GitHub 爆火！236K+ Star！一套 Skills 让 AI 按工程师方式写代码

如果你最近在用 Claude Code 或 Cursor，你一定懂这种感觉：前三天觉得自己要失业了，第三周觉得自己要救火了。

AI 写代码的速度快得像开了 16 倍速，但你有没有发现，项目根部目录下的文件夹比你的衣柜还乱？你让 AI 加个“用户登录”，它给你造了三个新文件；你再让 AI 修复登录的 Bug，它又给你造了五个新文件来“兼容”之前的 Bug。

这不是 AI 不够聪明，而是我们一直在犯一个致命的错误：我们把 AI 当成了“打字超快的码农”，却忘了它本质上是个“记忆力极差但态度极好的实习生”。

最近 GitHub 上狂揽 236K Star 的 Matt Pocock's Skills 项目，之所以火得一塌糊涂，不是因为它让 AI 写代码更快了，而是因为它终于治好了程序员们的“精神内耗”。它告诉我们：AI 写代码拼的是手速，AI 写项目拼的是制度。

1. 核心痛点：AI 根本不懂“潜规则”

为什么项目会越来越乱？因为现实世界的工程不是 LeetCode 刷题。现实工作中，一个功能能不能上线，80% 的精力花在需求边界、异常处理和架构兼容上，只有 20% 是纯编码。

以前的 AI 工作流是“输入即输出”：你说“做个订单系统”，它立马开始写 Controller、Service、Mapper。看着很爽，但它全是基于“概率”的猜测，猜对了你爽，猜错了他妈的全是雷。

而 Matt Pocock 这套 Skills 最狠的一招，是把“工程师的思维黑盒”变成了“AI 的可执行白盒”。它不是一个简单的 Prompt 集合，它是一套“AI 职场入模培训”。

2. 干货拆解：别急着写代码，先让 AI“闭嘴”

很多博主会吹嘘它的 /implement 有多强，但我觉得最值钱的反而是那个不起眼的 /grill-with-docs。

这玩意儿简直是“AI 界的灵魂拷问官”。你告诉它“我要加权限管理”，它不会说“好的”，它会反问：“管理员和普通用户的权限交叉怎么处理？旧数据需不需要回滚？是 RBAC 还是 ABAC？”

这就是认知卸载。 我们平时最烦的就是写代码前那冗长的需求澄清，但如果没有这一步，后面全是屎山。这个 Skill 强制 AI 把模糊的人类语言，转化成结构化的 Spec（技术规格书）。

紧接着的 /to-tickets 更是神来之笔。它把一个庞大的“权限系统”拆解成 6 个独立的 Issue。这完美利用了 AI 的“单线程高并发”弱点——AI 处理一个 1000 行的混沌需求会崩，但处理一个 100 行的明确需求就是降维打击。

3. 真正的高级感：把“工程习惯”沉淀为“代码资产”

市面上 90% 的 AI 编程教程都在教你怎么写提示词，但 Matt Pocock 教 AI 的是“契约精神”。

这里必须吹爆它的设计哲学：Skill 通用，但配置专属。

它把 CONTEXT.md 和 ADR（架构决策记录）作为项目的“宪法”。无论你怎么跟 AI 瞎聊，只要执行 /to-spec，它就把散落的聊天记录整理成不可篡改的 Spec。这就相当于给 AI 戴上了“紧箍咒”——代码可以改，但 Spec 一旦确认，流程不可逆。

这解决了团队协作中的大痛点。以前你用 AI 写的代码，同事根本不敢动，因为不知道 AI 当时“抽什么风”写的。现在有了这套流程，AI 写的代码是有“设计文档”背书的，AI 不再是“野生代码生成器”，而是“持证上岗的施工队”。

4. 泼一盆冷水：它不是神，是“纪律委员”

我知道这时候肯定有人要问：“装上这个，我是不是就能躺平当架构师了？”

醒醒。Skill 教不会 AI 业务洞察力，它只能教 AI 按部就班。

就像你给一个刚毕业的菜鸟发了本《大厂开发规范》，他确实不会乱写全局变量了，但他依然可能设计出过度抽象的架构。/code-review 能帮你查出代码风格问题，但它查不出“这个功能其实产品经理下个月就要砍掉”这种政治问题。

所以，正确看待这套 Skills 的姿势是：它是一套“防呆机制”。它存在的意义不是让 AI 变强，而是防止 AI 的随机性把项目炸毁。它把“先想后做”这个反人性的流程，强制植入到了 AI 的执行链里。

5. 结语：AI 时代的“达尔文进化论”

现在的 AI Coding 赛道已经卷不动模型参数了，下一步比拼的一定是 Agent 的“职场软技能”。

以后面试官如果问：“你如何保证 AI 生成代码的质量？”你可以理直气壮地说：“我不信 AI 的自觉，我只信 Matt Pocock 的流程。”

这套 236K Star 的 Skills 正在预示一个未来：未来不是人人都能当程序员，而是人人都能当“项目经理”——只要你懂得把人类的工程智慧，编译成 AI 听得懂的 Step-by-Step。

赶紧去 GitHub 上把这个流程跑通吧。别让 AI 停留在“能跑就行”的野路子，是时候给你的 AI 上上强度，搞搞“工程正规军”的操练了。