ARTICLE · 1116396
AI 写代码越来越快,为什么项目却越来越乱?这次一次讲清sdd+tdd一个274k star 的skill解决烦恼!
AI 写代码越来越快,为什么项目却越来越乱?这次一次讲清sdd+tdd一个274k star 的skill解决烦恼!
一句话让 AI 改功能、补接口、写测试，甚至从零搭一个项目，速度确实越来越快。 但一个很现实的问题也出现了： 代码写得越快，项目真的就越好吗？ 很多人应该遇到过这种情况： 让 AI 加一个功能，它没搞懂需求就直接开写； Bug 出现后，它不断修改代码，却始终找不到真正原因； 项目做到后面，文件越来越多，逻辑越来越乱； 换一个 AI 会话，又得重新解释一遍项目里的各种概念。 AI Coding 解决了“写代码慢”的问题，却可能把另一个问题放大了——软件工程本身。 而今天这个 GitHub 项目，解决的就是这个问题。 "GitHub：mattpocock/skills" (https://reference-url-citation.invalid/0) 不是让 AI 更会写代码，而是让它更像一个工程师 这个项目叫 mattpocock/skills，作者 Matt Pocock 将自己日常用于真实软件开发的一套 Agent Skills 开源出来。 项目的定位非常明确： Skills for Real Engineers，而不是 Vibe Coding。 
更有意思的是，它把软件开发过程中最容易出问题的几个环节，分别做成了 Agent 可以调用的 Skill。 需求没搞懂？先别急着写代码 很多 AI Coding 的灾难，其实从第一句话就开始了。 你说： «“给这个项目加一个用户权限系统。”» AI 马上开始改代码。 但它可能根本不知道： 权限是 RBAC 还是 ABAC？ 管理员和普通用户有什么区别？ 权限应该在哪里判断？ 现有项目有没有类似机制？ 数据库结构是否需要调整？ 于是 AI 写了一大堆代码，你最后发现——它理解错了。 它不会急着写代码，而是先不断向你提问，把需求中的模糊部分一点点逼出来。 如果需要更进一步，还可以使用 "grill-with-docs"，在沟通的同时把重要决策、术语和架构信息沉淀下来。 这其实非常符合真实的软件开发流程： 先把问题想清楚，再开始写代码。 AI 最大的问题之一：每次都重新理解你的项目 另一个很容易被忽略的问题，是“项目语言”。 一个成熟项目里往往有大量内部术语。 比如某个业务对象叫 "Materialization"，某个流程叫 "Cascade"。 人类开发者知道这些词是什么意思，但 AI 每次进入新的上下文，都可能重新分析一遍。 它可以帮助项目建立统一的领域语言，让 AI、人和代码使用同一套概念。 这样以后你不需要每次解释： “这里的 materialization 是指……” 直接告诉 Agent： “检查 materialization cascade。” 它就可以结合项目已有的上下文继续工作。 这看起来只是一个文档，但对于长期维护 AI Coding 项目来说，非常关键。 写代码之前先规划，写完之后还要验证 项目里还有一套非常完整的开发 Skills。 比如： 其中我比较推荐关注 "tdd"。 因为 AI 写代码最大的风险之一就是： 它可以非常快地写出“看起来合理”的代码。 但看起来合理，不代表真的正确。 TDD Skill 会引导 Agent 先建立失败测试，再实现功能，最后重构。 这样 AI 就不再只是： “我觉得这样应该可以。” 而是： “测试告诉我，这个实现到底行不行。” 这就是反馈循环。 甚至连 Git 操作都可以管起来 这个项目还有一个比较实用的 Skill： "git-guardrails-claude-code" 它可以为 Claude Code 设置 Git 安全保护，阻止一些危险操作，比如 "push"、"reset --hard"、"clean" 等。 对于经常把 AI Agent 放进真实项目里工作的开发者来说，这类保护其实很有价值。 因为 Agent 越强，能够执行的操作越多，误操作的风险也会一起增加。 安装也很简单 如果你使用 Claude Code，可以直接安装： claude plugins install mattpocock-skills 如果使用 Codex 或其他支持 Agent Skills 的工具，则可以： npx skills@latest add mattpocock/skills 安装器可以让你选择需要的 Skills，而不是必须全部安装。 项目还提供了 "setup-matt-pocock-skills"，首次使用时可以配置 Issue Tracker、标签以及文档存放位置。 另外一个很重要的设计是： 你可以把 Skills 当普通文件放进自己的项目里。 这样你可以直接修改它们，而不是把它们当成一个无法调整的黑盒。项目 README 也明确区分了 Claude Code 的托管插件方式和可编辑文件方式。 还有一些正在实验中的玩法 仓库里还有一个 "in-progress" 区域。 这里目前可以看到 "loop-me"、"writing-beats"、"writing-fragments" 等实验性 Skills。 作者明确说明，这些 Skill 目前处于 Beta 状态，可能发生变化甚至消失，因此不会直接进入正式插件。 这也说明一个趋势： 模型负责“思考和生成”，而 Skills 负责告诉模型： 什么时候应该提问？ 什么时候应该规划？ 什么时候应该写测试？ 什么时候应该停下来检查？ 什么时候不能直接执行危险操作？ 这实际上是在给 AI Agent 加上一套“工作方法”。 写在最后 过去我们讨论 AI Coding，最关心的是： 哪个模型写代码更快？ 现在可能需要开始关心另一个问题： 怎样让 AI 写出来的代码能够长期维护？ "mattpocock/skills" 有意思的地方就在这里。 AI 可以让一个人完成过去几个人的工作量。 但如果没有工程方法，AI 也可能让一个人更快地制造一堆没人敢改的代码。 所以真正值得关注的，也许不是： “AI 能不能帮我写代码？” 而是： “我能不能教会 AI，什么样的代码才值得写？”
现在用 Claude Code、Codex 之类的 AI Coding Agent 写项目，已经不是什么新鲜事了。
它并不是一个“大而全”的 AI 编程框架，也不是让 Agent 接管整个开发流程。
作者反而强调：这些 Skills 应该足够小、容易修改，并且可以组合使用。
截至目前，这个仓库已经积累了274k star, 2.3 万+ Fork、493 次提交、538 个 Issue，项目当前版本为 1.2.3。