现在人人都可以 Vibe Coding，用自己熟悉的 Agent 编程工具手搓产品。
一句需求、一个想法丢给 AI 就开干，但通常做出来的效果，并不是我们想要的东西。
往往推倒重来，白白浪费时间和 Token，这种场景，大家应该都经历不少。
其实问题不在 AI，而是在我们自己没把需求想清楚，导致 AI 只能靠猜。
最近偶然看到一个下载安装量超 87 万次的 Skill，名叫 grill-me，专治这个毛病。
出自 TypeScript 圈大神 Matt Pocock 之手，它所在的仓库 skills 已有 22 万+ Star。
打开 grill-me 的 SKILL.md，正文就几行字，当时愣了一下，还以为页面没加载完。
grill 这个词在英文口语里是「拷问」的意思，连着 grill me，那就是「拷问我」。
当输入/grill-me之后，AI 不会马上动手写代码，而是充当面试官开始盘问我们。
顺着思路，一个决定接一个决定往下挖，把每个选择背后的连锁问题摆到台面上。
每个问题基本都是选择题，并也附上它推荐的答案，大多数时候回一句「同意」就能继续。
而且它自己会去查、去翻代码库落实情况，并不是一股脑来询问我们。
更关键的一条，是在双方未确认达成共识之前，在没搞清楚需求前，不会写任何代码。
就这么几行文字的 Skill，凭什么这么火？我认为，它管住了最容易被忽略的环节。
从零做一个产品，会遇到几百个决定，报错怎么兜底、数据存哪、边界情况怎么办。
若直接把模糊想法丢给 AI，如果它不主动跟我们对齐，而是自己猜测我们的意图，后面做出来的产品，大概率不是我们想要的。
grill-me 正好解决了这极其重要一环，把决策权还给人，AI 负责挖盲点，我们负责拍板。
具体效果如何？下面我们来看看，首先安装 grill-me 的命令如下：
npx skills add https://github.com/mattpocock/skills --skill grill-me
装完之后，便可以在对话框里使用它了。
在写这篇文章的时候，看了下 DeepSeek Harness 已经破 14 万 Star。
目前使用它只有 Web UI，安装它还得折腾 Node.js 环境，我就想着给它做个客户端。
也正好试下 grill-me，故意发一句模糊需求：「给 DeepSeek Harness 做一个开箱即用的跨平台客户端」。
它没急着开干，而是把能自己查到的事实查清楚，再开始细问搞清楚我的真实需求。
包括目标用户、覆盖平台、技术方案、首次引导、实现功能等 11 个关键决策点的对齐。
一层接着一层问，基本都是一个问题，并附带两三个候选项，再给一个推荐选项及理由。
说实话，这个过程里有很多问题，在我发送需求那句话的时候，压根是没想过的。
当所有疑问都问完后，它会把定下来的东西汇总成一份设计共识，确认之后才开始动手。
当然它也有代价，面对复杂需求真能问出几十个问题，没耐心的朋友可能会被问烦。
这些对齐的共识它不会落进任何文件，除非你让它保存到本地，否则新开个会话就会丢失。
那么这份共识该往哪放？这也是很多人纠结的地方，下一步该怎么办？
这里不得不提一下 Superpowers，我相信大家的 Agent 编程工具里，基本都有安装它。
从头脑风暴、写计划、执行到调试审查，一整套规程把开发过程全管起来，重而全。
在我看来，grill-me 和 Superpowers 是一个互补关系，做需求前先用 grill-me 对齐需求。
再让 Superpowers 的 writing-plans 把共识落成计划文档，executing-plans 分步实施。
一个管「想清楚」，一个管「做到位」，在介入时机一前一后，正好接得上。
这套流程在自己项目里也跑了一阵子，体感是进了实施阶段，基本不用再回头掰扯需求。
写在最后
这两年 Agent 的执行力肉眼可见地变强，一句话做个网站、做个小游戏都不算新鲜事了。
但活干得再快，也不意味着做出来的效果好，一旦最初的方向就错了，后面维护成本越高。
更有意思的是，Superpowers 用一整套规程管流程，grill-me 用几行字管流程开始。
在我看来，这两个项目搭配起来使用，刚好可以把需求落地的质量提升一大截。
对于模糊需求在动手前先盘问，或许往后，会变成各家 Agent 工具的内置动作。
毕竟模型再强，也只能做对我们说清楚的事。
GitHub 项目地址：https://github.com/mattpocock/skills
📖 相关推荐
资深互联网从业者，专注AI工具研究与实战应用。长期跟踪ChatGPT、Claude、Stable Diffusion等前沿AI技术，擅长将复杂的技术概念转化为通俗易懂的教程。运营颜资源小站，致力于为中文用户提供高质量的AI教程、开源项目推荐和数字资源整理。
评论(0)