使用好的AI编程工具+适合自己的Skill，让开发效率直接翻倍！

grill-me + Trellis组合核心解决‌跨多轮全新会话（无聊天记录延续）下的长周期 AI 开发中“需求模糊”与“上下文失忆”两大痛点‌，实现从“想清楚”到“记得住并执行”的闭环 。‌‌

核心解决能力

• ‌需求澄清与决策锁定‌：利用 grill-me 在开工前通过深度追问将模糊想法转化为无歧义的结构化需求（PRD），避免后续因理解偏差导致的返工 。
• ‌跨会话记忆持久化‌：利用 Trellis 将确认的需求、规范、任务状态写入 .trellis/ 目录（Git 版本控制），使新开窗口的 AI 能自动读取文件恢复项目上下文，无需重复解释 。
• ‌工程化执行流‌：grill-me 负责“想”，Trellis 负责“记”和“做”，前者输出结论后由后者驱动 brainstorm → implement → check 状态机推进代码落地 。‌‌

典型适用场景

1. ‌分多次全新会话开发‌：每次关闭聊天窗口后重新开启（非 --continue 续接），AI 需从零恢复记忆的场景 。
2. ‌需求高度不确定的复杂功能‌：需要先通过拷问理清技术选型、边界条件，再长期迭代开发的项目 。
3. ‌团队协作与规范统一‌：多人或多工具（如 Cursor/Claude Code 切换）协作，需依赖文件而非聊天记录共享上下文和编码规范 。‌‌

本期重点介绍：

一、Matt Pocock Skills中的grill-me （需求澄清利器）

由 TypeScript 专家 Matt Pocock 开发的一款极简 Skill，整个 SKILL.md 不到 15 行，却是目前最受开发者欢迎的需求澄清工具之一。在 GitHub 和 Skillstore 上均获得高分评价。

痛点

如果符合以下任意一种情况，很可能适合你：

1. 你用AI编程，但感觉「规划开销」太大，花大量时间在审查、修改、推翻AI的方案上

2. 你的项目需要多轮迭代，AI会话层数一深就丢上下文，做到第3层忘了第1层的目标

3. 你觉得自己在「监督」AI写代码，而不是「用」AI写代码，你觉得累，但不知道为什么

4. 你在用Superpowers或Copilot类工具，但感觉越来越重，想要更轻量的替代

grill-me /Trellis / Superpowers 的关系

一句话总结：grill-me 负责"问清楚"，Trellis 负责"接着跑"，Superpowers 负责"兜住正式流程"。三者互补，不是替代关系。

• Superpowers的错误：让AI创造，你来判断。AI做了你最不擅长的事。

• Grill-me的正确：让你创造（做判断），AI来生成。AI做了你最擅长的事。

核心机制

grill-me 的核心理念来自 Frederick P. Brooks 的《设计的设计》中的"设计概念"理论：当多人协作设计某样东西时，会有一种"关于这个东西的理论"漂浮在你们的脑海中——它是一种无形的共识，而不是写在 Markdown 里的资产。AI 一上来就写代码，意味着它根本没有与你共享这个设计概念。

grill-me 通过苏格拉底式拷问来对齐设计概念：在编码前，AI 会逐个追问你计划的每一个细节，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。

SKILL.md 全文（极简之美）

---
name: grill-me
description: Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".
---
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.

为什么 grill-me 有效

1. 问题逐个抛出：每次只问一个问题，确保你不会被信息淹没

2. 推荐答案附带：每个问题都会附带 AI 的推荐答案，你可以直接采纳或修改

3. 代码库优先：如果问题可以通过探索代码库回答，AI 会直接探索而不是问你

4. 决策树遍历：按依赖顺序解决上游决策，避免下游返工

grill-me 与 Superpowers：什么时候该选谁？

文档前面多次提到 Superpowers 是"必装第一 Skill"，但在实际高频开发中，很多开发者发现 grill-me + Trellis 的组合比 Superpowers 更适合日常场景。以下是详细对比：

两者定位差异

维度	grill-me	Superpowers
核心作用	需求澄清、设计概念对齐	全流程工程纪律
流程厚度	极轻（仅需求问答）	极重（9 步强制流程）
Token 消耗	几乎为零（15 行 Skill）	高（多 Skill 串联）
适用场景	日常开发、小任务、快速迭代	高风险、大项目、团队协作
启动速度	秒级	需要完整走 brainstorming → plan → TDD
控制力	你主导，AI 辅助提问	AI 主导，强制按流程执行

为什么日常开发可以不用 Superpowers

原因 1：小任务怕流程太厚

"很多人一上来就想找一个最强工作流，但实际开发里有相当一部分任务根本没必要上 workflow。小任务最怕的不是能力不够，而是流程太厚。"

改一个 bug、补一个函数、调一个样式——这些任务上 Superpowers 的 9 步流程，反而拖慢节奏。grill-me 只需要在开始前花 2-3 分钟对齐需求，然后直接开干。

原因 2：Token 消耗差异显著

• grill-me：Skill 本身仅 15 行，问答过程按需进行，不占用后续执行上下文

• Superpowers：一个 20 任务的 plan 可能消耗 10 倍于顺序执行的 Token

• 在 Coding Agent 的上下文窗口有限的情况下，前置流程越厚，留给实际编码的 Token 越少

原因 3：grill-me + Trellis 的组合更灵活

阶段	工具	作用
需求澄清	grill-me	苏格拉底式问答，对齐设计概念
长程执行	Trellis	渐进式加载 spec，按流程推进
验证收尾	Trellis check agent	自动 review

