Agent Skills 实战：Grill Me 结构化对齐技能介绍与实战演示

Agent 干活返工，很多时候不是模型不行，而是没对齐就开工！

今年 5 月我接触到 mattpocock 的 grill-me 技能。它非常轻量，核心就是让 AI 不断盘问你，在开工前把所有情况都考虑清楚。但它有个明显的弊端：在复杂场景下，AI 会拷问你几十次甚至上百次，问得人都麻了——问题确实能解决，就是效率太低。

所以我第一时间做了改编，现在已经稳定用了 3 个月，是我最常用的一个 Skill。今天把它开源出来。

核心机制

该技能的核心亮点：

1. 先对齐再动手：开工前先输出带依赖顺序的批次计划，等确认后才推进，从根上减少返工
2. 分批提问，轮次最少：独立决策合并到同一批，按依赖顺序推进，把几十上百轮拷问压到十轮以内
3. 每个决策带推荐 + 选项：只问影响结果的问题，从不开放式提问，几秒内就能确认或纠正
4. 决策全景 + 最终签署：结束时输出完整决策表，一次性确认，不留模糊地带
5. 快速退出：说一句"其余按推荐/用默认值"，立即停止提问直接进入下一个阶段
6. 轻量可改编：单个 SKILL.md 文件，机制清晰，容易按个人习惯二次改造

安装

推荐直接使用命令安装：

npx skills add flyeric0212/agent-skills

• -g — 全局安装（~/<agent>/skills/），而不是仅当前项目

手动安装：

git clone https://github.com/flyeric0212/agent-skills.git

# Codex, Cursor, opencode
mkdir -p .agents/skills
ln -s /path/to/agent-skills/skills/grill-me .agents/skills/grill-me

# Claude Code
mkdir -p .claude/skills
ln -s /path/to/agent-skills/skills/grill-me .claude/skills/grill-me

效果展示

我在大部分主流 Agent 上都验证过，效果不错。下面是我在 Codex CLI 上的一次使用过程。

01 整理出轮次概要

02 确认每个轮次

第一轮：

第二轮：

以此类推。每轮 Agent 都会先查一遍当前代码库，至少给你三个方案并推荐其中一个，然后通过 Answer 工具等你确认，确认完才进入下一轮（中间省略了大段轮次决策）。

03 决策汇总

这次我是在 Plan 模式下执行的，建议直接跑 Build 模式，这样得到的是决策全景表格，而不是一份 Proposed Plan。两者结果其实差不多，只是 Proposed Plan 太长，没法截全。

最后

Grill Me 本身只做一件事：让 Agent 在动手之前，先和你把影响结果的决策对齐。它的价值不在于某个技巧多高明，而在于把"对齐"这件事变成了一个有流程、有节奏、可退出的动作——分批提问保证轮次最少，推荐加选项保证每个问题都能快速回答，"其余用默认值"保证不拖沓。

这个 Skill 已经开源（GitHub），可单独安装，也支持 npx skills 一键安装到主流 Agent。我的改编随仓库一起放出，如果你有更好的想法，欢迎提 PR 或者直接 fork。

大多数 Agent 返工并不是模型不够强，而是缺少开工前的那一轮对齐。希望这个 Skill 能帮你把"先对齐、再动手"变成习惯。

AI 洞察精选阅读

如果你对前沿 AI 研发范式、智能体规范与 Agent Skills 工程化感兴趣，推荐阅读：

• 使用 skill-creator 打造独属于自己的工作流技能包
• 一套可落地的企业级 AGENTS.md 项目规则实践
• Codex CLI 极简配置：从 7 个真实痛点到一套够用的配置

👉 查阅更多深度实战，欢迎访问 AI 洞察专栏完整目录。