Grill Me Skill：看似簡單卻徹底改變程式設計的 AI 提示詞
什麼是 Grill Me Skill？
Grill Me Skill 是由知名軟體工程師和教育家 Matt Pocock 創建的創新 AI 生產力工具，是他在 GitHub 上「真正工程師的技能」綜合儲存庫的一部分。這個強大的技能將 Claude 等 AI 助手轉變為無情的面試官，系統性地質疑和壓力測試你的軟體計劃、設計和架構決策，直到決策樹的每個分支都完全解決。
看似簡單的提示詞：為何這幾行字具有強大影響力？
乍看之下，Grill Me 技能似乎簡單得幾乎微不足道。以下是完整的提示詞：
不斷地就這個計劃的每個方面對我進行訪談，直到
我們達成共識。逐一深入設計樹的每個分支，
解決決策之間的依賴關係。
如果問題可以通過探索程式碼庫來回答，
請改為探索程式碼庫。
對於每個問題，提供你推薦的答案。
僅僅 6 行。但為什麼如此強大？
「不斷地訪談我」— 堅持的力量
「不斷地」這個詞至關重要。它指示 AI 不要在一兩個表面問題後就停止，而是要繼續深入挖掘。這個單詞將隨意對話轉變為全面的設計審查，可以持續 45 分鐘或更長時間，發掘你甚至不知道存在的需求。
「直到我們達成共識」— 目標導向的方法
這個短語設定了明確的終止條件。AI 不只是隨機提問——它有一個具體目標：在計劃的每個方面實現你和 AI 之間的相互理解。這防止對話變得漫無目的或膚淺。
「深入設計樹的每個分支」— 系統性覆蓋
這個指令確保 AI 不會跳過重要的考量。通過明確提到「每個分支」，提示詞強制全面探索設計中所有可能的路徑、邊緣案例和決策點。這是隨意腦力激盪與嚴格架構審查之間的區別。
「逐一解決決策之間的依賴關係」— 順序邏輯
這個短語非常出色，因為它防止 AI 一次用 20 個問題壓垮你。相反，它按順序處理依賴關係，逐步建立理解。這使複雜的規劃會議變得可管理，並確保每個決策都在完整的上下文中做出。
「提供你推薦的答案」— 加速決策制定
這個最近添加的行是遊戲規則改變者。AI 不是讓你解釋明顯的選擇，而是建議它認為最好的答案。你可以簡單地對好的建議說「是」，大幅加快對話速度，同時保持深度。
真實世界的影響：使用前後對比
Reddit 上的一位開發者分享了採用 Grill Me 技能後的轉變：
| 使用 Grill Me 之前 | 使用 Grill Me 之後 |
|---|---|
| 切換到計劃模式 | 使用功能請求運行 /grill-me |
| 給出提示 | AI 逐一提問 |
| AI 可能問 1-2 個問題（有時一個都沒有） | 逐步共同做出決策 |
| AI 生成帶有錯誤假設的計劃 | 在編碼前達成共識 |
| 無盡的修訂循環 | 首次實施的準確率達 90% |
該開發者指出：「通過在生成計劃之前強制執行迭代澄清，grill-me 技能似乎減少了下游返工並改善了一致性」。
要避免的常見錯誤
Matt Pocock 指出了開發者在使用 Grill Me 時犯的關鍵錯誤：
試圖回答高保真度問題
並非所有問題都是「可燒烤的」。低保真度問題如「這個路由應該使用什麼 URL？」在燒烤會話中完美運作。但高保真度問題如「這個 UI 應該有什麼感覺？」需要原型。
解決方案： 使用交接模式：燒烤 → 原型設計 → 再次燒烤。
選擇過大的範圍
當範圍太大時，你會遇到兩個問題：
- 出現隱藏的高保真度問題
- 超過模型的上下文窗口（約 120k 詞元），進入 AI 性能下降的「愚蠢區域」
解決方案： 在開始之前將大範圍分解為較小的可燒烤塊。
為何這對現代開發很重要
Grill Me 技能代表了從被動除錯到主動設計驗證的範式轉變。傳統開發通常意味著先編寫程式碼，然後發現問題。Grill Me 翻轉了這一點：你在 45 分鐘的對話中發現問題，節省了數小時或數天的重構時間。
Matt Pocock 將其描述為橡皮鴨除錯法的數位演化——通過與無生命物體交談來發現邏輯缺陷的做法。但與橡皮鴨不同，AI 會提出智能的後續問題並提供專家建議。
超越編碼：通用應用
有趣的是，Pocock 也將 Grill Me 用於非編碼決策，例如確定下一步要建立什麼課程。該技能適用於任何需要在承諾之前探索所有角度的複雜決策過程。
如何開始使用
使用以下命令安裝技能：
npx skills@latest add mattpocock/skills
然後運行 /grill-me 後跟你的計劃或想法。
結論
Grill Me Skill 證明了提示工程不在於複雜性——而在於精確性。六行精心選擇的文字創建了一個結構化的訪談過程，系統性地消除歧義並發掘隱藏的需求。在 AI 輔助開發成為標準的時代，像這樣的工具展示了經過深思熟慮設計的簡單提示詞如何對軟體品質產生巨大影響。
