skills
mattpocock/skills加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Matt Pocock — TypeScript 布道师、Total TypeScript 创始人
想象一下：你请了一个特别勤快的实习生——他技术能力强、执行速度快，但有个致命问题：他永远不完全理解你想要什么。你让他写一个「用户登录模块」，他交出来的东西功能能用，但变量命名随意、边界情况没处理、测试用例为零。
这就是当前 AI 编程工具（Claude Code、GitHub Copilot、Cursor）的真实处境。能力强，但对齐度低——你脑子里想的和他理解的，永远存在偏差。
Matt Pocock 在 2026 年推出的 mattpocock/skills 项目，正是为了解决这个问题。它不是又一个 AI 编程助手，而是一套结构化的工程方法论，以技能（Skill）的形式注入到 AI 编程工具中，让 AI 真正成为「工程伙伴」而非「代码生成器」。
这个项目在 GitHub 上获得了超过 101,000 颗星，订阅者超过 60,000 人，已经成为 AI 辅助编程领域最受关注的开源技能库之一。
Matt Pocock 是 TypeScript 社区的知名人物，曾是 Vercel 的 TypeScript 工程师，也是全球最受欢迎的 TypeScript 付费课程 Total TypeScript 的创始人。在长期帮助开发者解决 TypeScript 复杂问题的过程中，他发现了一个规律：大多数开发者的 TypeScript 错误，本质不是语法问题，而是对领域模型理解不清晰。
这一洞察延伸到了 AI 编程时代。Matt 认为，AI 编程工具之所以表现不稳定，根本原因是需求表述和领域理解的鸿沟。因此，他在 2026 年初创立了 skills 项目，将自己二十多年的工程实践浓缩为一套可组合的技能体系。
"这些技能设计为小而精、易于适配、可组合。它们适用于任何模型。" —— Matt Pocock
mattpocock/skills 的核心不是代码，而是一套行为规范——定义 AI 在特定场景下应该如何思考、提问、执行。技能通过 SKILL.md 文件表达，格式参考 Claude Agent 的 Skill 规范，包含元数据（name、description）和执行指令（what-to-do）。
技能分为三大类：
diagnose：硬 Bug 诊断循环。Matt 将复杂 Bug 调试拆解为 9 个严格阶段：构建反馈循环 → 最小化复现 → 假设验证 → 插桩定位 → 修复 → 回归测试。这不是简单的调试命令，而是一套可量化、可复用的诊断纪律。AI 按照这个框架执行，能将平均 Bug 定位时间从数小时压缩到数十分钟。
grill-with-docs：需求对齐与术语澄清。这是 Matt 最推荐使用的技能。在 AI 开始写代码之前，它会像苏格拉底一样连环追问，确保 AI 理解了项目的领域术语和约束边界。同时，它会在执行过程中维护 CONTEXT.md（项目术语表）和 ADR（架构决策记录），让项目的「共同语言」随开发过程不断沉淀。Matt 将其描述为「这个仓库里最酷的技术」。
tdd：测试驱动开发。不是简单地说「先写测试」，而是指引 AI 在每个红→绿→重构循环中：明确失败信号 → 写最小化实现 → 重构优化。配合 diagnose，形成完整的开发-验证闭环。
zoom-out / prototype / improve-codebase-architecture：宏观视角技能，分别用于需求全局审视、快速原型验证、架构改进评估。
to-issues / to-prd：需求转换技能，将功能需求转化为结构化的 GitHub Issue 或 PRD 文档。
triage：Issue 分类与优先级评估技能。
grill-me：与 grill-with-docs 类似，但面向非代码任务（文档写作、数据分析等）。帮助 AI 在执行前充分理解任务背景和预期产出。
caveman：最小化可行方案优先。当 AI 倾向于写「完美但复杂的方案」时，caveman 强制它先交付最小可用的东西，再逐步迭代。Matt 认为这是对抗 AI「过度工程」倾向的关键武器。
