深度拆解：TypeScript 大神把 .claude 目录开源，18 个 Skill 是给 AI 编程踩刹车的工程纪律

2026 年 4 月底Total TypeScript 创始人、TypeScript 社区教父级人物 Matt Pocock 干了一件挺简单的事——把他个人.claude目录下的全部 Agent Skills 开源了。仓库叫mattpocock/skills副标题只有一句话Skills for Real Engineers。一个多月时间从 0 涨到 7.2 万 Star本周还在每天涨 1500。我把 18 个 Skill 一个一个翻完之后的判断是这不是又一组炫技 prompt不是让 Agent 更会自由发挥的插件包而是一套专门给 AI 编程踩刹车的工程流程。如果你现在用 Claude Code、Codex、Cursor 经常觉得 AI 写代码看起来很快、合起来很虚这篇值得花 15 分钟。一、先讲清楚 Matt Pocock 是谁以及他为什么有资格写这个英文世界做 TypeScript 教学的人有不少但能形成事实标准的就一个 Matt Pocock。他全职运营 Total TypeScript 一套被全球数万名开发者追捧的 TypeScript 系统课程定价不便宜一套近 $1000但常年卖爆。他做过 Vercel、做过 Stately离开大厂之后专心做教育。在他的影响力下shoehorn 优于 as这种业界细节都变成了一种品味。他这次做的事很反常——把自己电脑里~/.claude/skills/目录原样 push 到 GitHub。没有重新包装、没有改名、没有为开源做美化就是平时他自己每天用的那套东西。这一点很关键因为它直接定义了这个仓库的定位“Skills I actually use every day, on real engineering work. Not vibe coding.”翻译过来我每天都在用干的是真活不是写着玩。这一句话筛掉了 80% 的 prompt 项目——它们多数是我设计的不是我用的。二、它解决了 AI 编程的 4 个失败模式仓库 README 第一屏没有讲我多牛只列了一张表——“AI 编程的 4 种典型翻车场景每一种我用哪个 Skill 救”。#翻车场景根因救它的 Skill1Agent 干的不是你想要的对齐缺失/grill-me/grill-with-docs2Agent 啰嗦到读不下去没有共享语言/grill-with-docs写CONTEXT.md ADR3代码跑不起来反馈循环缺失/tdd/diagnose4项目一坨泥球架构腐化/to-prd/zoom-out/improve-codebase-architecture这张表本身就是这个项目最值钱的部分。它隐含了一个反直觉的判断——AI 编程的瓶颈不是模型能力是工程纪律。更准确地说是资深工程师 80% 的工作量没在敲键盘——在决定不写哪些代码、“挑战需求假设”、“拒绝走捷径”。这些决策习惯恰恰是 AI Agent 默认会跳过的部分。Matt 做的事就是——把这套决策习惯显式编码成 SKILL.md让 Agent 强制执行。三、18 个 Skill 全景图仓库目录结构很克制按使用频率分三类skills/ ├── engineering/ # 10 个日常代码工作必用 ├── productivity/ # 4 个通用工作流工具 └── misc/ # 4 个偶尔派上用场下面是完整清单建议先收藏这张表后面每个细节都跟着这张表走 Engineering10 个 · 工程纪律Skill一句话diagnose硬 bug 闭环复现 → 最小化 → 假设 → 插桩 → 修复 → 回归grill-with-docs挑战式追问同步更新CONTEXT.md ADRtriage用状态机角色给 issue 分类improve-codebase-architecture基于 ADR 寻找架构深化机会setup-matt-pocock-skills首次使用的初始化issue tracker、标签、文档结构tdd红-绿-重构垂直切片严禁水平to-issues把任意计划/PRD 拆成可独立认领的 GitHub issueto-prd把当前对话直接转成 PRD 并提 issuezoom-out强制 agent 抽离细节回到高层视角prototype一次性原型终端 app 或多 UI 变体⚡ Productivity4 个 · 通用工作流Skill一句话caveman超压缩通信模式砍掉 ~75% tokengrill-me持续追问你的计划直到决策树每个分支都清晰handoff把当前对话压成交接文档便于另一个 agent 接力write-a-skill用规范结构 渐进披露 资源捆绑写新 Skill Misc4 个 · 偶用工具Skill一句话git-guardrails-claude-codehook 拦截危险 gitpush、reset --hard、cleanmigrate-to-shoehorn把as类型断言迁移到total-typescript/shoehornscaffold-exercises创建练习目录sections/problems/solutions/explainerssetup-pre-commit配 Husky pre-commit hook 全家桶18 个 Skill 没有一个是AI 自动生成营销文案、AI 自动想点子那种花活。每一个都对应一道工程师本来就该做、但被 AI 时代偷懒省略的纪律。这才是为什么这个仓库能涨到 7.2 万 Star。