这个组合把工作拆成两段：先把需求问准，再让执行器长跑。不要求每个任务都走一套厚流程。

原因 4：Superpowers 的"不可跳过"是双刃剑

Superpowers 的 9 步强制流程（brainstorming → git worktree → writing plans → subagent-driven development → TDD → code review → ...）确实能保证质量，但也意味着：

• 想快速验证一个想法时，必须先走完整 brainstorming

• 每个任务都要创建 git worktree，对于 5 分钟就能改完的任务过于沉重

• TDD 强制 RED-GREEN-REFACTOR，对于探索性原型开发反而降低效率

什么时候必须用 Superpowers

尽管日常开发 grill-me 更轻更快，但以下场景 Superpowers 仍是不可替代的：

1. 高风险/高影响改动：涉及支付、权限、数据迁移等核心逻辑

2. 多人协作项目：需要产出的设计文档、plan 文档、review 记录能直接用于团队对齐

3. 跨会话大型功能：Superpowers 的 worktree + plan 文档天然支持跨天、跨会话续做

4. 团队规范强约束：需要所有成员按统一流程产出可追溯的交付物

使用 grill-me

获取地址：https://skillsmp.com/zh/creators/mattpocock/skills/skills-productivity-grill-me

1.安装：codex对话框中直接输入类似下面的指令：

请帮我安装 这个skills npx skills add https://github.com/mattpocock/skills --skill grill-me

2..先重启 Codex。

3.开一个对话，直接说类似：

使用 grill-me 帮我拷问这个方案：
我打算把 XX 功能改成 YY，实现思路是……

使用 grill-me 帮我拷问这个方案： 我打算把 XX 功能改成 YY，实现思路是……

或者/grill-me 选中它

二、Trellis 基础设施

Trellis 是 Mindfold 出品的多平台 AI 编码工程框架。以“结构化目录 + 规范注入 + 任务持久化”为核心的跨平台 AI 编码工作流骨架。Trellis 不是 Skill，而是基础设施。

Trellis 解决的痛点

"跨会话上下文丢失导致重复解释/产出不一致"两大核心痛点

安装与初始化

npm install -g @mindfoldhq/trellis@latest

初始化项目：

trellis init
# 交互式配置：项目名称、端口、服务、构建流程、日志格式

用方向键移动上下，空格选中开发工具，回车

• Monorepo 模式：指在一个 Git 仓库中管理多个相关联的项目/模块（如前端、后端、公共库），共享版本控制、构建流程和部分依赖配置 。

• 该问题的作用：决定 Trellis 是否按“多包工作区”逻辑检测目录（如查找 pnpm-workspace.yaml、package.json 中的 workspaces、Cargo/Go workspace 等），并生成适配多项目的配置文件 。

• 选择后果：

  • 是：强制开启 Monorepo 检测路径；若当前目录无有效工作区配置，初始化可能直接报错退出 。

  • 否：按单项目模式处理，忽略工作区特征，生成独立项目结构。

  • 不选（默认）：Trellis 自动检测是否存在 Monorepo 特征配置再决定 。

何时选“是”

• 当前目录已存在 pnpm-workspace.yaml、turbo.json、lerna.json 或 package.json 含 workspaces 字段。

• 计划在此仓库内同时开发多个应用或库，并需共享代码/依赖。

• 明确使用 pnpm/npm/Cargo/Go 等工具的工作区功能 。

• 

安装成功后可以看到AGENTS.md添加的内容

重点：使用AI编程开发规范很重要，很重要，很重要！不断完善的开发规范，能让AI编写的代码质量越来越高，不会跑偏！

命令使用

收尾用 /trellis:finish-work；续接用 /trellis:continue

三、grill-me + Trellis 实战演示

第 1 步：盘问对齐（grill-me 主场）

/grill-me 需求：我要开发一个资质文件管理需求功能

第 2 步：把对齐共识写成 PRD（交接给 Trellis）

grill-me 本身不产出文件，它只产出”对话里的共识”。盘问完之后，你需要把这份共识固化成 Trellis 能消费的 prd.md。

两种做法：

• 手写：照着盘问记录，把决策整理成 PRD（适合关键需求，你想自己把关）；

• 让 AI 综合：直接在同一会话里说”把刚才盘问的所有结论整理成一份 PRD”，AI 会综合整个对话生成。

第3 步：进入 Trellis 任务流（Trellis 主场）

PRD 写好后，接力棒正式交给 Trellis。这一步开始就是我上一篇讲过的流程：

/Trellis Start

codex中完成了Task 1

新开窗口或者跨工具继续进行

/trellis-continue 资质文件管理需求

1. /trellis-check:完工自检

让Al检查自己写的代码有没有错(比如类型错误、格式不对、透罗辑漏洞)。

创建分支

1. 任务完成 /trellis:finish-work

告诉AI"这活儿干完了",它会整理上下文,准备结束任务。

功能效果展示

实践建议：分场景选择

场景	推荐方案	理由
需求模糊，需要快速对齐	grill-me	2-3 分钟澄清，然后开干
需求清楚，但执行周期长	grill-me + Trellis	轻量规划 + 渐进执行
大型功能 / 高风险改动	Superpowers	全流程纪律保证质量
需要产出文档供团队评审	Superpowers	自动生成 plan、review 记录

核心原则：真正重要的不是把工具都装全，而是知道什么时候该让哪个工具当主角。