该技能库按“工程（Engineering）”和“生产力（Productivity）”两大分类组织，共包含约 18 个精选技能，主要功能如下：

一、需求对齐类：/grill-me 与 /grill-with-docs 会像面试官一样对你“拷问”，逐条拆解需求直到设计树的每个分支都被敲定，从源头解决“Agent 没做我想要的”这一最常见的失败模式。

二、领域建模类：/domain-modeling 与 /grill-with-docs 会在对话过程中同步建立项目共享词汇表 CONTEXT.md 并撰写 ADR，让 Agent 用 1 个精准术语代替 20 个啰嗦表达，显著降低 Token 消耗。

三、工程质量类：/tdd 强制执行红绿重构循环，/diagnosing-bugs 提供“复现→最小化→假设→插桩→修复→回归测试”的分阶段诊断循环，/code-review 则从规范与规格双轴并行审查代码改动。

四、规划与架构类：/to-spec 把对话沉淀为规格，/to-tickets 将计划拆解为带阻塞关系的任务票，/wayfinder 用于规划超出单次会话能力的大型工作，/improve-codebase-architecture 则扫描代码库并以可视化 HTML 报告呈现架构深化机会。

五、生产力类：/handoff 压缩会话上下文便于交接，/teach 支持多轮教学，/wait-what 能在对话卡壳时用项目词汇重新解释，/ask-matt 则作为路由中枢告诉你当前情境该用哪个技能。

整个安装与配置过程约 30 秒，分三步即可上手：

第一步，获取技能。使用 Claude Code 的开发者可直接执行 claude plugins install mattpocock-skills，或在会话中输入 /plugin install mattpocock-skills（该插件已上架官方市场，可自动更新）；使用 Codex 等其他 Agent 的开发者则执行 npx skills@latest add mattpocock/skills，按提示勾选所需技能与目标 Agent。

第二步，运行初始化。在每个仓库中执行一次 /setup-matt-pocock-skills，它会询问你要使用的问题跟踪器（GitHub、Linear 或本地文件）、工单分类标签以及文档保存位置。

第三步，开始使用。根据场景直接输入对应斜杠命令即可，例如开始改动前敲 /grill-with-docs，实现功能时由 /implement 驱动 /tdd 与 /code-review，每隔几天跑一次 /improve-codebase-architecture 检查架构。若不确定用哪个命令，随时敲 /ask-matt 获取建议。

一、短小精悍、可自由修改。多数技能正文只有几十行，例如核心的 /grilling 原语连同元信息仅 12 行。它们不接管流程，只在关键处给出最小锚点，开发者可以随意“hack”成适合自己项目的形态，不会出现“流程本身有 bug 却难以排查”的困境。

二、模型无关、跨 Agent 通用。技能基于数十年的经典软件工程方法论（如《程序员修炼之道》的 Tracer Bullet、《领域驱动设计》的统一语言），与具体模型解耦，在 Claude Code、Codex 等支持斜杠命令的 Agent 上均可运行。

三、覆盖四大高频失败模式。针对性解决需求错位、Agent 过于啰嗦、代码不可靠、架构腐化为“泥球”这四个 AI 编程中的典型问题，并把解决方案固化为可重复执行的纪律。

四、开箱即用且完全免费。采用 MIT 协议开源，一条 npx 命令即可完成安装，无付费层；同时通过严格的 user-invoked / model-invoked 分层设计，保持模型上下文干净、触发行为可预测。

与 GSD、BMAD、Spec-Kit 等流程框架的对比：这类框架走的是“接管流程（owning the process）”路线，通过统一的编排层替开发者做决策，代价是收走开发者的控制权，一旦流程本身出错便很难定位和修复。而 Skills For Real Engineers 反其道而行之，每个技能都是独立、可组合的最小锚点，让模型自行运行，开发者始终握有方向盘，能够自由增删与改造。

与 Superpowers 的对比：这是当前另一大主流 Skills 仓库。Superpowers 假设模型会偷懒、会给自己找借口，因此用 hook 强制触发技能、用数百行“红旗表”逐条堵死退路，代价是 Token 消耗巨大；而 Skills For Real Engineers 假设模型大概率做对，用短小的 leading words 锚定概念，并借助 /ask-matt 路由与 disable-model-invocation 机制隐藏不必要自动触发的技能，代价是用户需要记住 12 个斜杠命令，并在拷问阶段亲自逐个拍板决策。

简而言之：若你的项目每个决策都有长期后果、错误难以回滚，这套“握方向盘”式的技能库更合适；若追求全流程自动托管，则可考虑 Superpowers 或 GSD 等方案，两者甚至可以共存于同一环境中。

Q1: Skills For Real Engineers 支持哪些 AI Agent？
A1: 它面向 Claude Code、OpenAI Codex 以及其他支持斜杠命令的编码 Agent，技能本身与模型无关，可跨 Agent 使用。
Q2: 安装和使用需要付费吗？
A2: 不需要。该仓库采用 MIT 开源协议，完全免费，通过一条 npx 命令即可安装，没有付费层或订阅要求。
Q3: 安装后为什么技能列表比预期少？
A3: 这是刻意设计。只有 model-invoked 技能才会被模型自动感知，user-invoked 技能默认隐藏、仅在输入斜杠命令时触发，目的是保持模型上下文干净，记不住时可用 /ask-matt 查询。
Q4: 是否必须先运行 /setup-matt-pocock-skills？
A4: 工程类技能依赖它完成配置，因此建议每个仓库首次使用时先运行一次。它会引导你设置问题跟踪器、分类标签和文档位置，整个过程约 30 秒。
Q5: 它支持全自动无人值守的流水线吗？
A5: 不支持，也不打算支持。拷问、架构评审、TDD 等环节都设计为需要人工参与的交互式检查点；若你追求完全放手式自动化，这套技能库并不适合。
Q6: 这套技能会接管并覆盖我现有工作流吗？
A6: 不会。每个技能都是独立可选的最小锚点，且安装后以普通文件形式写入你的仓库，你可以自由编辑改造，按需取舍。