X 笔记
AIX 文章·

GitHub 近 30 万星的工作流:用这套技能让 AI 智能体自动写完大型需求

Matt Pocock 开源的 mattpocock/skills 仓库在 GitHub 上斩获了近 30 万星。该工作流的核心机制是通过标准化文档管理上下文,把复杂需求拆解后交由智能体执行。在实际测试中,分配了 9 个智能体分步执行,用时 1 小时 18 分钟便全自动交付了通过测试的代码分支。

环境初始化:用 AGENTS.md 固化全局上下文与任务追踪

安装这套工作流时,安装命令会询问技能注入当前项目还是全局生效。通常建议选择 全局安装,因为多数技能需要使用者显式触发,大模型不会主动调用。

工作流的起点是 setup 技能,负责初始化协作环境并在项目根目录生成规约与追踪目录。执行时系统会询问任务追踪所用的 Issue tracker 载体,使用者可选择本地 Markdown 文件或关联 GitHub Issues。

系统会同步配置未开始、进行中、已结束、已验收及等待人类确认等 Triage labels 状态标签。这些规则会被写入 AGENTS.md 作为后续对话的固定背景,并在根目录下生成存放领域说明的 Domain docs 与跟踪任务的 tickets 文件。

GitHub 近 30 万星的工作流:用这套技能让 AI 智能体自动写完大型需求

setup 技能初始化生成的 AGENTS.md 与配置清单

若在后续使用中不确定调用步骤,可以执行 ask mat 向系统提问。系统会评估当下的需求体量,并给出下一步的技能触发建议。

需求对齐与规格提炼:通过 Q1、Q2 问答收敛规则

需求明确阶段主要依靠 grill-with-docs 技能。该技能通过多轮提问厘清细节并将共识沉淀为固定文档,避免对话关闭或上下文超限导致术语丢失。

该技能会扫描涉及的代码范围,一次性抛出带编号的 Q1、Q2 等问题并附带推荐方案。使用者认同即可直接按推荐项推进,有异议则针对具体编号补充说明,最终决议会沉淀写入 Domain docs。

GitHub 近 30 万星的工作流:用这套技能让 AI 智能体自动写完大型需求

grill-with-docs 提出的编号问题与系统推荐方案

需求讨论完毕后,若会话上下文仅占 9% 且功能简单,可直接调用 implement 在当前窗口写代码。面对体量过大或上下文占用过高的情况,则必须调用 to-spec 提炼标准规格文档。

规格文档涵盖业务场景、用户故事、验收条件以及标记为 Out of Scope 的非本期需求。该文档保存在本地副本中,若关联 GitHub 则会同步至 Issues 并打上 ready for agent 标签。

架构拆解:将规格文档转化为带阻塞依赖的 Sub-issues

面对多模块的大型需求,需要调用 to-tickets 技能基于规格文档进一步拆解。若不限制拆分粒度系统可能细分出十余个任务,实际测试中过细项会被重新收敛为 5 个具有依赖关系的独立子需求。

拆解生成的每个 Sub-issues 都会引用基础规格文档,确保每个任务都能作为独立的上下文窗口处理。任务之间会明确标注依赖关系,无依赖项可直接开工,有依赖项则必须等待前置任务交付。

GitHub 近 30 万星的工作流:用这套技能让 AI 智能体自动写完大型需求

to-tickets 拆分出的 5 个子任务及依赖阻塞标记

全自动化接管:9 个智能体分步交付代码

处理长链路任务时频繁人工交接非常繁琐,implement-spec 技能可自动化接管整套执行流程。它会自动读取全部待办任务,解析依赖拓扑并找出未被阻塞的节点,同时创建独立的 Git Worktree 工作区。

在测试的报销审批系统案例中,系统针对 5 个串行任务分配了 9 个智能体 分步执行。智能体按顺序拉取分支、创建工作区、运行测试套件、提交变更并合并回目标分支,随后自动关闭 Issue 并清理 Worktree。

整个自动化执行过程耗时 1 小时 18 分钟。最终输出分支干净且测试通过的 交付结果,通过隔离工作区避免多个智能体在并发或连续执行时产生代码冲突。

GitHub 近 30 万星的工作流:用这套技能让 AI 智能体自动写完大型需求

implement-spec 执行完毕后的 9 个智能体详情与交付结果

辅助工具矩阵:覆盖复盘、交接与原型设计的专属技能

除了主流程外,mattpocock/skills 还配备了一系列独立辅助技能。这套流程还提供了一批辅助工具。

pr 与 retual:生成合并请求描述与定期复盘 pr 技能支持调用固定模板,生成包含核心变更信息的合并请求描述。retual 技能则用于定时复盘近期对话,针对 AGENTS.md 配置、调用效率与执行卡点提出修改建议。

teach 与 routing for agents:概念学习与规约指导 teach 技能会搜索资料并生成带有自测题目的课件,帮助使用者快速理解生疏的技术概念。routing for agents 专门用于指导编写规范的 AGENTS.md 文件。

优化代码与 bug:质量治理与缺陷修复 优化代码技能 专用于大迭代结束后的清理工作,定向改善 AI 生成的代码质量。bug 技能 则提供标准的缺陷复现与修复流程。

hands off 与 projective:上下文交接与页面原型 hands off 技能在上下文额度耗尽时生成结构化交接文档,让另一个智能体接力开发。projective 专注于单页面原型设计,针对一个输入页面同时生成三种不同布局风格的模板供使用者挑选。

在 X 上看原帖并评论389 次浏览 · 1 赞
0x小师妹
0x小师妹 @0xshimei

AI 工具实测与币圈观察,SANYUE.AI 创始人

在 X 上关注

相关笔记