新闻详情

新闻详情

首页 / 资讯中心 / 详情

从满脑子想法到清晰决策:grill-me 访谈技能怎么用对

发布时间:2026/10/1 16:49:37来源:尧图网络
从满脑子想法到清晰决策:grill-me 访谈技能怎么用对
从满脑子想法到清晰决策grill-me 访谈技能怎么用对【免费下载链接】skillsSkills for Real Engineers. Straight from my .agents directory.项目地址: https://gitcode.com/GitHub_Trending/skills13/skillsgrill-me 访谈技能出自 Skills for Real Engineers 仓库它只做一件事用一轮又一轮的提问把一个模糊想法逼成你能当众讲清楚的决策。这篇文章写给刚开始用 AI agent 做规划、手里只有一个粗略念头的新手工程师和独立开发者。发起一场 grill-me 访谈前的三项准备假设你有一个说不完整、讲不明白的想法可能是一个功能方向一个产品取舍甚至一篇还没动笔的文字。这类素材正是这个技能的用武之地模糊不是入场券的瑕疵而是它的原料。动手之前有三件事要做对开一个全新的对话。访谈从空白上下文开始不要叠加在已有讨论之上更不要放在 agent 已经写好的计划上发起——想法既然已经成型就没有再被拷问的余地了。关掉 plan modeagent 倾向于先产出一份完整计划的模式。它催促 agent 直奔产出计划和访谈先探究、不动手的节奏正面冲突。由你亲手输入 /grill-me 发起。技能定义文件 skills/productivity/grill-me/SKILL.md 的 frontmatter 里声明了disable-model-invocation: true同目录下的 agents/openai.yaml 又把allow_implicit_invocation设成 false也就是说模型不会替你触发它手动发起是唯一入口。整个过程不需要仓库不读任何代码任何地方都能跑。想翻看源码的话可以 git clone https://gitcode.com/GitHub_Trending/skills13/skills 把项目拉到本地。为什么 agent 按轮次提问设计树与前沿grill-me 的正文只有一句话运行 grilling 技能。全部访谈规则都沉淀在 skills/productivity/grilling/SKILL.md 里看懂三个概念就能预判它的提问方式。设计树design tree是 agent 对讨论的建模每个决策节点挂着依赖它的后续决策。前沿frontier指所有前置条件都已敲定、此刻能诚实地问出口的那批问题。agent 每轮把整个前沿一次问全问题带编号每个后面附一条它自己的推荐答案等你答完才进下一轮。每轮回答都会重塑这棵树。你敲定的决策把前沿向外推解锁那些等在前置问题后面的后续问题而某个问题如果还依赖本轮里没答完的另一题它就被顺延到更晚的轮次不会插队问出来。分工也写得很死查事实是 agent 的活做决定是你的活。前沿问题需要环境事实文件系统里有什么、手头有哪些工具时agent 派子代理去查不会把查得到的东西反过来问你也不会让整轮停摆——只有依赖这次探查的下游问题会等着前沿的其余部分照常推进。结束条件只有一个前沿里再无能诚实地问出口的问题树的所有分支都走过没有任何东西留在静默假设里并且要等你确认双方理解一致agent 才敢动手此前它不采取任何行动。还有一条硬边界。长什么样什么感觉这类问题缺的是可反应的具体产物不是再多一轮提问。撞上它就该停下访谈用 prototype 技能搭一个一次性原型亲眼看一眼再回来用一句话定案。访谈里最容易翻车的是回答不是提问你是这场会话的主持人agent 只是提问的人。产出质量跟着你回答的质量走不跟着提问的数量走。三个具体动作值得记住问题问得太粗、低于你要的保真度时把它顶回去让它重新组织而不是迁就它给出的答案。讨论跑偏出范围时一句话喊停并拉回来。不知道就说不知道而且是认真的。这是一个真实的答案往往也是在提示你该去搭原型而不是继续猜。方向相反的错更常见一路点头对每个问题都回同意最后拿到的是一份 agent 写的、你点头通过的计划。过程看起来很高效实际上什么都没被决定还附赠一份没有经过挣来的伪确定感。在已经成型的计划上启动访谈也属于同一类错误拷问变成了装饰。访谈不适合时改选哪个兄弟技能便携性是有代价的grill-me 无状态不写文件、不留工作区、不读代码库唯一留下的东西是你脑子里那个更锐利的想法。这个特性也划定了它不适合出场的场合。你的处境该选的技能差别在哪模糊想法无仓库要求任何地方可跑grill-me无状态不写文件主题不必是代码有代码库需要对着对齐grill-with-docs同样的访谈但有状态读你的代码把学到的沉淀进 CONTEXT.md 和 ADR架构决策记录规模大到一轮会话装不下wayfinder在 issue tracker问题跟踪平台上画出决策票地图每轮只解决一张决策票长什么样 / 什么感觉类问题prototype生成一次性原型单 HTML 文件或一组 UI 变体供你反应想法已经说得清清楚楚不需要访谈直接用 to-spec 综合成规格拿不准走哪条流程时调用 ask-matt 这个路由技能替你做判断比硬选更可靠。访谈结束前的四条核对以及高频疑问一场访谈值不值不看它多长看这四条是否通过你至少推回过一个推荐答案。整场没有一次推回说明这场访谈本来就不该发生。问题分轮出现而不是一条长流后几轮明显建立在前几轮你说的话之上。结束时你能把每个选择讲给一个不在场的人听并且站得住。你被问到了没预期过的位置——某个问题把你一直在默默做出的隐性决策顶到了台面上。高频疑问直接给答案该预期多少个问题按轮数计不按问题数计。四轮四六十个问题是普通规模前沿无可再问时访谈自然结束。问了二百个问题问题出在哪通常是范围太大。先让 agent 把整块工作拆成更小的块再逐块访谈。会话拖得太长还会把上下文窗口塞满提问质量随之下滑别硬陪它跑完。想改回一次只问一个可以。在全局 CLAUDE.md 里加一行When grilling, ask one question at a time.即可生效。写 spec 前要开新会话吗不要。这场会话的价值就是刚建好的上下文而 to-spec 明确不做访谈只综合你们已经讨论过的内容在同一段对话里直接调用就是正确用法。下一步很清楚挑出你脑子里那个搁置最久的想法开一个全新对话输入 /grill-me把想法原样丢给 agent然后开始回答。【免费下载链接】skillsSkills for Real Engineers. Straight from my .agents directory.项目地址: https://gitcode.com/GitHub_Trending/skills13/skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

