196k Star！把软件工程经验编译成 AI 编程技能，告别氛围编程

AI 编程助手越来越强，但你有没有发现：Agent 经常不按你想要的做、输出冗长废话、代码跑不起来、架构越写越乱？Matt Pocock 的 Skills 仓库用 22 个精心编排的技能，把 TDD、DDD、代码审查等数十年工程经验固化成 AI 可执行的工作流。

🎯 项目定位

Matt Pocock 的 Skills 是一套面向 AI 编程助手（Claude Code、Codex 等）的可组合技能集合，核心理念是 "真正的工程实践，而非氛围编程（Vibe Coding）"。它并非一个传统软件项目，而是一组精心编排的斜杠命令和行为指引，将数十年软件工程经验（领域驱动设计、TDD、代码审查、架构设计）凝结为可重复执行的 AI 工作流。

项目定位精准，聚焦四个 AI 编程的常见失败模式：

1. Agent 没按你想要的做
    — 通过 /grill-me 和 /grill-with-docs 解决人与 Agent 之间的沟通鸿沟，在动手前进行持续追问式的对齐对话
2. Agent 过于啰嗦
    — 通过共享语言（Ubiquitous Language）+ CONTEXT.md + ADR 体系，让 Agent 在项目术语语境下工作，大幅减少 token 消耗和冗余表达
3. 代码不工作
    — 通过 /tdd 的红-绿-重构循环和 /diagnosing-bugs 的六阶段调试纪律，建立紧密的反馈回路
4. 代码变成一团烂泥
    — 通过 /improve-codebase-architecture + /codebase-design 的深度模块设计理念，对抗 Agent 加速造成的软件熵增

目标用户是有实际工程经验的开发者，希望在 AI 辅助下保持代码质量和架构清晰度的人群。项目已积累约 6 万+ newsletter 订阅者，是 AI 辅助开发领域的重要方法论仓库。

封面为本分析阶段 ImageGen 补生成，仓库无本地截图（README 中的 banner 图片托管在 Cloudinary 外部 CDN）

⚙️ 核心架构与特性

整体架构

项目采用 纯 Markdown 驱动 的技能定义架构，无运行时依赖，以目录树组织和分发技能。

每个技能目录结构：

双模式调用体系

User-invoked（用户调用）：设置 disable-model-invocation: true + policy.allow_implicit_invocation: false，仅人类可输入触发，用于编排流程。一个 user-invoked 技能可调用 model-invoked 技能，但绝不能调用另一个 user-invoked 技能。

Model-invoked（模型调用）：默认模式，Agent 可根据任务上下文自动匹配并触发。description 字段包含丰富的触发短语以支持自动匹配。

两条分发渠道

1. Claude Code 插件
    — 通过 claude plugins install mattpocock-skills 安装，只读、自动更新，适合订阅式使用
2. skills.sh CLI
    — 通过 npx skills@latest add mattpocock/skills 安装，文件写入本地仓库，用户可自由修改和定制

核心技能工作流

主线流程：想法 → 交付： - /grill-with-docs → （可选 /prototype 分支）→ /to-spec → /to-tickets → /implement（每个 ticket 驱动 /tdd → /code-review）

入口旁路： - Bug 驱动：/triage → /diagnosing-bugs → 汇入主线 - 大型模糊任务：/wayfinder（决策票映射）→ /to-spec → 汇入主线

代码健康： - /improve-codebase-architecture 扫描并生成 HTML 可视化报告，推荐深化重构方向

底层词汇表： - /domain-modeling（领域语言锐化 + ADR） - /codebase-design（深度模块设计词汇）

关键技术设计

领域驱动设计融入：所有技能围绕 CONTEXT.md（术语表）+ docs/adr/（架构决策记录）运作，/domain-modeling 在对话中主动挑战模糊语义、交叉验证代码与术语一致性

深度模块理论：借鉴 Ousterhout《A Philosophy of Software Design》，独创词汇体系（module、interface、depth、seam、adapter、leverage、locality），禁止使用模糊术语（component、service、API、boundary）

双轴代码审查：/code-review 通过并行子 Agent 分别审查 Standards（代码规范 + Fowler 味道基准）和 Spec（需求对齐），防止一个维度掩盖另一个维度

Wayfinder 决策制图：针对超大规模任务的规划方法，创建决策票（wayfinder:map），子票依赖关键问题逐步解答，雾区逐片消散直到路线清晰

Triage 状态机：六角色状态机（needs-triage → needs-info / ready-for-agent / ready-for-human / wontfix），自动检查冗余实现和 .out-of-scope/ 知识库

技术栈

• 纯 Markdown + YAML frontmatter（技能定义）
• JSON 插件清单（Claude Code marketplace）
• YAML Codex 元数据（agents/openai.yaml）
• Changesets（语义化版本管理）
• GitHub Actions CI（发布流水线）
• npm 元数据包（package.json，仅用于版本管理）

