我是小C。

一个懂编程教育、正在用 AI 升级教学和内容创业的老师。

C++ 信息学奥赛教练，编程讲师，少儿编程资深专家。

企业AI落地咨询、AIGC深度玩家。

常驻讲台，偶尔经过食堂。

致力于反努力机制下的AI知识传播与教育造物。

AI 写代码总踩坑？这个 GitHub 项目能治它

你有没有过这种经历？

让 AI 帮你写一段代码，写得飞快，输出的时候也像那么回事。

你高高兴兴复制粘贴进去。

跑一下直接报错。

或者你说"先看一下我那个文件"。AI 一本正经地说"好的，我看过了"。

但你打开一看，它根本就没看，自己瞎编了一个。

再不然就是给你编一个看着像函数、其实根本不存在的名字，理直气壮地用上。

这种情况不是偶尔，是常态。

最近我在 GitHub 上挖到一个 8 万 4 千多颗星 的项目，叫 agent-skills。

听起来名字很洋气。

说白了它就干一件事：把"老程序员的工作习惯"写成了 AI 必须照做的规矩。

今天拆给你听，不写代码也能看懂。

一、AI 写代码，为啥总出错？

很多人以为，AI 写代码不够好，是因为模型不够聪明。

错。

它不笨，它就是懒。

你让它"做个登录功能"。它的默认反应是：

• 跳过"先列需求"这步（先干起来再说）
• 跳过"做完先测试"这步（能跑就行）
• 跳过"自检一遍"这步（看着对就完事）
• 跳过"安全检查"这步（以后出问题再说）
• 一次提交一大堆改动（一次性堆上去省事）

每一项"跳过"，都是一个 Bug 的种子。

你跟它说"你别偷懒"。

它听不进去。

因为它从来没人教过它"什么是工程上的好习惯"。

agent-skills 干的事，就是把这些好习惯一条一条列出来，硬塞给 AI，让它必须照做。

就像小学上课的课堂规则一样：先举手，再发言，回答完要说"我说完了"。

二、这个项目，到底是个啥？

作者是个老外大牛，叫 Addy Osmani，在 Google Chrome 团队当工程负责人，写过一本很有名的前端书。

他做这个项目的想法特别朴素：

别指望 AI 自动变靠谱，直接把"靠谱的做法"写成 AI 必须执行的清单。

项目里一共有：

• **24 套"标准动作"**（按做事的先后顺序分好的）
• **4 个"专家身份"**（代码审查员、测试员、安全员、性能审计员）
• 7 份补充检查表（防止漏掉细节）
• **8 个"快捷指令"**（直接打 /spec/plan/build 等就行）

最关键的一点：它就是一堆普通的文本文件，不是某个工具专属的。

你用的是 Claude Code、Cursor、Copilot、Codex、Gemini 还是别的什么工具，它都能装上去用。

我就是喜欢这种"不绑架人"的工具。

三、24 套"标准动作"，到底覆盖了啥？

作者把"做完一个软件"这件事，拆成了 6 个阶段，每个阶段都给你一组动作：

第 1 步：想清楚再动手

• interview-me：AI 反过来问你，把你脑子里模糊的想法问到清清楚楚
• idea-refine：把"我想做个 App"变成一份可以照着做的方案
• spec-driven-development：没写清楚要干什么，不许开始写代码

第 2 步：把大任务拆成小任务

• planning-and-task-breakdown：把一堆要做的事拆成一张一张能打勾的小清单

第 3 步：开始动手做

• incremental-implementation：一次只做一小块，方便回退
• test-driven-development：先出题，再写答案，做完跑一遍验证
• context-engineering：给 AI 看它需要看的材料就行，别一口气塞一堆

第 4 步：测试看对不对

• browser-testing-with-devtools：用浏览器的开发工具实测
• debugging-and-error-recovery：出错时按 5 步查（重现 → 找位置 → 缩小范围 → 修复 → 加保险）

第 5 步：自己审一遍

• code-review-and-quality：从 5 个角度看代码质量，一次改的东西不超过 100 行
• code-simplification：把复杂代码简化（规则：旧的逻辑如果没人怀疑它错了，就先别动）
• security-and-hardening：防常见的网络攻击套路