Java微信小程序商城源码二次开发指南:从环境部署到支付联调 2026/10/1 17:22:34

Java微信小程序商城源码二次开发指南:从环境部署到支付联调

简介:JAVA微信小程序商城完整项目源码及配套后台管理端,面向需要快速搭建微信商城或学习SpringMVCMyBatis的Java开发者。项目采用springmvcmybatisspringmavenmysql技术栈,前端H5CSS3,后台基于Bootstrap-ace搭建,涵盖商…

阅读更多 →
研一论文写作全流程工具实测:十大AI辅助从选题到参考文献 2026/10/1 17:22:34

研一论文写作全流程工具实测:十大AI辅助从选题到参考文献

我见过太多研一新生,一上来就搜“一键生成论文工具”,然后被各种夸张推荐文章搞得晕头转向。作为从本科摸爬滚打到现在、亲自试过市面上一大堆写作辅助工具的过来人,我得先泼盆冷水:真正能让你“一键生成整篇论文”的工具&#xf…

阅读更多 →
MinGW-w64工具链选型与实践:从命名拆解到Windows开发配置 2026/10/1 17:22:33

MinGW-w64工具链选型与实践:从命名拆解到Windows开发配置

简介:这是一套面向Windows平台的x86_64架构C编译工具链压缩包,属于MinGW-w64发行版,内置GCC 13.2.0编译器,并融合POSIX线程模型、SEH异常处理与现代UCRT通用运行时,适合需要在Windows下编写跨平台C代码的初学者和专业开…

阅读更多 →
基于Python深度学习的YOLOv8水下生物目标检测实战 2026/10/1 17:22:33

基于Python深度学习的YOLOv8水下生物目标检测实战

简介:一份面向水下生物目标检测的Python深度学习资源包,基于YOLO目标检测框架,包含完整数据集与可运行代码,适合有Python基础、希望动手实践水下场景检测的开发者或学生。压缩包共1830个文件,大小112.1MB;其…

阅读更多 →
基于MTF的1D-2D-CNN-GRU-Attention振动信号故障诊断方法详解 2026/10/1 17:22:33

基于MTF的1D-2D-CNN-GRU-Attention振动信号故障诊断方法详解

简介:面向故障诊断与数据分类研究者的Matlab完整源码包,聚焦滚动轴承、变压器油气等场景。模型结合马尔可夫场将一维时序信号转换为二维特征图,再通过1D-2D-CNN提取空间特征、GRU捕捉时序依赖,并引入Attention机制增强泛化能力&am…

阅读更多 →
Python面部表情识别系统实战:从环境配置到摄像头实时部署全指南 2026/10/1 17:22:26

Python面部表情识别系统实战:从环境配置到摄像头实时部署全指南

简介:面向Python图像识别与深度学习的课程设计需求,此项目提供了一套完整可运行的面部表情识别分析方案。系统选取高兴与沮丧两种情绪,构建二分类识别流程,完整覆盖图像处理与图像分析两个阶段;借助Keras、TensorFlow、…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