7行字的“神级Skill“,全网安装610万次 最近AI圈有个现象挺魔幻的。一个叫 grill-me 的 Skill 火了——全文只有7行、635个字节翻译成中文不到150个字。就这么个东西所在的仓库拿了19万颗星全系列总安装量超过610万次。你说它有多复杂的技术没有。它不调用任何API不跑任何模型甚至不是一段代码。它就是一段给 AI 看的文字说明。但就是这7行字戳中了无数人用AI写代码时最痛的那个点。一、先给你看看它到底写了啥grill-me 来自 TypeScript 大神 Matt Pocock 的 skills 仓库是里面下载量最高的一个。我把全文贴出来你感受一下针对我的计划反复拷问每一个方面直到我们达成共识。 顺着决策树的每个分支往下走逐个解决决策之间的依赖关系。 每个问题都给出你推荐的答案。 一次只问一个问题等我回答完再问下一个。 能通过翻代码库查到的事实自己去查别问我。 但决策是我的每一个都摆到我面前。 在我确认达成共识之前不准动手。完了。就这些。你可能想问这玩意儿不就是个提示词吗凭什么叫神级Skill别急。我一开始也是这个反应。但仔细想了三天我发现它牛逼的地方根本不在文字本身。二、它干掉了一个所有人都在假装看不见的问题我们先回到一个最普遍的场景。你跟AI说帮我写个脚本把这个文件夹里的图片批量压缩一下。它二话不说就开干。十分钟后跑完了你一看——压到什么质量它定了子文件夹要不要处理它定了原图留不留备份它也替你定了。这些你一个字都没说过。这就是现在最流行的 vibe coding——靠感觉写代码。爽是真爽快也是真快。但最贵的地方从来不是它写得慢。是你直到看见结果才知道它误会了你。为什么会这样因为写代码这件事往下拆到底不是写代码是连着做几百个微观决策。你少说一句它就替你填一个。你少说十句它就替你填十个。而AI最讨好你的地方从来不是夸你写得好。是它从不说我不懂你要什么。它宁可猜一个也不肯停下来问。因为它知道你用它就是为了快——如果它每一步都问你你就觉得它笨、觉得它没用。这是一个很微妙的心理学陷阱你在训练它不要问它在训练你不要停。最后你们一起把决策权外包了出去然后一起在结果出来的时候傻眼。grill-me 干的事就是把这个陷阱给你戳穿了。三、7行字里藏着三个设计原则别看只有7行每一行都精准地纠正了一个AI天生的行为偏差。第一条顺着决策树走一次只问一个。AI默认有个倾向——问一两个问题就觉得差不多了然后急着动手。grill-me 用 relentlessly不放过这个词强行压住了这个倾向。而且它要求一次只问一个。这个细节很多人忽略了但其实特别关键——你试试让AI一次问你五个问题你看到第三题的时候第一题已经忘了。一次一个看似慢实则最快。第二条每个问题都给推荐答案。这个设计最讨巧。如果AI只会问你想要什么你还得自己组织语言、想选项累都累死了。给推荐答案就不一样了——你只要点头、摇头、或者改一下。80%的输入成本被省掉了。第三条能查的事实自己查只有决策才问你。这条是最容易被跳过、但最要命的。如果没有这条拷问就会变成审讯——项目用的什么框架、目录结构长啥样、测试框架是什么……这些它翻两下代码就能知道的事要是全问你一遍你被问到第五个就想关掉窗口。有了这一条它就会先自己去翻翻完了再来找你。找你的时候问的全是它翻不出来的东西。这一条把拷问从被一个傻子审变成了跟一个已经做完功课的人开会。差别巨大。四、最颠覆的认知你不用先想全这里有个反转是我琢磨了很久才拐过弯来的。我们一直有个误解——想把AI用好得先自己把需求想清楚最好一次性写出一份滴水不漏的方案。可对着一块空白的屏幕从零写出一份考虑了所有极端情况的企划书这件事本身就是最痛苦的那一步。大部分人就是卡在这儿卡着卡着放弃了回去继续 vibe coding。grill-me 给的是另一条路挖漏洞这个苦差事恰恰是该外包给 AI 的那部分。它顺着决策树往下走一个一个把你的盲点掏出来。你不用提前想全你只需要在它把选项摆到你面前的时候说一句用这个。说穿了该外包的是找出有哪些决策。不该外包的是这些决策怎么定。分清这两件事你才坐得稳架构师那个位置。分不清你就是个打字员——还是个连自己签了什么都不知道的打字员。五、它没做什么新东西但它把一件事变成了动作说回到最开始那个问题7行字也配叫神级Skill我的答案是配。拷问、决策树、一次问一个、给推荐答案。每一条单独拎出来都不新鲜加起来也就7句话。但它把一件我们一直知道该做、却一直没做的事变成了一个可执行的动作——输入/grill-me在动手之前把该你拍板的东西一个一个摆出来。vibe coding 爽在你只说一句。代价是剩下那几百个决策它替你签了而且你看不见。grill-me 干的事就是把那沓空白支票摊开在你面前让你自己填金额。事实归它决策归你。这两件事分清楚了你才是那个架构师。

相关新闻

最新新闻

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现

SerenityOS 命令行选项解析指南:getopt 与 getopt_long 用法、返回值与底层实现 【免费下载链接】serenity The Serenity Operating System 🐞 项目地址: https://gitcode.com/GitHub_Trending/se/serenity 导读 本文以 getopt(3) 手册 为核心&a…

2026/9/26 23:24:47
轻量服务器还是ECS?大促云服务器选购与避坑实战指南

轻量服务器还是ECS?大促云服务器选购与避坑实战指南

每年大促节点,群里永远有人在问同一个问题:“38元的轻量服务器到底怎么抢?为什么我每次点进去都是已售罄?68元直购和99元的ECS我到底选哪个?”作为一个常年帮团队和自己采购云服务器的老用户,我太清楚这种纠…

2026/9/26 18:48:15
为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南

为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南

为 AI 代理的 Review 动作编写 Cedar 审批门控策略:review-agent-governance 策略编写实战指南 【免费下载链接】agents Multi-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity 项目地址:…

2026/9/26 3:42:08
PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署

PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署

PaddleOCR 手写数学公式识别算法 CAN 实战指南:Counting-Aware Network 训练、评估与推理部署 【免费下载链接】PaddleOCR Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between i…

2026/9/26 11:37:29
Spring源码解析:构造器注入的类型转换与候选匹配机制

Spring源码解析:构造器注入的类型转换与候选匹配机制

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/9/26 4:08:27
openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由

openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由

openai-agents-python 多模型接入指南:深入解析 AnyLLMModel 适配层与 any-llm 路由 【免费下载链接】openai-agents-python A lightweight, powerful framework for multi-agent workflows 项目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-pyth…

2026/9/26 21:11:24

日新闻

周新闻