grill-me
作者 mattpocockgrill-me 是一款决策支持技能,会针对你的计划、设计或提案一次问一个问题,直到关键分支都被梳理清楚。适合你想要有结构的反驳、看清取舍,或在高风险决策前获得一份严谨的 grill-me 指南时使用。
该技能得分 67/100,说明它可以收录,但更像一个中等实用、文档较少的工作流辅助工具。目录用户可以预期它有清晰的触发场景和真实的交互模式,适合用来“拷问”计划、测试其抗压性;但由于仓库除了核心指令外几乎没有操作细节,使用时仍需要一定自行判断和解读。
- 触发语很明确:适合用户想要被“拷问”或想压力测试某个方案时使用。
- 交互模式具体:一次只问一个问题,并为每个分支给出推荐回答。
- 工作流意图也写得很清楚:如果某个问题能在代码库里找到答案,就去那里查。
- 文档非常稀少:没有标题、脚本、参考资料或配套资源来帮助上手。
- 执行细节有限:没有安装命令或示例,因此在边界情况和适用范围上,智能体仍可能需要猜测。
grill-me 技能概览
grill-me 的作用
grill-me 是一款决策支持技能,它会一次只追问一个问题,持续“拷问”一个方案、设计或提案,直到关键分支都被理清。它适合你希望模型不只是被动回答,而是像严格评审一样,把假设、取舍和未决问题都挑出来的时候。
适合什么场景
grill-me 这项技能非常适合产品规划、架构评审、功能范围界定,以及任何下一步取决于先把歧义消掉的场景。尤其适合那些希望自己的想法被“好好盘问”一下,或者在拍板前需要结构化反驳的人。
它有什么不同
grill-me 的核心差异在于“一次只问一个问题”的纪律性。它不会抛出一长串清单,而是尽量按顺序走完整个决策树,在每个依赖项出现时先把它解决掉。它还要求模型在答案可以从现有文件推导出来时去检查代码库,这让 grill-me 技能比通用提问提示更有依据,也更贴近真实仓库。
如何使用 grill-me 技能
安装并启用 grill-me
使用以下命令安装 grill-me:
npx skills add mattpocock/skills --skill grill-me
然后在你的 skill runner 加载已安装技能的环境中启用它。如果你是手动改造这个技能,先阅读 skills/productivity/grill-me 里的 SKILL.md。
给它一个明确决策,不要只给模糊话题
grill-me usage 最适合你提供一个具体方案或设计,让它来挑战。好的输入会明确:被评审的对象、要做出的决策,以及当前不确定在哪里。
更好的示例:
- “请帮我盘问一下,这个 app 是否应该把 auth 拆成独立服务。”
- “用 grill-me 对我们的 dashboard redesign 做 Decision Support;重点看 onboarding 和 retention。”
- “请围绕这个 launch plan 盘问:时间表、负责分工、依赖项和风险。”
较弱的输入:
- “帮我盘问一下我的想法。”
- “帮我想想。”
怎样把提示写好
一个好的 grill-me guide 提示会告诉技能:它在质疑哪个领域、什么结果最重要、哪些约束绝不能忽略。请包含:
- 目标
- 当前提案
- 已知约束
- 什么样的决定会算糟糕
- 需要优先考虑的任何 codebase、产品或组织背景
这样能帮助技能提出更尖锐的问题,并为每个分支给出更好的推荐答案。
先读哪些文件
先从 SKILL.md 开始。在这个仓库里,它基本上就是整个技能本身。这里没有配套的 rules/、resources/ 或 scripts/ 文件,所以安装与否,主要取决于你是否真的需要这种提问方式。如果你要把它迁移到别处,下一步应该先阅读目标仓库的约定,避免这个技能和你自己的工作流冲突。
grill-me 技能常见问题
grill-me 是通用聊天技能吗?
不是。grill-me 比通用头脑风暴更窄,它是为结构化盘问一个方案或设计而设计的,不是为了开放式发散创意。如果你想要的是头脑风暴,范围更宽的规划提示可能更合适。
什么情况下不该用 grill-me?
当你需要的是快速总结、简单推荐,或者一次性草稿时,不要用 grill-me。这个技能最适合那种“错误假设代价很高”的场景:在你真正拍板之前,先让模型帮你做决策压力测试。
grill-me 适合问代码库相关问题吗?
适合,但只适用于这个技能要求的方式:如果问题可以通过查看代码库回答,就应该去查代码库,而不是猜测。这让 grill-me 技能在仓库感知型评审上,比抽象辩论更有价值。
它适合新手吗?
如果你能说清一个具体决策,并且能接受后续追问,那它就很适合新手。如果你希望模型不受挑战地接管整个规划过程,那它就不太合适。
如何改进 grill-me 技能
从一个决策和一个风险开始
提升 grill-me 效果的最佳方式,是把范围收窄。每次只让它盘问一个决策,比如架构、上线范围或实现顺序。提示越聚焦,技能就越能顺着分支树往下走,而不会跑偏。
补上模型不该漏掉的约束
尽早加入硬约束:截止日期、团队规模、技术栈、合规要求、预算、用户群,或者依赖限制。grill-me 最强的地方,在于它可以把取舍放到真实约束里做压力测试,而不是在理想化选项之间空谈。
用具体信息回答,不要只说抽象概念
当技能提问时,请用具体事实回答。比如,“2 名工程师做 6 周”比“资源有限”有用得多。具体答案能减少来回追问,也能帮助技能更快理清分支。
第一轮后继续迭代
把第一次 grill-me 运行当成诊断,而不是最终结论。如果输出暴露了一个薄弱假设,就带着这个被澄清的假设再跑一轮。正是这种迭代回路,让 grill-me for Decision Support 最有价值:每一轮都应该减少歧义,而不只是制造更多观点。
