夜雨聆风改个bug改出三个新bug，让它重构一下直接给你整出一坨屎山，想让它写测试？它给你mock了一堆根本没意义的东西。
不是AI不行，是你没教它怎么"工程化"。
今天分享一个GitHub上7.3万星的项目——mattpocock/skills，它不是什么框架，不是什么库，就是一套给Claude Code用的"工程素养训练手册"。作者是TypeScript圈子的大佬Matt Pocock，人家不是教你vibe coding，是教你真工程。
四大翻车现场，你中了几个？
Matt总结了AI编程助手的四大死法：
不听话——你想要A，它给你B，对齐失败 太啰嗦——废话一箩筐，token烧得飞起 代码不work——写完了跑不通，反馈循环断裂 越写越烂——架构一塌糊涂，技术债越堆越高
这四个问题，Skills项目一个一个给你解决了。
先装上再说
一行命令搞定：
npx skills@latest add mattpocock/skills然后选你要的skill，装完之后在Claude Code里跑一下 /setup-matt-pocock-skills，它会问你三个问题：用什么Issue追踪器（GitHub/Linear/本地markdown）、要不要标签体系、项目是单语境还是多语境。
三步走完，你的项目就具备了所有skill的"运行环境"。
五个最值得用的Skill
装了14个skill，哪些最值得上手？我挑了5个最实用的。
1. /diagnose —— 不再乱改bug
你是不是经常这样：报了个bug，让AI看，AI瞎猜一通，改了五个文件，bug没修好，还整出新问题？
diagnose的思路是：先建反馈循环，再谈修bug。
它分六步走：
建反馈循环——写一个能2秒内复现问题的测试/脚本，这是"debugging超能力" 确认复现——确保你看到的和用户说的一样 生成假设——列出3-5个可能原因，排优先级 插桩验证——一次只验证一个变量，日志带唯一前缀 [DEBUG-a4f2]先写回归测试再修——没找到合适的测试接缝？那本身就是发现 复盘——修完之后问"什么能防止这个bug再次出现"
核心洞察：第一步建循环是技术活，剩下都是体力活。 有了2秒的确定性反馈循环，没有找不到的bug。
2. /tdd —— 让AI真正写好测试
AI写测试最大的坑是什么？mock一堆内部实现，测试全通过，上线全崩。
tdd skill的核心原则：测试行为，不测实现。 通过公共接口测，不mock自己的模块，只mock系统边界（数据库、外部API）。
另一个关键：垂直切片，不是水平分层。 别先把所有测试写完再写实现，而是一个测试→一个实现→循环。像tracer bullet一样，一发一发打。
❌ 错误：写10个测试 → 写全部实现 → 跑测试✅ 正确：写1个测试 → 写实现让它过 → 写下1个测试 → 循环3. /grill-with-docs —— 最强Skill，没有之一
这个skill做两件事：疯狂追问你 + 同时维护共享语言。
它会在你的项目根目录创建/维护一个CONTEXT.md，里面定义术语、关系、歧义标记。你说的每个模糊概念，它都会逼你精确化——"你说的'服务'是指微服务还是后台任务？"
一旦术语定下来，写进CONTEXT.md，后续所有对话都用同一套语言。再也不用每次跟AI解释一遍"我们说的XX其实是YY"。
需要做架构决策时，它还会提醒你写ADR（Architecture Decision Record）——但只有同时满足三个条件才会建议：难以回滚、不写会让人困惑、确实有权衡取舍。不会动不动就让你写文档。
4. /to-prd + /to-issues —— 从想法到可执行任务
聊了一个小时，想法很多，怎么落地？
/to-prd 把对话提炼成产品需求文档——问题陈述、解决方案、用户故事、实现决策、测试决策、范围外事项，结构清晰。
/to-issues 再把PRD拆成一个个GitHub Issue——每个Issue都是一条垂直切片，从UI到数据库穿透所有层，独立可验收。还会标注这个Issue是HITL（需要人参与）还是AFK（AI可以独立完成），按依赖顺序排列。
从"我有个想法"到"这里有一排排好队的Issue"，一条龙。
5. /caveman —— 省token神器
激活之后，AI的所有回复变成超压缩模式——砍掉冠词、客套话、犹豫词，只留干货。token用量降约75%。
普通模式：I think the best approach would be to refactor the authentication module first...Caveman：Refactor auth module first. Circular dep in UserService.遇到安全警告、不可逆操作等关键时刻，会自动退出压缩模式说人话。说"stop caveman"恢复正常。
三个底层设计思想
光会用不够，理解设计思想才能举一反三。
第一，Skill本质是精心设计的Prompt，不是代码。 14个skill里只有3个有可执行脚本，其余全是SKILL.md里的结构化提示词。这意味着你可以自己写——项目里就有/write-a-skill教你。
第二，CONTEXT.md + ADR是持久记忆层。 Skills在运行时读取它们、运行中更新它们。你用得越多，共享语言越丰富，AI越"懂你"。
第三，"深模块"哲学。 来自《软件设计哲学》这本书——接口要小，实现要深。所有涉及架构的skill都在推动你往这个方向走：删掉浅模块，建立深模块，让每个模块的接口面积尽可能小。
一句话总结
这个项目不是教你让AI写更多代码，是教你让AI写更好的代码。
它的核心不是什么高深技术，而是把软件工程几十年的最佳实践——DDD、极限编程、红绿重构——用Prompt的方式"教"给AI，让AI从"vibe coding"变成"工程化协作"。
如果你在用Claude Code、Codex或其他AI编程助手，这个项目值得花半小时装上试试。