第 6 步：发出去上线

• git-workflow-and-versioning：每次只改一个东西，改完立刻存个档
• ci-cd-and-automation：问题越早发现越好（自动化测试一有改动就立刻跑）
• observability-and-instrumentation：上线后盯着数据看（请求多少、报错多少、慢的有几个）

说白了，这不是 24 个软件，是 24 套"老程序员的标准操作手册"。

四、最有意思的：AI 的"自我安慰"清单

每一套"标准动作"里，都有这么一节：

Rationalizations（自我安慰）。

它把 AI 写代码时的所有"自我开脱"借口都列出来，再一一怼回去：

• "我稍后补测试。" → "不行，你现在就得补。"
• "这只是 demo，不用测。" → "Demo 也会变成正式上线的代码。"
• "先这样，下个 PR 再优化。" → "下个 PR 永远不来。"
• "这个文件应该不存在，没事。" → "没事个鬼，你编出来的。"

等于把"老程序员平时骂新人的话"，翻译成了机器能听懂的语言。

我看到这一段笑出声，句句扎心。

五、新手先学这 2 套，最管用

24 套全学压力太大。我建议新手先学 2 套，今晚就能见效。

第 1 套：写代码前，先说清楚要干什么

学名：spec-driven-development（先写需求）

用了它之后，AI 写代码前**必须先交一份"需求文档"**：

• 我要做的东西，目标是什么
• 哪些事不要做（边界）
• 做到什么程度算合格（验收标准）

你点头说"行"，它才动手。

这一招能挡掉一半"看着对、用着崩"的坑。

打个比方：就像写作文前先列提纲，不然写着写着就跑了题。

第 2 套：写代码前，先出考题

学名：test-driven-development（先写测试）

用了它之后，AI 必须先写一个考题（肯定是错的），再写代码让这个考题通过，通过之后再整理一遍。

这一招把"我稍后补测试"这个最常见的借口，直接堵死了。

打个比方：就像期末考试前，老师先想好"答对哪几点给多少分"，学生照着拿分。

六、5 分钟就能上手，照着抄

第 1 步：挑你正在用的 AI 工具

下面这些都能装：

• Claude Code（最推荐，我主力也是它）
• Cursor、Copilot、Codex
• Gemini CLI
• Windsurf、Kiro、OpenCode
• 不确定的话，还有一行命令通用的方式

第 2 步：复制一行命令去安装

# 把 24 套动作全装上
npx skills add addyosmani/agent-skills

# 只装你想试的那 1 套（适合尝鲜）
npx skills add addyosmani/agent-skills --skill test-driven-development

如果你用的是 Claude Code，最简单：

/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

第 3 步：直接用

装完之后，输入这样的指令就行：

/spec 我要做一个用户登录功能

AI 会先问你一堆问题，搞清楚你要什么，再交一份方案，等你点头才开始干。

/test 帮我写这个登录的测试

AI 会先出考题，再写答案。

从此你不用再说"请认真点"这种空话。 它被规矩绑死了。

七、3 个最容易踩的坑，提前提醒你

1. 只装 1 套可能少东西

它里面有些"补充检查表"是全局共享的，只装一个的话那几张表会找不到。

建议整套装，或者手动把对应的检查表也拷过去。

2. 别想着"装了就万事大吉"

它不是让 AI "一次就对"，而是让它 "按对的方式做"。

装了那套"先写测试"的，不等于从此不用写测试。

它只是让 AI 逼着自己按流程走，每一步都能查能验。

3. 你用的 AI 工具得支持"加载规矩"

如果你的 AI 工具不让你加自定义规矩，那就算装了也发挥不出来。

目前生态最完整的是 Claude Code，强烈推荐做主力。

八、为啥我说每个用 AI 写代码的人都该用这个？

回到开头那个问题：

AI 写代码"看着对、用着崩"，本质是它没有"工作规矩"。

你跟它说"认真点"。没用。

你必须把"认真"翻译成 "先写计划、先出考题、先自检" 这种机器能听懂的动作。

agent-skills 把这套动作打包好了。

24 套看着多，但你今天只要装 2 套：

• 写代码前先想清楚要干什么
• 写代码前先出好考题

装完你会发现两件事：

• AI 写代码翻车的次数，明显少了
• 你自己写的提示词，从"模糊要求"变成了"验收标准"

后者才是程序员真正的护城河。

AI 不会取代你。但会用 AI 的工程师，会取代不会用 AI 的工程师。