AI 工程师的技能手册:如何用一套可复用的命令规范 AI 辅助开发
AI 工程师的技能手册:如何用一套可复用的命令规范 AI 辅助开发
为什么需要”技能手册”
用 AI 写代码已经不是什么新鲜事,但很多人(包括我)都遇到过同样的问题:AI 很聪明,但每次对话都是从零开始。同样的需求,今天和昨天问出来的代码质量不一样;同一个项目,换个会话就忘记了你约定好的术语和架构决策。
AI 工程师技能手册的答案是把 AI 辅助开发流程化、命令化、可复用——就像给 AI 装了一套标准化的”操作手册”,每个场景对应一个命令,命令背后是沉淀好的方法论。这套手册基于 Matt Pocock Skills(GitHub 19 万+ stars),我自己在 LifeOS 项目中实践了一个月,这篇文章是完整的整理和思考。
快速开始:每个新项目只需一次
1 | /setup-matt-pocock-skills |
跑一次,配置三件事:
- Issue Tracker:GitHub / Linear / 本地文件
- Triage Labels:根据团队习惯设置
- 文档存储位置:项目根目录
之后所有技能命令就能在这个项目里用了。
四大核心工作流
1. 需求澄清(最重要!)
1 | # 开始任何新功能前,先用这个 |
这是整个手册里最重要的一个命令。AI 开发最常见的翻车点不是代码写得差,而是需求没搞清楚就开始写。/grill-with-docs 会连环追问直到需求完全清晰,并且自动做两件事:
- 建立
CONTEXT.md领域术语表——AI 以后都用你定义好的词说话,不再自己发明术语 - 把关键决策记录到
docs/adr/(Architecture Decision Records)——以后任何人(包括 AI)都能追溯”当初为什么这么设计”
输出:CONTEXT.md(术语表)+ docs/adr/(决策记录)
2. 测试驱动开发
1 | # 写代码时 |
经典的红 → 绿 → 重构循环,让 AI 严格按步骤来:
- 先写一个失败的测试
- 写最少的代码让它通过
- 重构代码保持测试通过
对 AI 来说 TDD 尤其重要——**测试就是给 AI 的”验收标准”**。没有测试,AI 可能觉得自己写完了,但你无法验证它真的对。
3. 代码审查
1 | # 写完后 |
双维度审查:
- Standards:是否遵循项目编码标准
- Spec:是否忠实实现了需求
这两个维度缺一不可——代码写得再优雅,没实现需求是白搭;需求实现了,风格和项目不一致也不好维护。
4. 架构维护
1 | # 每隔几天跑一次 |
AI 辅助开发有个隐藏问题:代码生成速度远超架构演进速度。功能加得快,模块边界烂得也快。这个命令会扫描代码库的架构问题、生成可视化 HTML 报告、帮你逐步优化。
完整技能清单
工程类(Engineering)
| 命令 | 触发场景 | 作用 |
|---|---|---|
/grill-with-docs |
开始新功能前 | 需求澄清 + 建立领域模型 |
/tdd |
写代码时 | 测试驱动开发 |
/implement |
有 spec 后 | 根据 spec 实现,自动调用 TDD |
/code-review |
写完代码后 | 双维度代码审查 |
/to-spec |
对话结束后 | 把对话变成 spec |
/to-tickets |
有计划后 | 拆分成可追踪 ticket |
/diagnosing-bugs |
调试时 | 结构化调试循环 |
/improve-codebase-architecture |
代码变乱时 | 架构扫描 + 优化报告 |
/wayfinder |
大型任务 | 生成 investigation tickets |
/prototype |
设计决策时 | 快速原型验证 |
/research |
技术选型时 | 后台调研 + 生成报告 |
/triage |
处理 issue 时 | Issue 分类流转 |
/ask-matt |
不知道用哪个 | 技能路由器 |
生产力类(Productivity)
| 命令 | 触发场景 | 作用 |
|---|---|---|
/grill-me |
非代码需求 | 连环追问澄清 |
/handoff |
换 agent 时 | 生成交接文档 |
/teach |
学习新概念 | 多轮教学模式 |
最佳实践组合
这套技能最值钱的地方,是组合使用:
每次开发新功能
1 | 1. /grill-with-docs # 先澄清需求,建立术语 |
代码变乱时
1 | /improve-codebase-architecture |
遇到难 bug
1 | /diagnosing-bugs |
大型任务(超过一个 session)
1 | /wayfinder |
关键文件设计
整套体系的灵魂是三个文件/目录:
CONTEXT.md- 项目术语表,AI 必读——统一语言是协作的地基docs/adr/- 架构决策记录——让每个设计决策都有据可查.opencode/skills/- 技能配置——命令背后的方法论沉淀
我的实践感受
用了一个月,最直观的三个变化:
- “重新开始”的成本大幅下降。之前换会话做同一个项目,AI 会忘掉上下文;现在
CONTEXT.md+ ADR 让每个新会话都能快速恢复”记忆”。 - 需求澄清带来的收益被严重低估。以前我习惯”直接让 AI 写”,结果经常返工;
/grill-with-docs的连环追问确实烦,但烦在开始,省在结尾。 - **TDD 让 AI 代码”可验证”**。不是信任 AI 写得好,而是让测试告诉我它写得好不好。
补充:BrowserMCP 配置
这套体系里还配了浏览器自动化能力(BrowserMCP),用于 Web 导航、表单填写、数据提取和自动化测试。在 opencode.json 的 mcp 配置中加入即可启用,配合技能命令使用,AI 就能在”写代码”和”操作浏览器验证”之间无缝切换。
更新技能
1 | npx skills update |
技能库本身也在持续演进,定期更新就能拿到社区最新的方法论沉淀。
参考
- Matt Pocock Skills: https://github.com/mattpocock/skills
- BrowserMCP: https://github.com/BrowserMCP/mcp
如果你也在用 AI 辅助开发,强烈建议把这套”命令化工作流”的思路用起来——不是照搬命令,而是理解背后的理念:把 AI 的能力,封装成可复用的、有方法论支撑的流程。