grill-me

grill-me skill 概览

grill-me 能做什么

grill-me 是一个面向 Claude 式 agent 工作流的决策追问 skill。它不会对计划给出泛泛的反馈，而是一次只问一个问题，持续追问，直到不清晰的分支、依赖、取舍和假设都被拆开并确认。它的核心行为很简单，但很有价值：提出一个必须表态的问题，附上推荐答案，等待你的回应，然后继续沿着决策树推进。

最适合用于 Decision Support

当你有产品计划、工程设计、架构方案、迁移策略、发布检查清单，或任何“我们应该做 X”的文档，并且希望在执行前做压力测试时，适合用 grill-me 做 Decision Support。尤其是当计划里存在 TBD、模糊的取舍、隐藏依赖，或那些并非主动决策、只是默认形成的决定时，它会特别有用。

这个 skill 的不同之处

它的差异点在于纪律性。grill-me skill 不会一次塞给你十个问题，不会滑向泛泛批评，也不会允许用户用含糊答案糊弄过去。它会优先探索 codebase，而不是提出不必要的问题；会按深度优先走完各个分支；会提出带有约束力的问题，例如“为什么选 X 而不是 Y？”或“什么证据会让你相信这个方案是错的？”这个 repository 还包含只依赖 Python stdlib 的辅助工具，可用于提取决策分支、生成问题，以及跟踪多轮会话。

什么时候不适合用

如果你想要的是从零帮你写一份精美计划、一个轻量的头脑风暴伙伴，或一次快速的“LGTM”评审，就不要安装 grill-me。它有意让人不舒服：这个 skill 的设计目标是放慢对话节奏，暴露薄弱推理，并迫使你做出明确承诺。这让它在高成本决策前非常有力，但用于琐碎选择时会显得过重。

如何使用 grill-me skill

grill-me 安装方式和 repository 路径

使用以下命令安装：

npx skills add alirezarezvani/claude-skills --skill grill-me

这个 skill 位于 repository 的 engineering/grill-me/skills/grill-me 目录下。建议先阅读 SKILL.md，然后查看这些支持文件，了解如何进行更高质量的 grill session：references/forcing_question_patterns.md、references/when_to_stop_grilling.md 和 references/companion_tooling.md。脚本位于 scripts/，并且只需要 Python stdlib。

这个 skill 需要哪些输入

想获得更好的 grill-me usage 效果，请提供一份计划或设计产物，而不只是一个模糊目标。高质量输入通常包括：

• 你正在尝试做出的决策
• 当前提议的方案
• 你考虑过的替代方案
• 已知约束、截止时间和风险
• 仍是 TBD 或有组织敏感性的部分
• 指向相关代码、文档、ticket 或架构说明的链接或路径

弱提示词示例：“Grill me on this idea.”
更强的提示词示例：“Use grill-me on docs/auth-migration.md. We plan to move sessions from Redis to Postgres before Q3. Focus on rollback, performance risk, and whether our dependency on the billing service is actually locked.”

实用工作流

一个高信噪比的 grill-me guide 工作流通常是：

1. 把计划写进一个 markdown 文件。
2. 要求 agent 使用 grill-me，并先阅读这份计划。
3. 如果答案已经在 repository 或 codebase 中，让 agent 去检查文件，而不是来问你。
4. 一次只回答一个问题。
5. 随着决策被确认，及时记录下来。
6. 只有当所有未解决分支都被穷尽时才停止。

对于更大的计划，可以在本地运行辅助脚本：

python scripts/decision_tree_extractor.py path/to/plan.md

python scripts/question_generator.py path/to/plan.md --output json

python scripts/grill_session_tracker.py --action start --session auth-migration --plan path/to/plan.md

这些工具不会调用 LLM。它们的作用是帮助暴露决策分支，并在较长的评审会话中保留状态。

好用的提示词模式

使用能明确授权、范围和停止规则的提示词：

“Use the grill-me skill for Decision Support on this plan: <path>. Ask one question per turn. Provide your recommended answer with each question. Explore the codebase before asking anything answerable from files. Walk dependencies depth-first. Track resolved decisions and tell me when every branch is answered or when no new questions arise.”

这一点很重要，因为这个 skill 的价值来自问题的顺序。如果你要求“一次给出所有反馈”，就绕过了它最核心的收益。

grill-me skill 常见问题

grill-me 只适合工程计划吗？

不是。虽然 repository 路径偏工程场景，codebase 探索规则也更适合软件项目，但这套方法同样适用于产品、运营、招聘、GTM 和战略决策。最适合的场景是：隐藏假设带来的风险，比文字是否润色得漂亮更重要的任何计划。

它比普通提示词好在哪里？

像“critique this plan”这样的普通提示词，通常会产出一串观察意见。grill-me 创建的是一个追问循环。每个问题都绑定到某个决策分支，附带推荐答案，并在继续之前等待你的回应。因此它更擅长解决模糊性，而不只是指出模糊性。

新手可以使用 grill-me 吗？

可以，但新手应从较短的计划开始。这个 skill 可能会让人感觉强度较高，因为它会要求你说明取舍、kill criteria 和替代方案。如果你还不了解相关领域，就诚实回答哪些内容未知；会话随后可以把“尚未决定”和“因为缺少信息而被阻塞”区分开来。

安装前应该检查什么？

先确认你的 agent runtime 支持来自 GitHub 的 skills，并且你能接受多轮工作流。还应预览 SKILL.md 和三个 reference 文件。如果你想使用辅助脚本，请确认你可以运行本地 Python 命令，并且将 session JSON 写入 ~/.grill_sessions/ 符合你的环境要求。

如何改进 grill-me skill

给 grill-me 更清晰的源材料

提升 grill-me 输出质量最快的方法，是让计划更容易被检查。为目标、非目标、约束、替代方案、依赖、 rollout、rollback、指标和开放问题添加清晰标题。decision extractor 会寻找诸如 “we will”、“TBD”、“vs”、“depends on” 和 “trade-off” 这样的信号，因此更明确的表述有助于工作流找到分支。

避免常见失败模式

常见失败包括一次问太多问题、接受模糊答案、跳过 codebase 探索，或在第一个令人不舒服的分支之后就停止。如果 agent 把问题打包在一起，纠正它：“Return to grill-me: one question only, with a recommended answer.” 如果它问的是已经写在文档里的内容，把它指向对应文件，并要求它先检查再继续。

第一轮会话后继续迭代

完成第一轮 grill 后，用已经锁定的决策和新发现的风险修订计划。然后再次运行 decision_tree_extractor.py。第二轮常常会发现由你的回答引入的新分支。一次好的会话结束时，TBD 会更少，替代方案被拒绝的理由会更清晰，高风险选择也会有明确的 kill criteria。

为你的团队调校这个 skill

团队可以通过添加本地示例来提升采用率：一份好的 architecture decision record、一份糟糕且模糊的计划、偏好的风险分类，以及标准发布条件。保留 grill-me 的核心纪律，但根据组织约束调整推荐答案的风格。目标不是更严厉地盘问，而是在高成本工作开始前，更快形成共同理解。