开源一个神级 Skill,斩获 32000+ GitHub Star!

跟AI结对编程的时候,你有没有过这种体验?需求还没想清楚,就让AI开始写代码。写完发现方向错了,推倒重来。或者改个Bug,AI直接给你一顿操作猛如虎,结果引入了三个新Bug。
说到底,问题不是AI不够聪明,而是缺少一套靠谱的工作流。就像你不会让新人上来就写代码,得先教他怎么拆需求、写测试、做Code Review。
AI也一样,它需要有人告诉它:专业工程师是怎么干活的。这个痛点,TypeScript圈子的大神 Matt Pocock 看得门儿清。他把自己日常用的那套开发流程,整理成了一个开源项目 —— Skills。
上线不到半年,GitHub Star 就冲到 32000+,连Google那个Agent Skills的作者都在推荐。

它到底解决了什么问题?
Skills 的核心理念特别朴素:别让AI瞎干,先让它学会怎么思考。
这个项目是Matt Pocock把自己 .claude 目录里实际在用的技能包,一个个整理出来的。
整个项目包含了:
30+ 个实战技能(Skills)
4 大工作场景(Planning、Development、Tooling、Writing)
1 行命令安装(npx直接装,不用全局安装)
覆盖了从需求分析到代码重构、从文档撰写到知识管理的完整流程。
具体能干什么?
1. 规划设计类:让AI先想明白再动手
写代码之前最怕什么?需求没理清就开干,越写越偏。Skills 提供了一套"慢思考"技能,强制AI先把事情想透:


举个例子,你想给系统加个"用户权限管理"功能:
先用 grill-me 让AI反问你:权限粒度到什么级别?要支持角色继承吗?问题答完,用 to-prd 生成一份结构化的PRD文档。再用 to-issues 把PRD拆成10个具体的Issue:建表、写API、前端页面…
整个过程AI都在帮你思考,而不是直接甩代码。
2. 开发实战类:写代码也要讲方法论
代码质量的差距,往往就在工作流程上。

拿 tdd 来说,装上这个技能后,你让AI写个登录功能。AI不会直接写代码,而是:
先写测试用例:正常登录、密码错误、用户不存在;确认测试用例后,再写实现代码;跑测试,红-绿-重构循环。
这就是专业工程师的工作方式,AI现在也能学会了。
3. 工具配置类:一键搞定那些烦人的配置
每次新项目都要配一遍 ESLint、Prettier、Git Hooks,烦不烦?

用 setup-pre-commit 举例:
npx skills@latest add mattpocock/skills/setup-pre-commit
装完之后,跟AI说一句:
"帮我配置一下pre-commit,提交前自动格式化代码"
AI会自动:安装 Husky、lint-staged、Prettier;配置 .husky/pre-commit 钩子;设置 lint-staged 规则:只格式化暂存区文件;创建 .prettierrc 配置文件。
全程不用你操心,5分钟搞定。

4. 写作知识类:不只是写代码,还能管知识
程序员不只写代码,还得写文档、整理笔记、维护知识库。

ubiquitous-language 这个技能特别有意思,你把项目代码丢给AI,它会自动提取出领域术语表:

这就是DDD(领域驱动设计)里强调的团队共识语言,手动整理要好几天,AI几分钟搞定。
怎么上手使用?
1. 快速安装(推荐)
不需要全局安装,一行命令搞定:
npx skills@latest add mattpocock/skills/tdd

2. 批量安装多个技能
如果你想一次装好几个:

3. 手动安装(适合Cursor等IDE)
如果你用Cursor或其他AI编程工具,可以手动复制技能文件:

4. 验证安装
装完之后,直接跟AI说:
"用TDD的方式,帮我写一个用户注册功能"
AI会自动启用 tdd 技能,先写测试再写实现。
实际效果如何?
我自己用了两周,有几个特别明显的变化:
1. 需求阶段不再稀里糊涂
以前都是想到哪写到哪,结果经常写一半发现方向错了。现在养成习惯,任何新功能都先跑一遍 grill-me:

三五个问题下来,需求立刻清晰了。
2. 代码质量稳定在及格线以上
用上 tdd 之后,AI写的每个函数都带测试用例。以前AI生成的代码,边界条件经常漏掉;现在测试先行,这些坑都提前暴露了。
最直观的感受:生产环境的Bug少了至少30%。
3. 配置工作从1小时缩短到5分钟
新项目第一步总是配置ESLint、Prettier、Git Hooks这些,以前要折腾大半天。
现在直接:
npx skills@latest add mattpocock/skills/setup-pre-commit
AI自动把配置文件全写好,package.json也更新了,喝口水的功夫就搞定。
写在最后
AI编程工具越来越多,但为什么Cursor、Copilot、Gemini用起来效果参差不齐?不是工具的问题,是工作流的问题。
Matt Pocock的Skills做的事情很简单:把好的工作流固化下来,让AI也能按专业工程师的标准干活。
对我们这些天天跟AI协作的开发者来说,与其等AI变得更聪明,不如先学会怎么更好地驾驭它。
GitHub 项目地址: https://github.com/mattpocock/skills
如果你也在用AI写代码,强烈建议试试这个Skills项目。说不定会让你发现,原来AI还能这么用。
我们下期再见!