四、4 个最值得拆解的 Skill18 个全讲会变成流水账。我挑出 4 个最能代表 Matt 设计哲学的细看——这 4 个吃透了剩下 14 个的味道你自己就能闻出来。4.1tdd把红绿重构从节奏升级为纪律Matt 这个 Skill 对 TDD 的定义跟教科书有一处关键差别——强烈反对水平切片。❌ 错误水平切片 / 教科书常见 RED: test1, test2, test3, test4, test5 GREEN: impl1, impl2, impl3, impl4, impl5 ✅ 正确垂直切片 / 曳光弹 RED→GREEN: test1 → impl1 RED→GREEN: test2 → impl2 RED→GREEN: test3 → impl3为什么这个差别要命Matt 在 SKILL 里直接列了水平切片的四个罪状批量写测试 测试想象中的行为不是真实行为测的是函数签名的形状不是用户可见的行为测试对真实变化变得不敏感——行为坏了反而通过行为正常反而失败在理解实现前就锁定了测试结构——后面想改也改不动这一段我读完之后回头看自己过去几个项目的测试——几乎全中招。AI 帮我们写测试时尤其容易这样你说帮我写测试覆盖这个 module它哗哗一口气写完 8 个test()看起来覆盖率很高但每一个都是长得像测试的占位符。Matt 的解法是把 TDD 拆成 4 个铁律铁律 1规划阶段必须先跟用户对齐公开接口长什么样哪些行为最重要不能测试所有东西——必须选铁律 2曳光弹先打一发写一个测试证明端到端路径走得通不是先搭脚手架是先打通一条路铁律 3每个循环只走一步一次一个测试只写刚好够通过当前测试的代码不要预测未来的测试测试只描述可观察的行为不描述内部实现铁律 4绝不在 RED 状态下重构测试还红的时候只能改实现让它变绿重构必须等所有测试都绿重构后每一步都跑测试这四条加起来其实在说一件事——让上一步学到的东西指导下一步。这是真正的增量式开发而不是批量计划 批量执行的瀑布伪装。4.2grill-me用 70 个英文单词定义一种对抗式协作这个 Skill 的完整正文我数了下——只有 3 句话、70 个单词。Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree, resolving dependencies between decisions one-by-one. For each question, provide your recommended answer. Ask the questions one at a time. If a question can be answered by exploring the codebase, explore the codebase instead.但这 70 个词每一个都不可替换。我把它拆开看关键词作用Interview me relentlessly角色反转——AI 从顺从助手变成挑剔面试官relentlessly不留情面单个副词压制了 AI 的礼貌性放水Walk down each branch of the design tree给一个明确的算法框架——深度优先遍历provide your recommended answer强制 AI 先承诺立场——把审问升级为对撞one at a time节奏锁防止 LLM 一次抛 10 个问题信息过载explore the codebase instead防止懒惰式审问——能自己查的事别甩给用户这是 prompt 工程的一个范本级别作品。很多人写 prompt 喜欢堆形容词“请你认真严谨细致全面地……” Matt 这里反过来——用最少的词数定义一种明确的对话关系结构。我把它直接抄进我自己的.claude/skills/里用了一周。每次启动新项目设计前先/grill me on this plan它会一棵决策树一棵决策树地把你逼问到地基。最有杀伤力的是provide your recommended answer这一句——AI 不能假装中立追问必须先表态自己的答案于是你不得不真正去反驳或赞同整个讨论一下子就深了一档。很多人花几小时写产品方案让 grill-me 跑半小时之后自己都不愿意继续做这个方案了——因为方案没经过反驳本质上就是一个未经证伪的猜想。这才是这个 Skill 真正解决的问题。4.3caveman用单个开关把对话压缩 75%这个 Skill 处理一个特别现实的问题——Claude 这种模型默认很啰嗦。普通模式 Sure! Id be happy to help you with that. The issue youre experiencing is likely caused by...翻译“好的我很乐意帮你。你遇到的问题可能是由…”这种回答信息密度极低、token 消耗极高。在长对话里这种礼貌噪音加起来能占掉 30-40% 的 context window。Matt 的解法是写一个开关 Skill。触发词caveman mode//caveman/less tokens。开启之后整个对话风格变成原始人电报体Caveman 模式 Bug in auth middleware. Token expiry check use not . Fix:翻译“auth 中间件有 bug。token 过期检查用了 不是 。