Skills for Real Engineers — навыки для AI-агентов от Мэтта Пакокка

· 1 мин чтения
ai-agents claude-code skills tdd engineering
📂 Исходный код на GitHub

Коллекция компонуемых навыков для AI-агентов от Мэтта Пакокка — grill-me, tdd, diagnose, zoom-out и другие. 117k звёзд на GitHub.

Skills for Real Engineers — навыки для AI-агентов от Мэтта Пакокка

Мэтт Пакокк — тот самый человек, который стоит за Total TypeScript и десятками обучающих курсов. Его новый проект Skills for Real Engineers — это не очередной фреймворк для AI-кодинга. Это набор компактных, взаимозаменяемых навыков, которые он сам использует каждый день. 117 тысяч звёзд на GitHub говорят сами за себя.

Идея простая: вместо того чтобы отдавать контроль процессу (как делают GSD, BMAD или Spec-Kit), Мэтт предлагает маленькие кирпичики, из которых вы сами собираете свой рабочий процесс. Хотите — используйте один навык. Хотите — комбинируйте. Модель значения не имеет — работает с Claude Code, Codex и любым другим агентом.

Четыре проблемы, которые решают навыки

Мэтт выделяет четыре типичных провала при работе с AI-агентами. Для каждого — свой набор решений.

Проблема №1: Агент сделал не то, что вы хотели

Это классика. Вы думаете, что понятно объяснили задачу. Агент кивает, пишет код. Вы смотрите на результат — и понимаете, что он понял вас совершенно иначе. Знакомо? Это не баг агента — это проблема коммуникации.

Решение — гриллинг-сессии (прожарка). Перед тем как агент начнёт писать код, он должен засыпать вас вопросами. Детальными, неудобными, до тех пор, пока не станет кристально ясно, что именно вы хотите.

Для этого есть два навыка:

  • /grill-me — для общего использования, не только для кода
  • /grill-with-docs — то же самое, но с бонусами: агент помогает выстроить общий язык с проектом и документирует сложные решения в ADR (Architecture Decision Records)

Мэтт считает grill-with-docs самой мощной техникой во всём репозитории. Попробуйте — и, возможно, согласитесь.

Проблема №2: Агент говорит слишком много

Знакомая ситуация: агент пишет предложение на двадцать слов там, где хватило бы одного. Это происходит потому, что у вас с агентом нет общего языка. Он не знает терминологии проекта и объясняет простые вещи сложными словами.

Решение — общий язык (shared language). Это документ CONTEXT.md, где собрана вся специфика предметной области вашего проекта. Звучит просто, но эффект колоссальный.

Мэтт приводит пример из своего проекта course-video-manager:

  • До: «Есть проблема, когда урок внутри секции курса становится "настоящим" (то есть получает место в файловой системе)»
  • После: «Есть проблема с каскадом материализации»

Одно слово вместо десяти. И это работает сессия за сессией: переменные называются согласованно, кодовая база легче читается, агент тратит меньше токенов на раздумья.

Проблема №3: Код не работает

Допустим, вы и агент согласны, что именно нужно построить. Но код всё равно получается плохой. Причина — отсутствие обратной связи. Без петли фидбека агент летит вслепую.

Здесь помогают два навыка:

  • /tdd — классический red-green-refactor. Сначала агент пишет падающий тест, потом — минимальный код, который тест проходит. Звучит банально, но это даёт агенту стабильный уровень обратной связи, и качество кода заметно вырастает
  • /diagnose — структурированный цикл отладки: воспроизвести → минимизировать → выдвинуть гипотезу → инструментировать → исправить → проверить регрессию

Проблема №4: Получился комок грязи

AI-агенты ускоряют написание кода. Но они также ускоряют его энтропию. Проект растёт, запутывается, и вносить изменения становится всё сложнее.

Мэтт предлагает радикальный подход: заботиться о дизайне кода. Каждый день. Это встроено на всех уровнях:

  • /to-prd — перед созданием PRD агент спрашивает, какие модули вы собираетесь затронуть
  • /zoom-out — агент объясняет код в контексте всей системы, а не изолированно
  • /improve-codebase-architecture — находит возможности для улучшения архитектуры, опираясь на общий язык из CONTEXT.md и решения из docs/adr/. Мэтт рекомендует запускать его раз в несколько дней

Полный список навыков

Инженерные навыки

Навык Описание
/diagnose Цикл отладки: воспроизвести → минимизировать → гипотеза → инструментировать → исправить → проверить
/grill-with-docs Гриллинг-сессия с обновлением CONTEXT.md и ADR
/triage Сортировка задач через конечный автомат
/improve-codebase-architecture Поиск точек улучшения архитектуры
/setup-matt-pocock-skills Первичная настройка: трекер задач, лейблы, расположение документов
/tdd TDD с red-green-refactor циклом
/to-issues Разбиение плана или PRD на отдельные задачи
/to-prd Создание PRD из контекста разговора
/zoom-out Широкий взгляд на незнакомый участок кода
/prototype Одноразовый прототип для проверки гипотез

Продуктивность

Навык Описание
/caveman Ультракороткий режим общения — экономит ~75% токенов
/grill-me Беспощадное интервью по вашему плану
/handoff Компактная передача контекста другому агенту
/write-a-skill Создание новых навыков с правильной структурой

Установка за 30 секунд

Всё устанавливается одной командой:

npx skills@latest add mattpocock/skills

После установки выберите нужные навыки и агенты, на которые их установить. Обязательно выберите /setup-matt-pocock-skills — он настроит трекер задач, лейблы для триаджа и расположение документов.

Почему это работает

Секрет в философии. Мэтт не пытается забрать контроль у разработчика. Он не строит «процесс», которому нужно следовать. Он даёт маленькие, проверенные инструменты, которые можно комбинировать как угодно.

Каждый навык основан на фундаментальных принципах инженерии, проверенных десятилетиями: прагматичное программирование, domain-driven design, экстремальное программирование. Просто теперь они упакованы в форму, понятную AI-агентам.

Если вы устали от того, что агент делает не то, пишет километры текста вместо дела и превращает проект в нечитаемую кашу — попробуйте. Начните с /grill-me или /grill-with-docs. Это действительно работает.

Источник: https://github.com/mattpocock/skills