你的 AI 编程助手为什么总是「失忆」

上周，V2EX 上有个帖子火了。

一个开发者写道：他们花了好几天修了一个浮点精度 bug，那段代码里有一堆看起来多余的 amount * 100 / 100。后来让 AI 重构，AI 「优化」掉了这段「冗余代码」，bug 悄悄回来了。

评论区里，很多人说：「遇到过，太真实了。」

这不是 AI 变笨了。这是 AI 编程工具的一个结构性缺陷：它没有记忆。

每次开新会话，AI 都是一张白纸。它不知道你上周修了什么 bug，不知道那段奇怪的代码背后有什么历史原因，不知道你们团队踩过哪些坑。它只能看到当前的代码，然后按照「最优解」的直觉去改。

这个问题，一个叫 Matt Pocock 的工程师，用一种很有意思的方式在解决。

01

什么是 Skills 文件

Matt Pocock 是 TypeScript 社区里的知名人物，Total TypeScript 课程的创始人，前 Vercel 工程师。他不是那种喜欢炒概念的人，他的受众是真实工程师。

今年他开源了一个项目：mattpocock/skills。

项目介绍只有一句话：「My agent skills that I use every day to do real engineering - not vibe coding.」

这句话里有个关键词：not vibe coding。

Vibe coding 是最近流行的一种编程方式——你描述你想要什么，AI 帮你生成，你不太管代码质量，能跑就行。Matt Pocock 明确说，他的 skills 不是这个。

那是什么？

Skills 文件是一种 Markdown 格式的「给 AI 的 SOP（标准操作程序）」。每个 skill 是一个独立的 .md 文件，带有 YAML frontmatter 描述触发条件，可以按需加载。

比如他有一个叫 tdd 的 skill，告诉 AI 如何做测试驱动开发：先写失败的测试，再写最小实现，再重构，测试行为而非实现细节。

有一个叫 diagnose 的 skill，定义了 6 个 debug 阶段：构建反馈循环 → 复现 → 假设 → 插桩 → 修复 → 回归测试。

有一个叫 caveman 的 skill，让 AI 切换到超压缩通信模式，削减 token 用量约 75%，同时保留技术精度。

这些 skill 文件，本质上是在给 AI 打补丁——让它模拟一个有经验的工程师的工作方式。

02

这个范式是怎么兴起的

Skills 文件不是 Matt Pocock 发明的，它有一条清晰的演化脉络。

第一步：CLAUDE.md 的出现

Claude Code 发布后，Anthropic 支持在项目根目录放置 CLAUDE.md，作为 AI 的持久化指令文件。这是「给 AI 写说明书」范式的起点。

第二步：Karpathy 的观察引爆社区

Andrej Karpathy 大量使用 Claude Code 后，写了一篇长文，直接点出了问题所在：

「模型会替你做假设，然后一路跑下去，不检查。它们不管理自己的困惑，不寻求澄清，不指出不一致，不呈现权衡，不在该推回的时候推回。」

「它们喜欢把代码搞复杂，膨胀抽象，不清理死代码……明明 100 行能搞定的，非要搞出 1000 行的庞然大物。」

「这些问题，即使在 CLAUDE.md 里写了简单的修复指令，也还是会发生。」

这段话催生了 forrestchang/andrej-karpathy-skills，把 Karpathy 的观察提炼为四条原则写入 CLAUDE.md，项目迅速积累了 121k stars。

第三步：从单文件到可组合 skill 生态

Matt Pocock 把 CLAUDE.md 的「全局指令」模式进化为「可组合的 skill 文件」——每个 skill 独立，按需加载，而非一股脑塞进单个文件。

Google Chrome 团队的 Addy Osmani 也发布了 addyosmani/agent-skills（35.3k stars），定义了完整的开发生命周期：DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP。

第四步：生态化

随着 skill 文件爆发，出现了专门的分发平台 skills.sh，总安装量已超 90,999。Microsoft、Vercel、Supabase、shadcn 等大厂均已发布官方 skill 包。