修法”caveman的实现逻辑特别清晰分删 / 换 / 留三类删除类冠词a/an/the、填充词just/really/basically、客套话sure/certainly、模糊措辞might be/it seems、不必要的连接词替换类用短同义词big 替 extensive、fix 替 implement a solution for缩写常用术语DB / auth / config / req / res用箭头表达因果X → Y保留类技术术语精确不变代码块原样错误信息精确引用最聪明的设计在最后——Auto-Clarity Exception自动清晰例外当遇到以下场景时自动临时退出 caveman写完整句子安全警告不可逆操作确认如DROP TABLE多步骤序列片段顺序可能被误读用户要求澄清或重复提问完成后立即恢复 caveman。这一条价值千金。它体现的是Matt 对工程效率和工程安全边界的精确判断——你可以省钱省 token但不能用省钱赌一次rm -rf。整个 Skill 的核心哲学是一句话“Smart Caveman: not stupid, just civilized rhetoric removed. Same information density, way less token cost.”不是变蠢是去掉文明世界的修辞。信息密度不变token 成本骤降。我自己 caveman 跑了一周后回头看普通模式的对话——突然觉得 95% 的话都是废话。这是这个 Skill 给你的副作用比省 token 更值钱。4.4to-prdto-issues把对话当作 PRD 的草稿这两个 Skill 通常成对出现是 Matt 整套工作流里最反 AI 直觉的一对。普通 AI 编程流是怎么样的讨论需求 → AI 直接写代码 → 跑通 → 提交Matt 的流是这样的讨论需求 → /to-prd把对话沉淀成 PRD 文档提到 GitHub issue → /to-issues把 PRD 拆成 N 个可独立认领的 sub-issue → 每个 sub-issue 单独开 PR → /tdd 红绿重构走完 → /grill-with-docs 把决策落到 CONTEXT.md ADR → 合并这一套流让我很久没看到过的术语都回来了——PRD、ADR、可独立认领的工单。这些是十年前互联网公司的基本功AI 时代被反正能跑就行冲垮了。Matt 用一个简单的逻辑把它们捞回来——“如果你不能把这次对话写成 PRD你其实没想清楚要做什么。”to-prd这个 Skill 在做的事就是强制你说人话——把哎我们做个 X 吧那种模糊讨论转换成一份带需求边界、验收标准、技术约束的文档。最妙的是它默认会把这份 PRD 提到 GitHub issue。一旦提了 issue这个需求就不再属于AI 对话上下文里那段易失记忆——它变成了可被引用、可被回溯、可被指派的工作单元。to-issues紧跟着把 PRD 拆成更小的可独立认领单元——每个都能给一个工程师或者一个 AI 实例单独干。这就把一次性长对话变成了多人/多 Agent 协作的基础设施。我看完这一对 Skill 之后停下来想了很久。它们没有用任何高阶 AI 能力只是把传统软件工程的基本功用 Markdown 重新缝回了 AI 工作流——但这恰恰是最稀缺的事。五、设计哲学渐进披露 触发词机制把 18 个 Skill 看完之后再回过头看 Matt 怎么组织这些 Skill会发现他用了 Anthropic 官方 Agent Skills 规范 的两个核心思想5.1 渐进披露Progressive Disclosure每个 Skill 的SKILL.md都遵循同样的结构---name:tdddescription:Test-driven development with red-green-refactor loop. Use when user wants to build features or fix bugs using TDD,mentions red-green-refactor,wants integration tests,or asks for test-first development.---# 核心规则短# 关联资源按需召回-tests.md-mocking.md-deep-modules.md-interface-design.md-refactoring.md核心规则在主文件里、深入细节散布在多个.md资源里——只有 Agent 真的需要某个细节时才会去读对应的.md。这个设计解决了一个特别现实的痛点——Skill 写太长会浪费 context写太短又不够指导。渐进披露让长度变成按需消费的主文件保持精简深入细节按需召回。5.2 触发词机制注意每个 Skill 的description字段——Use when user wants to build features or fix bugs using TDD, mentions red-green-refactor, wants integration tests, or asks for test-first development.这一段不是给人看的是给路由 Agent 看的——它列出了一组什么时候召唤我的触发条件。这意味着用户不需要记住每个 Skill 的名字只要说一句**“我要红绿重构或测试先行”**对应的tddSkill 就会自动加载。这是 Matt 整套 Skills 能形成系统而不是散文件堆的关键设计——每个 Skill 都知道自己什么时候该出场而不是等用户手动调用。六、和市面其他 Skills 集合的差异最近一两个月类似的项目突然变多了。