每天必用的5个Claude Code技能：工程化流程驯服AI编程

引言：AI 编程的工程化思维

作为一名拥有近十年经验的工程师，Matt Pocock 分享了他在使用 Claude Code 进行日常开发时最依赖的5个自定义 Skill。这些 Skill 的核心理念是：AI 代理没有记忆，你需要用极其严格且定义清晰的流程来引导它们产出高质量代码。

理解这一前提需要了解大语言模型（LLM）的技术本质：当前主流模型本质上是无状态的，每次推理都基于当前上下文窗口（Context Window）中的 token 序列，没有跨会话的持久记忆。GPT-4、Claude 等模型的上下文窗口从最初的 4K token 扩展到了 100K 甚至 200K token，但这并未从根本上解决"记忆"问题——更长的上下文反而会引发"迷失在中间"（Lost in the Middle）现象，模型对窗口中间部分的信息关注度显著下降。这意味着，你不能依赖 AI 自己"记住"项目背景，而必须通过结构化流程在每次交互中主动注入上下文。

这篇文章将逐一拆解这5个 Skill 的设计思路与实际用法，帮助你建立一套从需求澄清到代码实现的完整 AI 编程工作流。

Grill Me：用设计树逼问出真正的需求

这是 Matt 最喜欢的 Skill，也是整个流程的起点。令人惊讶的是，它只有三句话：

1. 对这个计划的每个方面进行无情的追问，直到我们达成共识。
2. 沿着设计树的每个分支走下去，逐一解决决策之间的依赖关系。
3. 如果一个问题可以通过探索代码库来回答，就去探索代码库。

"设计树"这个概念来自 Frederick P. Brooks 的《The Design of Design》。Brooks 是软件工程领域的传奇人物，以《人月神话》闻名于世。他在《The Design of Design》中系统阐述了设计决策的树状结构本质：每一个设计选择都会衍生出新的约束和子问题，形成一棵不断分叉的决策树。Brooks 认为，优秀的设计师不是找到"最优解"，而是能够系统性地遍历决策树、识别关键分叉点并管理依赖关系。这一思想与计算机科学中的深度优先搜索（DFS）高度契合——你必须沿着每条分支走到底，才能真正理解整个设计空间的边界。

核心思想是：在做设计决策时，你需要遍历所有可能的分支。比如设计一个搜索页面，你需要先决定是做高级搜索还是简单文本框；如果选择高级搜索，还需要确定所有的过滤器和排序方式——不断向下展开，直到设计尽可能完整。

在实际使用中，Matt 展示了一次关于添加功能的对话。Claude 一口气问了16个问题，涵盖文档生命周期、UI布局、编辑工具形态等方方面面。Matt 表示，复杂功能的 Grill 环节他甚至会花30-45分钟，回答30到50个问题。

关键启示：Skill 不需要很长才能产生影响力，关键是在正确的时机选择正确的措辞。

Write PRD：将想法转化为结构化文档

当 Grill Me 环节达成共识后，下一步是调用 Write PRD（产品需求文档）Skill。这个 Skill 的完整流程如下：

1. 让用户提供详细描述
2. 探索代码库验证用户的断言
3. 对用户进行深度访谈（复用 Grill Me 逻辑）
4. 勾勒需要构建或修改的主要模块
5. 使用模板撰写 PRD，并作为 GitHub Issue 提交

PRD（Product Requirements Document，产品需求文档）起源于传统瀑布式开发，但在现代敏捷实践中已演变为更轻量、更动态的形式。Matt 展示了一个实际生成的 PRD：问题陈述是"文章编写页面在每次 AI 交互时都会重新生成整个文档"，解决方案是"添加分屏文档编辑"。PRD 中包含了大量用户故事（User Stories），这来自敏捷方法论——用户故事是 Scrum 和极限编程（XP）的核心工件，格式通常为"作为[角色]，我希望[功能]，以便[价值]"。这种写法刻意回避技术实现细节，强迫团队从用户价值出发思考需求，也给 AI 代理提供了"为什么"而非"怎么做"的上下文，避免 AI 过早陷入实现细节。

底部还附有实现决策，但刻意避免过度规定细节，因为如果代码与 PRD 脱节，后续实现会出问题。PRD 描述的是目的地，而不是旅程。

PRD to Issues：将目的地拆解为旅程

有了 PRD 这个"目的地"，接下来需要规划"旅程"。PRD to Issues Skill 会将 PRD 拆解为一个看板式的独立任务列表。

核心设计原则是**垂直切片（Vertical Slices）**而非水平切片。理解这一区别至关重要：水平切片（Horizontal Slicing）是按技术层次拆分任务，例如"第一周做数据库层，第二周做 API 层，第三周做前端"。这种方式的致命缺陷是直到所有层都完成前，你无法验证任何端到端的业务价值，风险积压到最后才爆发。垂直切片则是每个任务都贯穿所有技术层，交付一个完整但范围极小的可运行功能。这一概念在持续交付（Continuous Delivery）和精益软件开发中被广泛推崇。对 AI 代理而言，垂直切片还有额外优势：每个 Issue 都是自包含的，代理无需理解整个系统就能独立执行，大幅降低了上下文依赖。

具体原则包括：

• 每个 Issue 是一个贯穿所有集成层的薄垂直切片
• 优先处理能快速暴露"未知的未知