AI 编程 Skills：grill-me

GitHub 16w+⭐，Claude Code 生态最知名的需求对齐 + 工程化 Skills 集合；核心痛点是解决 AI Agent「需求没对齐就直接写代码」。
核心变化：修复 /grilling（底层内核，/grill‑me//grill‑with‑docs 都依赖它）、重命名技能、正式推出五步闭环开发流程，专门给弱模型加护栏。

一、v1.1 正式：五步闭环完整流程（执行顺序）

1. Grilling 需求澄清（三选一入口）

   指令	适用场景	特点
   /grill‑me	新项目、无代码库、纯产品想法	纯对话追问，轻量，无读取项目文档
   /grill‑with‑docs	已有代码库，绝大多数编码场景首选	读取项目CONTEXT.md/ADR，维护术语表、决策记录，结合现有代码做对齐
   /wayfinder	项目庞大模糊，单次会话放不下	拆解成带依赖的GitHub Issue，支持4种子任务：Research调研、Grilling需求澄清、Prototype原型、Task机械工作；子任务完成后汇总输出 spec

2. Spec 规格输出：/to‑spec
   对齐完成后，生成统一规格文档，包含业务、边界、技术约束。
3. 任务切片：/to‑tickets
   把 spec 拆解成带阻塞依赖的任务 tickets。
4. 标准化实现：/implement
   逐个执行 ticket，做落地编码。
5. 代码评审：/code‑review
/implement完成后自动触发；

辅助技能

• /research：后台Agent调研，输出Markdown，不阻塞你操作；
• /prototype：逻辑原型 / UI原型，可被 wayfinder 自动调用。

二、快速上手执行示例（复制即可跑）

# 已有代码库，做功能需求对齐
/grill-with-docs 为PromptMaster新增提示词版本历史，支持版本回滚

# 对齐完成，等待我确认后
/to-spec

# 拆解任务
/to-tickets

# 逐个任务实现
/implement

# 自动触发 /code-review

# 全新想法，无代码
/grill-me 做一个简易本地知识库工具
# 用户确认对齐完成
/to-spec
/to-tickets
/implement

# Bug调试，强制结构化流程
/diagnose

# 全库架构审计
/improve-codebase-architecture

三、核心思想总结

1. /grilling 的本质不是提问，是把人的决策和AI自动读取事实做隔离，并且增加用户确认门控，解决AI擅自做决定直接写代码；弱模型必须靠指令护栏约束；
2. v1.1最大价值：把原来零散的一批skill，组装成一套完整可复现的软件开发闭环；
3. 使用策略：优先选Antigravity IDE复用内置流程，只补架构审计+结构化调试两个技能，少而精。