Matt Pocock Skills：讓 AI 程式設計像真正的工程師一樣工作

Matt Pocock 的 Skills 專案是一套面向 AI 程式設計助手（如 Claude Code）的工程化技能庫，透過將軟體開發的標準流程模組化，解決了 AI 程式碼產生品質不穩定的核心痛點。這個僅用幾份 Markdown 檔案建置的專案在 GitHub 上獲得了 2.3 萬顆星，成為 AI 輔助開發領域的重要實務。

專案背景：AI 程式設計的四大失敗模式

傳統 AI 開發工具傾向於讓「一個聰明的 Agent 處理所有事情」，但 Matt Pocock 採取了完全相反的策略：先識別 AI 實際失敗的模式，然後為每種失敗模式設計對應的技能。專案定義了四種典型失敗場景：

1. Agent didn't do what I want（AI 沒理解你的意圖）- 開發者與 AI 之間存在認知鴻溝，導致輸出方向偏離預期

2. Agent is way too verbose（輸出過於冗長）- AI 產生大量無用程式碼或文件

3. The code doesn't work（程式碼無法運行）- 缺少測試回饋，程式碼品質不穩定

4. We built a ball of mud（架構變成泥球）- 長期迭代後程式碼庫失去清晰結構

這種設計哲學放棄了「AI 足夠聰明就能解決一切」的樂觀假設，轉而透過結構化流程來補償 AI 的不確定性。

核心理念：流程標準化與技能模組化

Skills 專案的價值在於將「如何用 AI 做需求分析、設計、編碼」的經驗拆解為可重複使用的技能插件，讓 AI 按照固定的可靠套路工作，而不是依賴運氣。每個技能都是一個完整的工作劇本，包含 YAML 格式的元資料（名稱、描述、觸發條件）和具體執行步驟。

專案的可組合性是其另一大特點：一個技能的輸出可以作為下一個技能的輸入。例如 write-a-prd 產生 GitHub issue 中的 PRD 文件，prd-to-issues 再將該 PRD 拆解為實作計劃。這使得團隊能透過串聯技能建立客製化工作流程。

五個核心技能構成完整工作鏈

1. grill-me：需求釐清階段

這個僅 11 行的技能讓 AI 像面試官一樣逐一提問，確保雙方對需求達成共識。它的關鍵特性包括：

• 每次只問一個問題，避免資訊過載

• AI 提供建議答案供確認，而非單純提問

• 能從程式碼庫自動查找答案的問題不打擾開發者

有開發者分享在使用該技能時被問了 16 個問題，複雜功能甚至會進行 30-50 個問題的深度訪談。這個技能解決了 Claude Code 傾向於過早產生方案的問題，強制進行充分的前期溝通。

2. to-prd：產出需求文件

基於對話歷史產生正式的產品需求文件（PRD），包含問題描述、解決方案、用戶故事、實現決策、測試決策以及不做的事項。文件透過 gh 指令自動建立為 GitHub issue 保存。

3. to-issues：垂直切片拆解任務

將 PRD 拆解為獨立的可執行小任務，採用垂直切片（tracer-bullet）方法論而非傳統的前後端或模組劃分。每個切片貫穿從資料庫到介面到測試的完整路徑，並明確標記是否需要人工介入。任務按相依性排序，後續任務等待前置任務完成。

4. tdd：測試驅動開發

強制執行嚴格的測試驅動開發流程，在失敗測試存在之前不允許編寫實作程式碼。這確保程式碼品質穩定，適合已有測試文化的專案。

5. improve-codebase-architecture：架構最佳化

基於 CONTEXT.md 中的領域語言和 docs/adr/ 中的架構決策記錄（ADR），尋找程式碼庫的「深化機會」。應用 John Ousterhout 的「深模組」原則（小介面隱藏大實作），提升可測試性和 AI 可導航性。該技能會識別淺層模組、緊耦合元件和未測試邊界，並提出重構建議。

安裝與使用

安裝單個技能的命令格式為：

npx skills add mattpocock/skills skill=grill-me -y -g

Skills 使用標準化結構，支援作用域套件名稱（mattpocock/skills）和版本標籤，安裝後即可被支援技能協定的 AI 助手呼叫。

其他實用技能

除核心工作流程外，專案還包含多個輔助技能：

• triage：Issue 狀態機管理，適合團隊協作場景的標籤和優先順序分配

• zoom-out：當陷入局部細節時，幫助重新審視程式碼在整體架構中的位置

• write-a-skill：引導使用者建立自訂技能的完整流程，包括觸發條件、執行步驟和輸出規範

• diagnose：診斷無法運行的程式碼，與 TDD 技能配合使用

局限性與發展

當前版本的主要限制是與 GitHub 的深度耦合：涉及 issue 操作的技能都硬編碼了 gh 指令。使用 Linear、Jira 等其他專案管理工具的團隊需要 fork 後修改程式碼，不過官方已表示對其他平台的支援正在開發中（截至 2026 年 4 月）。

Matt Pocock 在 2026 年 4 月更新了技能組合，用 /domain-model 替代 /grill-me，整合了領域驅動設計（DDD）概念，在討論過程中同步產生文件與 ADR。這顯示專案在持續演進，逐步整合更多軟體工程最佳實務。

適用場景

這套技能庫特別適合以下開發者：

• 已在使用 Claude Code、Cursor 等 AI 程式設計工具，但感覺「AI 會寫程式碼但不會做工程」

• 希望建立穩定的 AI 輔助開發流程，而非每次靠運氣

• 需要將 AI 產生的程式碼品質提升到生產級別

• 在團隊協作中需要標準化 AI 使用方式

正如一位開發者在刪除大部分臃腫技能後的感悟：Matt Pocock 的技能集體現了極簡主義哲學——小而精準、命名清晰的原語，更少的表面積卻帶來更大的槓桿效應。

總結

Matt Pocock Skills 不是簡單的「讓 AI 隨便生成程式碼」，而是透過需求釐清、TDD、診斷、任務拆解、架構最佳化等方式，讓 AI 程式設計更接近真實工程師的工作方式。它強調的是：有流程、有回饋、有拆解、有回顧的工程化開發，而非僅憑感覺的 Vibe Coding。這正是當前 AI 輔助開發領域最需要的 — 不是更聰明的 AI，而是更好的工作流程。