这意味着 skills 文件正在从「个人黑魔法」演变为「框架/平台的官方使用说明」。未来每个主流框架可能都会附带一个官方 skill 包，就像现在附带 TypeScript 类型定义一样。

03

Skills 文件解决了什么，没解决什么

Matt Pocock 在 README 里总结了 AI 编程的四大失败模式，以及对应的解法：

失败一：Agent 没做我想要的（沟通鸿沟）

解法：/grill-me 和 /grill-with-docs。这两个 skill 会让 AI 无情地逼问你的计划，直到每个决策分支都被覆盖，同步更新 CONTEXT.md 和 ADR（架构决策记录）。

失败二：Agent 输出太啰嗦（缺乏共同语言）

解法：CONTEXT.md + 领域词汇表。把项目的核心概念、命名约定、技术选型写清楚，让 AI 和你说同一种语言。

失败三：代码跑不起来（缺乏反馈循环）

解法：/tdd 和 /diagnose。强制 AI 先建立可运行的测试，再写实现，再 debug。

失败四：代码变成一坨泥（架构熵增）

解法：/zoom-out 和 /improve-codebase-architecture。定期让 AI 上升一层抽象，给出模块全局地图，识别「深化机会」。

但 skills 文件有一个根本局限，V2EX 帖子里有人说得很准：

「你想到的禁忌才能写进去。」

大多数坑是事后才知道是坑的。那个浮点精度 bug，在它被修复之前，没有人会想到要在 skills 文件里写「不要优化 amount * 100 / 100」。

Skills 文件是静态的，而工程经验是动态积累的。它能捕获你已经意识到的问题，但无法预防未知的坑。

还有一个更深的问题：评论区有人指出，浮点精度 bug 的根本原因是没有抽象出 Money value object，而不是 AI 不知道历史。Skills 文件可能是在用文档补偿本该用代码结构解决的问题。

这个批评是对的。但它不是 skills 文件的否定，而是一个提醒：skills 文件是补丁，不是架构。好的代码结构 + 好的 skills 文件，才是完整的答案。

04

怎么用起来

如果你想试试，最简单的方式是通过 skills.sh 安装：

# 安装 Matt Pocock 的 skills
npx skills install mattpocock/skills

# 或者安装 Addy Osmani 的 agent-skills
npx skills install addyosmani/agent-skills

安装后，skill 文件会出现在你的项目目录里，Claude Code、Cursor、Windsurf 等工具都能识别。

如果你想手动创建，格式很简单：

---
name: my-skill
description: 当需要做 X 的时候使用这个 skill
---

## 步骤

1. 先做 A
2. 再做 B
3. 最后做 C

Matt Pocock 还有一个叫 write-a-skill 的元技能——让 AI 帮你把工作流提炼成 skill 文件。这个用法很有意思：你描述你的工作方式，AI 帮你把它结构化成可复用的 skill。

05

一个更大的视角

有人在评论区说了一句话，我觉得说到点子上了：

「Skills 文件是软件工程经典的复辟。」

Matt Pocock 在 README 里大量引用《The Pragmatic Programmer》《Domain-Driven Design》《Extreme Programming Explained》。Skills 文件范式本质上是把 DDD、TDD、ADR 这些被 vibe coding 浪潮冲走的工程实践，以 AI 能理解的格式重新注入工作流。

这不是新发明，这是一次复辟。

Vibe coding 降低了编程的门槛，但也带来了一个副作用：很多人开始觉得工程纪律是多余的，AI 会搞定一切。Skills 文件的流行，某种程度上是市场在纠偏——当你真正用 AI 做生产级开发，你会发现那些「老派」的工程实践，其实一个都不能少。

只是现在，你需要把它们写成 AI 能读懂的格式。

本文由 AI 生成，内容仅供参考，请仔细辨别。

你现在用 AI 编程工具吗？有没有遇到过「AI 把已修复的 bug 重新引入」的情况？欢迎在留言区聊聊你的经历。