Matt Pocock Skills v1.1 — AI 辅助编程 SDLC 工作流¶

Matt Pocock 的 AI Coding Skills 仓库（16 万 stars、700 万次下载）发布 v1.1， 从单纯的「规划工具」演化为完整的软件开发生命周期（SDLC）。 适合正在使用 Claude Code / Codex 等 AI Agent 辅助开发的工程师。

目录¶

• #一、核心概念与技能重命名
• #二、Grilling 机制优化
• #三、完整 SDLC 流程
• #四、Wayfinder — 大型项目规划核心
• #五、支持技能：Research / Prototype / Implement
• #六、代码品质与测试升级
• #七、迁移指南与行动建议

一、核心概念与技能重命名¶

v1.1 对两个核心流程技能更名，消除实际使用中的认知摩擦（Friction）：

关键区别：

PRD（产品需求文档）    → 偏向产品本身的功能描述
Spec（规格书）         → 更宽泛，可混合技术 + 非技术内容
Issue（议题）          → 偏向 GitHub/Linear
Ticket（工单）         → 通用概念，一个 Spec 下拆解出的执行单元

二、Grilling 机制优化¶

针对社区反馈，大幅修复 AI 与用户之间的「拷问（Grilling）」互动机制：

三项修复¶

Facts vs Decisions 的界线¶

Facts（事实）                    Decisions（决策）
─────────────────────           ─────────────────────
由 AI 自行探索代码库获得          必须由用户拍板
例：发现用了 Prisma ORM          例：选择 REST 还是 GraphQL
例：发现 auth 逻辑在 middleware  例：是否引入新依赖

核心原则：AI 可以自己去调查事实，但项目走向的选择权永远在用户手中。

三、完整 SDLC 流程¶

v1.1 首次将整个工作流补完为标准软件开发生命周期：

Grill with Docs / Wayfinder
         │
         ▼
     /to-spec
    （规格书）
         │
         ▼
   /to-tickets
  （拆解工单）
         │
         ▼
    /implement
  （逐单实作）──→ TDD（Red → Green）
         │              │
         ▼              ▼
   /code-review     重构留给 Code Review
  （双轴审查）
         │
         ▼
     Git Commit

设计哲学：每个阶段都是独立的 AI Session。一个 Spec 拆出多个 Ticket，每个 Ticket 在单独的 Session 中实作，避免 Context Window 爆炸。

/implement 技能¶

回答用户最常问的「规划完下一步该怎么做」：

• 根据 Spec 或 Ticket 执行实作
• 尽可能使用 TDD（在预设的 seam 处）
• 定期运行 Type Check + 单一测试文件
• 完成后全量测试
• 自动触发 Code Review → Git Commit

这是一个非常简单的技能，核心价值在于给用户一个明确的「下一步」锚点，避免规划完成后迷失方向。

四、Wayfinder — 大型项目规划核心¶

这是 v1.1 最令人兴奋的新技能。

适用场景¶

当你有一个「模糊、庞大、无法在单一 AI Session 中完成」的构想时：

传统做法（Grill with Docs）:
  用户 ──焦虑地管理──→ AI Session（担心 Smart Zone / Context 爆炸）
  手动 Handoff，信息容易丢失

Wayfinder 做法:
  用户 ──→ GitHub Issues（共享地图）
              │
              ├── Research Ticket（调研）
              ├── Grilling Ticket（拷问决策）
              ├── Prototype Ticket（原型验证）
              └── Task Ticket（杂项任务）
  每个工单 = 一个 AI Session 的容量

核心机制¶

1. 在 GitHub Issues 上绘制「依赖关系图（Shared Map）」
2. 大任务拆解为具备 Blocking Relationships 的子工单
3. 每个子工单精确控制在一个 AI Session 的容量内
4. 所有工单完成后，信息汇总回 Map，再用 /to-spec 生成规格书

四种工单类型¶

Grilling 与 Wayfinder 的选择¶

选 Grill with Docs 如果你需要：
  ✅ 快速、单次对话就能理清的小型需求
  ✅ 不涉及前端 UI / 复杂依赖
  ✅ 可以在一个 AI Session 内完成

选 Wayfinder 如果你需要：
  ✅ 涉及前端 UI（强烈推荐先 Prototype）
  ✅ 需要调研外部依赖/技术选型
  ✅ 多人协作（信息保存在 GitHub Issues）
  ✅ 需要跨多次 Session 逐步推进
  ❌ 不适合：单次对话就能搞定的简单需求

五、支持技能：Research / Prototype / Implement¶

/research（调研技能）¶

• 启动一个背景 AI Agent（Background Agent）
• 调查第一手资料，期间用户可继续其他工作
• 自动产出符合专案既定格式的 Markdown 报告
• 保存位置遵循仓库已有的文档约定

/prototype（原型技能）¶

专为前端与交互逻辑设计，区分两种类型：

核心价值：用极低成本制作粗糙但具体的产出，拉高 Spec 讨论时的具體真实度。不要在 Spec 阶段讨论抽象概念——先做个东西出来反应（React to）。

/implement（实作引导）¶

详见 #三、完整 SDLC 流程 章节。

六、代码品质与测试升级¶

Code Review 融入 Martin Fowler 重构心智模型¶

新版 /code-review 在双轴审查基础上引入 Code Smells：

双轴审查架构：

/code-review
    │
    ├── Sub-Agent A：Standards Axis
    │   └── 对照 coding-standards.md 检查编码规范
    │
    └── Sub-Agent B：Spec Axis
        └── 对照原始 Spec / Issue 检查实现一致性

新增的 Code Smells 检测（利用 LLM 的预训练权重 Prior）：

为什么有效：《Refactoring》是经典著作，这些术语深度嵌入 LLM 的预训练权重。Prompt 中只需点到为止地列出术语，AI 就会精准识别并主动报告代码中的架构缺陷。

TDD 技能降级为「纯參考資料」¶

过去的问题：

v1.0 TDD 流程：
  Red → Green → Refactor（在同一个 Skill 中循环）
  问题：AFK 自动化代理时常卡住

v1.1 TDD 流程：
  Red → Green（实作阶段，专注让测试亮绿灯）
  重构 → 交由 Code Review 处理

七、迁移指南与行动建议¶

升级步骤¶

由于涉及核心技能名称变更，自动更新可能无法完美覆盖：

# 1. 手动清理旧技能
rm -rf .claude/skills/to-prd .claude/skills/to-issues

# 2. 重新安装全部技能
npx skills add mattpocock/skills

# 3. 检查 skills 文件夹，确认无残留旧文件

三个核心建议¶

参考资料¶

• Matt Pocock Skills GitHub Repo
• Skills.sh 订阅更新
• YouTube 视频：New Skills! v1.1

相关笔记¶

• [[Matt Pocock Skills 仓库研究]]（如有）

文档生成时间：2026-07-10 基于 Matt Pocock Skills v1.1 YouTube 视频