資源。
Matt 的系統讓 AI 學會了剋制。比如 /caveman 技能通過犧牲寒暄來節省 75% 的 Token，但這不僅是省錢，更是一種“通訊紀律”。它讓工程師能夠像指揮一支高級技術團隊一樣，按章辦事，而非每次都在求 AI “幫幫忙”。
04 快速上手
只需一行命令，即可將這套工程底座注入你的智能體：
npx skills@latest add mattpocock/skills注意：安裝後必須先運行 /setup-matt-pocock-skills。這步操作會寫入該倉庫的“工程契約”，明確 Issue 追蹤習慣和領域文檔位置。這是所有後續工程化技能得以運行的前提。
寫在最後
AI 正在重新定義“如何寫代碼”，但它從未改變過“軟件工程”。
這套技能庫的成功告訴我們：最核心的競爭力，是將深刻的工程洞察轉化為可被智能體執行的確定性工作流。
📌 項目地址（Star 53.5k+）：
https://github.com/mattpocock/skills