Grill-Me：全网安装量 65 万的 AI 追问技能，凭什么只有 7 行代码？

在 AI 编程时代，最贵的错误不是代码写错，而是需求没说清。grill-me 用 7 行指令解决了这个问题。

一、它是什么

grill-me 是 TypeScript 大神 Matt Pocock 开发的 AI Skill，托管在 mattpocock/skills 仓库。

核心理念一句话：在写代码之前，让 AI 反过来"拷问"你，把需求的每个分叉都问透，直到双方达成 100% 共识。

指标	数据（2026年7月）
GitHub Stars	17 万+（仓库整体）
grill-me 安装量	65.5 万
技能排行榜	第 3 名
核心代码	7 行正文

二、核心原理：只有 3 条规则

grill-me 本身只是 1 行入口：Run a /grilling session.

真正的引擎是 grilling，核心指令翻译过来就三条：

规则一：往死里追问

Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree, resolving dependencies between decisions one-by-one. For each question, provide your recommended answer.

针对计划的每个细节反复追问，沿决策树逐一走完每个分支，每个问题附带推荐答案。

规则二：一次只问一个

Ask the questions one at a time, waiting for feedback on each question before continuing. Asking multiple questions at once is bewildering.

问完等你回答，再问下一个。批量提问会让人崩溃。

规则三：能查到的别问我

If a question can be answered by exploring the codebase, explore the codebase instead.

能从代码库/文件系统中找到答案的事实，AI 自己去查。只有真正需要你做取舍的决策，才端到你面前。

三、架构设计：单一真相来源

grilling（7行追问引擎，model-invoked）
├── /grill-me          纯对话版，无代码库
├── /grill-with-docs   追问 + 产出 CONTEXT.md + ADR
├── /triage            追问 Issue → 分类 → 写开发说明书
├── /codebase-design   追问架构决策
└── /wayfinder         把大项目拆成并行 grilling sessions

• grill-me 标记为 user-invoked：只有你主动调用才触发，不占上下文窗口
• grilling 标记为 model-invoked：可被其他 Skill 复用

一个 12 行的文件，被 5 个不同的 Skill 复用。这就是"单一真相来源"（Single Source of Truth）的威力。

四、三个使用层次

层次	命令	适用场景
Level 1	/grill-me	没有代码库，纯聊天打磨想法
Level 2	/grill-with-docs	有代码库，追问同时产出文档
Level 3	/codebase-design	大型架构决策，多分支并行追问

Level 1 示例

输入：

/grill-me 我想做一个用户头像上传功能，支持裁剪

AI 开始追问：

Q1: "图片来源是本地上传还是 URL 引用？我建议本地上传，因为你需要裁剪功能，裁剪通常在前端做，需要用到本地文件。对吗？"

你只需回答：Yes / No / 换这个方案。

五、典型使用场景

1. 新项目启动：脑子里只有模糊想法，用它逼自己想清楚技术选型、功能边界、异常处理
2. 功能迭代：在已有代码库上加功能，AI 先读代码了解现状，只问真正需要决策的地方
3. 技术方案评审：替代"产品经理+架构师+开发"的需求对齐会议
4. 学习新技术：不确定怎么选时，AI 给推荐答案，你只需说 Yes/No
5. 非编码决策：经营复盘机制设计、产品规划等（配合 grill-with-sources 变体）

六、使用技巧

判断是否需要 grill

• < 5 个问题：需求已经够清晰，不需要 grill
• 15-50 个问题：正常范围，30-60 分钟
• > 50 个问题：范围太大，需要先拆分再分别 grill

高效回答策略

• 没特别想法时，直接说 "接受你的建议"——这是整个过程中说得最多的一句话
• 有明确偏好时，直接给答案，AI 会据此调整后续分支
• 不确定时说 "It depends"，AI 会进一步拆解条件

最佳实践

1. 先 grill 再写码：grill 完让 AI 总结方案，确认后再动手，代码一次成型率极高
2. 配合代码库使用：AI 会自动读取命名规范、已有抽象，不重复问代码里已明确的事
3. 大项目用 wayfinder：先拆成多个并行 grilling session，再逐个击破
4. 用 grill-with-docs 沉淀：追问过程自动产出 CONTEXT.md 和 ADR，团队可复用

七、安装方式

# 只装 grill-me
npx skills@latest add mattpocock/skills --skill grill-me

# 装全部 Matt 的技能（50个）
npx skills@latest add mattpocock/skills

支持 Claude Code、Cursor、Qoder 等主流 AI 编程工具。

八、设计哲学

grill-me 本质上是一只会追问的智能小黄鸭。

它解决的是 AI 编程的第一失败模式：

Agent 没做你想要的——因为你要什么，连你自己都没想清楚。

常规 AI 助手的流程：你说需求 → 它输出一整套方案 → 你挑错修改 → 反复返工

grill-me 的流程：你说需求 → 它一次问一个问题 → 你做决策 → 再问下一个 → 共识达成 → 一次写对

它不帮你做决定，而是让你意识到哪些决定还没做。

九、对我们的启发

1. 简单即力量：7 行代码击败无数复杂框架，因为只做一件事且做到极致
2. 需求澄清 > 代码生成：AI 写代码能力已经够强，瓶颈在人脑里的模糊地带
3. 决策树思维：先定大方向，再定细节，有依赖关系的问题绝不提前问
4. 降低决策疲劳：每个问题带推荐答案，把"写作文"变成"做选择题"
5. 可组合架构：一个引擎被 5 个 Skill 复用，改一处全局生效

---

参考来源：mattpocock/skills、skills.sh 排行榜数据