如果你在开发中经常被“需求不清晰”“安装麻烦”“代码落地慢”等痛点困扰，这套 AICoding 组合拳将为你提供一站式方法。下面按章节拆解，方便你上手。

安装

获取和安装 Mattpocock 的 Skills 仓库已经在 GitHub 上说明得很详细。但实际操作中常见的痛点包括：

• 使用 npx 安装时会提示 “or” 分组，导致多余的依赖下载。
• 缺少对项目环境的预置信息，导致后续命令报错。
• 忘记执行 /setup-matt-pocock-skills无法配置问题跟踪与触发关键词。

解决办法这方面，

1. npx skills add mattpocock/skills --exclude or
2. 在项目根目录下运行 /setup-matt-pocock-skills
3. 确认 .scratch/matt-pocock-skills 中生成的配置文件已正确引用。不过，

组合拳

AICoding 的主要是可单独使用但互相协同的大功率技能。以下列出主流触发技能，并结合使用者痛点说明其价值。说起来，

grill-with-docs

此技能通过多轮问答把模糊需求“拆解成细节”。解决了：

• 需求不明晰: AI 会一次只问一个问题，避免一次性提出过多假设。
• 术语混乱: 自动更新 CONTEXT.md 与 ADR，让团队共识更统一。
• 决策遗失: 所有讨论均写入 spec 与 decision log，防止关键业务背景丢失。

/to-spec

将已确认的需求转化为结构化 Spec 文档：

• Sprint 开始前无清晰规划: 输出包含 Problem Statement、Solution 等章节，为后续实现奠定基础。怎么说呢，
• TDD 前缺少可执行规范: spec.md 可直接导入 TDD 流程。自动运行测试编写，老实说，

/to-tickets

This skill 将 spec 拆分为可执行的任务：

• User Stories → Tasks → Subtasks → Dependencies.- 自动标记并行与串行任务。减少手工排期错误，- 为每个任务生成 issue 标题与描述，使开发者一眼就能理解工作量与目标。- 对冲突或遗漏进行提醒，如“请确认接口版本兼容性”。- 每个任务都附带相应的 acceptance criteria，可直接用于 QA 验收。话说回来，- 输出完整的里程碑计划，可同步至项目管理工具。- 支持批量生成多语言本地化需求文档。- 可根据团队工作流程自定义标签与优先级。- 提供基于时间线的甘特图预览，便于项目经理监控进度。- 为每个子任务创建对应测试用例模板，提高代码质量保证率。- 自动检查与更新相关依赖版本，以避免 CI/CD 问题。- 支持跨团队协作，将共享文件夹方法写入所有 issue 中。- 可根据历史数据自动估算工时并反馈给 PM 与开发者。
  • 如果你正在使用 Scrum 或 Kanban，只需把这些 issue 拖到对应 Sprint 或 Board 就可以完成工作流对接。

  实现示例 $ /to-tickets ✔ 分解成功：共12项小任务 ✔ 子任务依赖关系已标注 ✔ 可并行启动标记已生成

  /implement & /tdd & /code-review

  AICoding 把实现过程拆成三步：TDD 编码 → 自动单测 → 内置代码评审。

  • TDD 步骤： 先执行 `/implement` → 程序会自动生成 test skeleton；随后 AI 用 `tdd` 技能完成实现并跑单测；最终 `code-review` 在 PR 前做风格检查与安全扫描。其实，.
  • `/clear` 提高上下文纯净度： 在正式编码前执行 `/clear` 可以避免前一次会话残留信息影响新代码逻辑；适用于多项目切换场景，..
  • `/implement` 一键完成所有 tasks 后会输出完整 README 与 CHANGELOG，让上线部署更顺畅；如需修改业务逻辑，只需 调用对应 task 即可快速迭代。
  • `/implement` 会实时记录 ADR 与 test coverage，为长期维护提供可靠依据。
  • `/implement` 支持异步并行执行多个 task，对于大规模微服务项目可明显提高交付速度。**效果展示**： $ /implement ✔ Issue #45 已实现 ✔ 单测通过覆盖率98% ✔ PR 已提交至主分支

    /wayfinder

    /wayfinder 是一种探索式工具。它帮助你从未确定的问题开始，一步步梳理出完整方案——不只是技术层面也包括非技术目标，如跑步训练计划等。在技术团队外也能派上用场，例如产品迭代路线图或个人成长规划等。老实说，

    /wayfinder 我现在10km能跑45分钟。想要在3个月后跑进40分钟，我应该怎么做？

    • 步骤1：收集基础数据 — 跑量、经验、周频率等；确保 AI 能评估当前水平并制定合理目标...........
    • 步骤2：输出整体方法图 — 包含训练周期、配速区间、恢复计划及营养建议...
    • 步骤3：细化待定点 — 例如鞋款选择、训练强度递增比例等; 如出现冲突，请主动确认。..
    • 步骤4：生成 map.md + 子任务列表，用于跟踪进度及评估风险.. markdown

      冲刺阶段

      • 增加间歇跑 每周两次
      • 配速调整至5m/km

      補充項目

      • 换鞋计划
      • 营养配餐表更新 css

      ---

      如何使用这套组合拳？

      1. 先把需求明确使用 /grill-with-docs 或 /wayfinder 来拆解思路。
      2. 制定规范调用 /to-spec 把讨论转成文档。
      3. 拆分任务运行 /to-tickets 自动生成 issue 列表。
      4. 编码+测试+评审一步到位通过 /implement 完成实现。
      5. 持续迭代任何改动都可 触发相关技能，无缝衔接。

      常见问题快速排查

      痛点	尽快处理
      安装报错	确认 Node 环境 ≥ v18 并 npm i -g @skills-cli;运行 npx skills add ... --exclude or.
      文档不完整	手动执行 /clear && /grill-with-docs && /to-spec.
      CI/CD 故障	检查 .github/workflows/main.yml 是否引用了最新 Spec 文件方法。

      通过上述流程。你可以彻底摆脱“看似简单却反复调试”的痛点，让 AICoding 成为真正的小巧精致实用典范。

      祝编码愉快 🚀