版本与规模

• 当前版本：1.2.0（Claude 插件）
• 已推广技能：22 个（engineering 17 + productivity 5）
• 总计技能目录：约 30+（含 in-progress、deprecated、misc、personal）
• 195,998 GitHub Stars

⚖️ 优势与现存缺陷

优势

1. 方法论深度
   ：绝非简单 prompt 集合，每个技能都根植于经典软件工程著作（The Pragmatic Programmer、DDD、A Philosophy of Software Design、Extreme Programming Explained），引用精确，理论扎实
2. 组合性设计
   ：技能小而专，通过 /skill 风格调用彼此组合，无深层文件级耦合。User-invoked 编排流程，model-invoked 提供可复用能力，层次分明
3. 双平台兼容
   ：同时支持 Claude Code 和 Codex，通过 agents/openai.yaml 同步元数据，disable-model-invocation 与 allow_implicit_invocation 成对控制
4. 可定制与可订阅并存
   ：两种安装模式满足不同需求 — 想省心就用自动更新的插件，想定制就用 skills.sh 本地安装
5. 架构可视化创新
   ：/improve-codebase-architecture 输出自包含 HTML（Tailwind + Mermaid CDN），before/after 对照，不污染仓库，实用且美观
6. 上下文中立设计
   ：/handoff 实现跨 session 上下文传递，/compact 区分 fork vs continue，精细管理 Agent 会话边界
7. 知识库积累机制
   ：.out-of-scope/ 记录拒绝的需求避免重复讨论，ADR 制度确保关键决策不丢失，CONTEXT.md 随对话实时更新
8. 纯文本架构，零依赖分发
   ：技能即 Markdown 文件，无需编译、无运行时依赖，跨平台自然兼容

现存缺陷

1. 学习曲线陡峭
   ：完整工作流涉及 10+ 个技能交互，新用户需要较长时间理解 ask-matt 路线图，setup 配置步骤多（issue tracker、triage labels、domain docs）
2. 重度依赖 CONTIN.md/ADR 前期投入
   ：对小型项目或原型项目，建立完整的术语表和 ADR 管理体系可能过于重量级
3. Codex 支持不完整
   ：README 明确标注 Codex 原生插件仍在路线图上，当前需通过 skills.sh CLI 间接使用
4. 缺乏非 JS/TS 生态适配
   ：所有代码示例均为 TypeScript，虽然理念普适，但非 TS 生态（Python、Rust、Go）开发者体验缺少针对性指引
5. In-progress 技能不确定
   ：in-progress/ 目录有 9 个草案技能（batch-grill-me、loop-me、setup-ts-deep-modules 等），质量不一，可能混淆用户
6. 无本地图片或视频教程
   ：纯文本驱动，缺乏视觉化教程或演示视频，对视觉型学习者不友好
7. 无内置指标/遥测
   ：没有衡量技能使用效率的机制，用户无法量化 ROI 或对比不同技能的效果
8. Issue tracker 锁定较死
   ：支持 GitHub/Linear/本地 Markdown，但对 Jira、Asana、ClickUp 等主流项目管理工具只有手动自定义方式
9. 个人偏好色彩较重
   ：部分设计选择（如 "深度" 词汇对 Ousterhout 原始定义的偏离、拒绝 "component/service" 术语）带有强烈的作者个人工程哲学，不一定适合所有团队

🔗 自动化生态联动思路

Matt Pocock Skills 本质是一个 Agent 行为协议层，位于开发者意图与 Agent 执行之间。它的核心竞争力是工作流编排和软件工程纪律的机器执行——这使其天然适合与其他工具形成自动化联动生态。

场景一：GitHub Issue → 自动化交付流水线

将 issue 管理、规范生成、TDD 开发、代码审查链接为全自动流水线。当 issue 被标记 ready-for-agent 时自动触发 /implement，通过 /tdd 红-绿-重构循环完成开发，/code-review 双轴审查通过后自动提交 PR。

场景二：架构衰退监控 → 自动重构

定时运行 /improve-codebase-architecture 扫描代码库，当某个模块的 "浅度" 指标超过阈值时自动触发深化重构流程。生成的 HTML 报告推送到团队文档平台，选中的候选方案自动进入 /grill-with-docs → /codebase-design 设计流程。

联动扩展方向

• CI/CD 集成
  ：在 GitHub Actions 中嵌入 /diagnosing-bugs 失败分析，自动生成最小复现用例并提交 issue
• 文档生成
  ：/domain-modeling 产出的 CONTEXT.md 和 ADR 可自动发布到 Confluence/Notion
• 团队协作
  ：/handoff 产出的会话摘要可作为跨团队/跨时区的 AI 交接文档
• 学习系统
  ：/teach 技能的工作空间模型（MISSION、learning-records、reference 文档）可作为企业级 AI 培训平台的基础
• PR 审查增强
  ：将 /code-review 的双轴并行审查注入 GitHub PR Review，替代基础 linter，增加语义级审查维度
• 技能市场生态
  ：以 skills.sh 分发机制为基础，可构建类似 VS Code 插件的社区技能市场，支持第三方技能发布