我把 Matt 这套和另外两个高 Star 项目放在一起对比项目Star主导设计风格addyosmani/agent-skillsGoogle Director Addy Osmani32k22 个 Skill × 7 slash × 6 阶段生命周期重型工业完整 SDLCmattpocock/skillsMatt Pocock72k18 个 Skill × 触发词机制 × 渐进披露轻量纪律对单人开发者最友好tech-leads-club/agent-skills~5k安全审核的 Skill 注册表企业治理向Osmani 那套是给团队用的——把整个交付生命周期切成 6 阶段、每阶段绑定固定 Skill。结构严谨但学习成本高。Matt 这套是单人独立开发者的实战路径——你不需要从 DEFINE 走到 SHIP 全套流程你今天想 grill 就用 grill-me、想 TDD 就用 tdd、想压 token 就用 caveman。每个 Skill 都能独立工作、也能任意组合。这就是它跑得更快的原因——对独立开发者门槛低、对工程师吸引力强、对 Claude Code / Cursor / Codex 用户立刻能落地。七、几个我立刻在用的组合理论讲完给点能立刻用的招。这是我自己用了两周的几个组合亲测有效组合 1新需求启动三连击1. /grill-me # 先把方案逼问到决策树叶子节点 2. /to-prd # 把对话沉淀成 PRD 提交 GitHub issue 3. /to-issues # 把 PRD 拆成可独立认领的 sub-issue效果从哎要不要做个 X到3 个可独立开 PR 的 issue 已经在 GitHub 上——半小时搞定。组合 2写复杂功能的两步走1. /tdd # 垂直切片曳光弹打第一发 2. /grill-with-docs # 决策完成后落进 CONTEXT.md ADR效果代码写完的同时架构决策已经被文档化——下次别人接手不需要再问为什么当初这么设计。组合 3长会话治理1. /caveman # 全程压缩 token 2. /zoom-out # 困住了让 Agent 跳出当前细节 3. /handoff # 真没时间写完压成交接文档传给另一个 agent效果在 100k 的对话窗口里也能保持清醒——这是 Matt 处理长任务的核心心法。组合 4代码救火1. /diagnose # 复现 → 最小化 → 假设 → 插桩 → 修复 → 回归这一个 Skill 把 bug 修复变成了纪律化的 6 步流程。最关键的是最小化——多数人遇到 bug 直接开始猜Matt 的逻辑是先把 bug 缩小到最小复现单元再开始猜。这一步省掉的时间比 AI 写代码本身省的都多。八、So What——给读到这里的你 3 个判断读完之后我自己沉淀了 3 个判断给你做参考判断 1AI 编程进入工程纪律时代过去一年 AI 编程的玩法是如何把 prompt 写得更骚。今年开始变了。mattpocock/skills、addyosmani/agent-skills、humanlayer/12-factor-agents、tech-leads-club/agent-skills——这一批同期爆红的项目都在做同一件事把工程基本功TDD、PRD、ADR、Code Review、Architecture Decision重新封装成 Agent 能消费的格式。这意味着模型层卷不动了工程纪律层在崛起。下一波竞争的赢家不是谁的模型最聪明是谁能把工程师的隐性知识显性化、可复用、可分发。判断 2Skills 是新的开源资产GitHub 上现在最值钱的项目类型变了——不是新框架是Skills 集合。Matt Pocock 这套之所以涨得这么快本质是他把自己作为 TypeScript 教父几十年工程经验、几万小时的真实工作 pattern全部压缩进了 18 个 Markdown 文件里、免费给了所有人。这是单人工程师能产生的最大杠杆——一个人的纪律通过 Skill 被 100 万人复用。对个人来说你的~/.claude/skills/目录开始变成一种履历。判断 3你现在该做的第一件事不需要全套 18 个都装。今天就装这 3 个npx skillslatestaddmattpocock/skills# 然后只激活这三个/grill-me# 任何新需求开始前都跑一遍/tdd# 任何写功能/修 bug任务都用这个/caveman# 长对话默认开跑一周。如果一周后你还想关掉再来 GitHub 上 unstar 也来得及。九、最后这个项目最让我停下来想的不是 18 个 Skill 写得多好——是 Matt Pocock 这种级别的人把自己每天用的工具原样开源。没有商业化、没有改写美化、没有付费版。“These are the skills I actually use. Take them. Modify them. Make them your own.”这种工具不应该藏在自己.claude/目录里的态度可能比任何一个 Skill 都重要。如果你最近也在攒 prompt、攒 skills、攒自己的.claude/目录——可以考虑跟 Matt 学一招把它 push 上 GitHub。原仓库https://github.com/mattpocock/skills新闻订阅https://www.aihero.dev/s/skills-newsletter 6 万订阅Matt 每周一封Skills CLIhttps://skills.sh/mattpocock/skills