write-a-skill：元技能——教 AI 如何编写新的 SKILL.md 文件，形成技能自举循环。
handoff：任务交接规范，确保 AI 在任务切换时留下充分的上下文，让下一个 AI（或人类）能无缝接手。
git-guardrails-claude-code：在 GitHub Copilot 等工具中防止危险 Git 操作（如强制推送、删除分支）的安全护栏脚本。
scaffold-exercises / migrate-to-shoehorn：代码脚手架和迁移辅助工具。
技能通过 Matt Pocock 开发的 skills.sh 安装脚本分发给 AI 编程工具（如 Claude Code、GitHub Copilot、OpenCode）。安装流程极为简洁：
npx skills@latest add mattpocock/skills
安装后，用户在 AI 编程工具中通过 /setup-matt-pocock-skills 激活，系统会引导用户配置：
激活后，AI 即可通过 /grill-me、/diagnose、/tdd 等命令调用对应技能。
技能的 SKILL.md 文件本质上是结构化的提示词模板，但与普通提示词不同：
grill-with-docs 会生成标准格式的 CONTEXT.md 和 ADR；diagnose 会输出结构化的诊断报告Matt 在 SKILL.md 中引用了大量经典工程文献：
这些引用不是装饰，而是技能设计的理论锚点。grill-with-docs 直接对应 DDD 的通用语言实践；diagnose 体现了《The Pragmatic Programmer》中「在调试中构建反馈循环」的理念。
与 GSD（Get Stuff Done）、BMAD、Spec-Kit 等流程框架相比，mattpocock/skills 的核心理念是去中心化——不追求一个覆盖全流程的宏大框架，而是提供一组原子化技能，每个技能解决一个具体问题，用户可以自由组合。Matt 明确表示这是刻意的设计选择：
"GSD、BMAD、Spec-Kit 等方法尝试通过掌控流程来提供帮助，但这样做会剥夺你的控制权，并使过程中的 Bug 难以解决。这些技能设计为小而精、易于适配、可组合。"
安装要求：Node.js >= 18（用于运行 npx），无 GPU/高配硬件需求。
上手难度：极低。npx skills@latest add mattpocock/skills 即可完成安装，AI 工具自动识别技能列表。
适用工具：支持 Claude Code、GitHub Copilot、OpenCode 等主流 AI 编程工具。
学习曲线：技能的 使用门槛极低（只需学会调用 / 命令），但要真正发挥其威力，需要理解背后的工程方法论。建议从 grill-me 和 diagnose 开始，在实践中逐步理解其设计思想。
依赖 AI 的执行质量：Skill 定义再好，如果 AI 不严格遵循，仍会失效。部分用户反映 AI 会「跳过」某些步骤。
CONTEXT.md 维护成本：随着项目规模增长，维护一个准确的项目术语表需要持续投入。在大型团队中，这可能变成负担。
Skill 的适用边界：这套技能更适用于中型规模、有一定工程积累的项目。对于小型脚本或探索性任务，使用这些技能可能属于「杀鸡用牛刀」。
缺乏自动验证机制：目前 Skill 的执行效果主要靠人工评估，缺乏自动化测试覆盖来验证 AI 是否真正遵循了 Skill 定义的行为。
mattpocock/skills 代表了 AI 辅助编程的一个重要转向：从「让 AI 生成更多代码」到「让 AI 以更好的方式生成代码」。它不追求替代人类的工程判断，而是将人类的工程经验结构化、可复用，让 AI 在执行具体任务时能够继承这些经验。
图2：Skills 项目 logo — 清晰、简洁、可组合的设计风格
随着 Claude Code、Copilot 等工具的能力持续增强，如何让 AI 更准确地理解和执行人类意图将成为核心竞争力。mattpocock/skills 提供了迄今为止最系统、最实用的解决方案之一，其影响力已经远超 TypeScript 社区，成为 AI 工程实践领域的标杆项目。