你说加头像上传AI却漏了裁剪和大小限制：mattpocock/skills用需求对齐加测试驱动把AI编程变成可控流程
一天涨2.2万Star，登上GitHub热榜，总Star数已达14万。这个项目叫 mattpocock/skills，它解决的是AI编程最大的痛点：你脑子里想的是A，AI最后做出来的却是B。
比如让AI加个头像上传功能，它很快写完代码，你看一眼批准了，结果上线后发现图片大小没限制、裁剪比例没确定、默认头像也没考虑。你说的"头像上传"和它理解的"头像上传"完全是两回事。而Matt的Skill会像面试官一样先问清楚：图片从哪来？存到哪？要剪裁吗？大小有限制吗？问清楚了再写代码，通常一次到位。
四大失败模式
这套Skill针对AI编程中常见的四个问题：
1. 意图对齐失败：你有想法，Agent有方案，双方以为在说同一件事，代码跑出来才发现南辕北辙。根本原因是没搞清需求就开始写。
2. 缺少专业术语：每次开新对话都要重新解释"项目里的XX是什么意思"，Token浪费是小事，代码命名不统一才是大问题。
3. 没有反馈回路：没有测试驱动，Agent写代码等于盲人走路，它觉得过了、你觉得过了，上线才发现没过。
4. 架构腐化：AI加快了代码产出速度，也增加了技术债务。没有定期架构审查，六个月后回头看自己的仓库都不认识了。
这四个问题在软件工程中一直存在，只是AI让它们的代价来得更快。
四阶段工作流
第一阶段：需求与架构
/grill-with-docs：要求AI把问题问清楚，自动生成CONTEXT.md和ADR/to-prd：把对话整理成规范PRD，保证逻辑闭环/to-issues：直接把任务拆到GitHub，颗粒度一目了然
第二阶段：开发与质量
/tdd：必须先写测试再写代码，每条都有依据/setup-pre-commit：启动Husky，为提交加门禁/git-guardrails：开启拦截，防止不小心把敏感信息推到远程仓库
第三阶段：维护与管理
/diagnose：按复现-定位-修复-复盘流程处理Bug，不随便改/migrate-to-shoehorn：重构旧代码时处理类型断言迁移/improve-codebase-architecture：每隔三天运行一次，像给代码做体检，避免"破窗效应"
第四阶段：团队协作
/handoff：生成当前上下文摘要，把工作交接给下一个AI窗口/caveman：开启极简语态，压缩75%无效Token/scaffold-exercises：新成员获得练习脚手架，快速上手
安装与使用
npx skills@latest add mattpocock/skills
然后在项目中执行一次 /setup-matt-pocock-skills，按提示配置即可。
使用示例——增加"用户头像上传"功能：
- 对AI说：
/grill-me 我要增加一个用户头像上传的功能，AI会问清项目中的相关问题 - 回答完所有问题后，需求就清楚了
- 再说：
/tdd 开始实现，AI按测试驱动方式写代码，每次只写一个测试 - 遇到问题用
/diagnose，AI用六阶段调试法定位问题
适用人群
这套Skill适合已经在用AI编程工具但对代码质量有要求的人。它不能让AI写得更快，但能让AI写得更稳定——用强制需求对齐、测试驱动和调试流程，把AI编程从"碰运气"变成"有流程"。如果对测试覆盖率有要求，尤其值得安装。
项目基于 MIT 协议开放。
开源地址：https://github.com/mattpocock/skills