全网安装量前 3 的神级 Skill，竟然只有几句话？！
程序员鱼皮拆解安装量 60 万+、排行第 3 的 grill-me：核心只有几句话，却用「决策树追问 + 每次一问 + 推荐答案 + 先共识再动手」把模糊需求逼清楚；Cursor 实战十多轮后约 10 分钟做出 Skill 管理桌面应用。
基本信息
- 来源类型：文章（人人都是产品经理 · 程序员鱼皮）
- 原文位置：raw/articles/2026-07-23-212027-tg-b9448f.md
- 原文 URL：https://www.woshipm.com/ai/6434508.html
- 作者：程序员鱼皮
- 发布日期：2026-07-23
- 消化日期：2026-07-23
- 提取路径：raw/extracts/20260723-212116/woshipm.com/3-skill.md（baoyu / defuddle）
- 说明：Telegram stub 已回填正文；原始 baoyu extract 保留在 alt_source_paths。
核心观点
- 爆款 Skill 可以「极短」：grill-me 已被安装 60 多万次，登上技能安装量排行榜第 3；形态只有一个文件、几句话，却不是空谈——它把「先说清楚再动手」编成可执行流程。
- 痛点不在写代码，而在人自己没想清楚：AI 写代码能力已够强；失败模式是用户需求模糊 → AI 靠猜 → 返工。grill-me 的定位是开发前的需求逼问，不是又一个生成器。
- 四条操作纪律构成最小工作流：(1) 沿决策树追问依赖关系直到共同理解；(2) 每次只问一个问题；(3) 环境可查的事实 AI 自查，决策等人拍板，且每题给推荐答案；(4) 共识前禁止开始行动。
- 实战路径可复现：
npx skills add https://github.com/mattpocock/skills --skill grill-me→ 在 Cursor 用/grill-me面对模糊需求 → 十多轮澄清（形态/功能/Electron/框架/组件库/存储等）→ 方案总结确认 → 写代码约 10 分钟做出 Skill 管理桌面应用。 - 人机分工 + 推荐答案提升吞吐：「接受你的建议 / 选序号」成为最高频回复；推荐答案是作者后加的设计，避免用户卡在「怎么答」。类比小黄鸭调试法的智能版，并可泛化到学习路线、购机、健康计划等非编程决策。
- 与企业开发经典流程同构：模糊想法 → 需求 → 功能点 → 技术选型 → 设计 → 开发；以前靠 PM/架构师/开发开会，现在 AI 扮演「会追问的技术导师」。
实操内容保留
代码/配置
安装 grill-me：
npx skills add https://github.com/mattpocock/skills --skill grill-mePrompt 模板 / Skill 正文（中文意译，对应原文核心几句）
针对我的计划，反复追问每一个细节，直到我们形成共同理解。沿着决策树的每个分支往下走，逐一理清各项决策之间的依赖关系，有些选择必须等前一个问题确定了才能回答，AI 会按这个先后顺序逐个问清楚。每个问题都要给出你的推荐答案。
每次只问一个问题，等我回答了再问下一个。一次抛出一堆问题会让人不知所措。
能通过查看环境（文件系统、工具等）找到的事实，直接去查，不用问我。但决策是我来做的，每个决策都要等我拍板。
确认双方理解一致之前，不要开始行动。
操作步骤（鱼皮 Cursor 实战）
- 终端安装
grill-me（上表命令） - 打开 Cursor，提出很模糊的需求，并调用
/grill-me - 逐轮回答：对象是什么（可直接认同 AI 建议）→ 形态（文中选 Web/后改 Electron 等）→ 功能清单（可「全都要」）→ 技术方案（框架/组件库/存储等细节）
- 看完完整方案总结，确认后再让 AI 写代码
- 因前文已澄清，编码过程比「直接猜需求」顺畅；案例约 10 分钟交付 Skill 管理桌面应用
关键概念
- grill-me — 本文主角：极简「反向拷问」Skill
- Skill — 写给 AI 的操作说明 / 程序性知识包；本文用「只有几句话也能是高价值 Skill」反证价值在行为约束
- Cursor — 实战宿主 IDE
- Superpowers — 同类「先想再写」工作流（框架级 vs grill-me 单技能极简）
- 决策树追问 — 按依赖顺序展开问题，降低遗漏
- 小黄鸭调试法 — 类比：把想法讲清楚本身就暴露漏洞
- 程序员鱼皮 — 作者与 鱼皮 AI 指南 系列
与其他素材的关联
- 与 2026-07-06-ltn-claude-code-skills-5 / Superpowers：同属「改变 AI 默认行为 = 先澄清再写」；Superpowers 是 20+ 子模块框架，grill-me 是可安装的最小单文件实现。
- 与 2026-07-22-youtube-xiangyu-skill-twitter-pipeline：后者强调多 Skill 编排与文件系统契约；本文强调写代码前的需求访谈 Skill——管线上下游互补。
- 与 2026-05-11-claude-code-6-skills：精选标准是「能否替你省掉手动动作」；grill-me 省掉的是反复返工与需求脑补。
- 与 2026-04-29-yupi-ai-guide-programming-tips：鱼皮系列里的 Prompt/迭代法在本文升级为「可安装的拷问流程」。
- 与 AI需求分析三步法 / 需求采访类 PM Skill：产品侧「先采访再产出」与 grill-me 同构，宿主从 PRD 场景扩到 AI 编程。
原文精彩摘录
针对我的计划，反复追问每一个细节，直到我们形成共同理解。沿着决策树的每个分支往下走，逐一理清各项决策之间的依赖关系……每个问题都要给出你的推荐答案。每次只问一个问题……能通过查看环境找到的事实，直接去查……确认双方理解一致之前，不要开始行动。
现在 AI 写代码的能力已经很强了，给它一个清晰的需求，大部分情况下都能写出来。但大多数人让 AI 写代码的时候，自己都还没想清楚到底要做什么，AI 只能靠猜，猜错了就得反复返工。grill-me 做的事情就是在开发之前，帮你把需求逼清楚。
回过头看整个过程，你会发现：这不正是企业开发中的经典流程吗？从一个模糊的想法开始，先明确需求，列出功能点，再确认技术选型和设计方案，最后才进入开发。只不过以前这套流程需要产品经理、架构师、开发者一起开会讨论，现在 AI 全包了。
不管做什么事，把想法说清楚这一步本身就是最有价值的，而 grill-me 把这件事变成了一个可执行的流程。