Skip to content
cccskills
FreePublished on GitHub

grill-me

方案拷问 / 压力测试:当用户有一个产品方案、架构设计、计划或决策,想被连续追问、反方挑战、 压测取舍和失败模式时使用。可用中文唤起:“拷问我的方案”“压力测试这个设计”“帮我问 hard questions” “这个方案哪里会翻车”“grill me”。目标是一问一答把决策树走清楚,不是直接替用户写最终方案。

跨 Skill 运行时只输出 Challenge/Critic Handoff,并把一个 gap 返回最小责任节点;不重写完整方案。如果用户还不知道真正问题是什么,先用 ai-collaboration-calibration;如果用户要标准 PRD 交付准备度评审, 用 prd-review。

The English summary is being prepared. Showing the original description.

Run score Not tested

See how to install

Files included (5)

  • SKILL.md5.6 KB
  • evals/evals.json11.3 KB
  • references/critic-handoff-contract.md3.8 KB
  • references/provenance.md397 B
  • references/question-patterns.md986 B

SKILL.md (original)

Review the instructions the agent will receive before you install.

方案拷问(grill-me)

中文速查

  • 中文名:方案拷问 / 压力测试
  • 英文稳定名:grill-me
  • 你可以这样叫我:拷问我的方案、压力测试这个设计、帮我问 hard questions、这个方案哪里会翻车、grill me
  • 适合:已有方案、架构、计划或决策,且问题目标基本确认,需要按依赖、假设、分支和失败模式逐个追问
  • 不适合:直接写最终方案、泛泛总结文档、没有互动空间的一次性输出;问题还没定义清楚时改用 ai-collaboration-calibration;标准 PRD readiness 评审改用 prd-review

Overview

使用这个 Skill 对方案或设计做聚焦访谈式压力测试。目标是达成共同理解,而不是抛出一长串互不相干的问题。

本 Skill 是 Critic:拥有 challenge、严重度、推荐答案/假设、关闭标准、唯一 return owner 和复查;不拥有完整研究、最终选择、方案重写或 readiness/发布审批。

Boundary

先判断被拷问对象是否已经成形:

  • 问题、目标或成功标准还不清楚:转交 ai-collaboration-calibration,先校准问题定义。
  • 已有具体方案、架构、计划、产品决策或 PRD 背后的解法:留在 grill-me 做压力测试。
  • 用户要判断“这份 PRD 是否可开发、可测试、可交付”:转交 prd-review。
  • 用户要判断“这份 PRD 背后的方案是否会失败”:留在 grill-me。

grill-me 不输出 Implementation-Plan Readiness 结论;这个 readiness verdict 由 prd-review 负责。

Workflow

  1. 用一句话复述正在被拷问的方案或设计。
  2. 找出主要决策分支、依赖、隐含假设和可能失败模式。
  3. 一次只问一个问题;除非答案能从本地代码或文档中直接发现,否则等待用户回答后再继续。
  4. 每个问题都要给出你的推荐答案或当前假设,让用户可以接受、否定或修正。
  5. 如果问题可以通过读取代码库、PRD、ADR 或本地文档回答,先去查证,不要把可查问题丢给用户。
  6. 按依赖顺序解决分支;上游约束还不稳定时,不要跳到下游细节。
  7. 当拷问暂停或结束时,汇总结论、被否掉的选项、仍未解决的问题和计划变化。

Critic Handoff

需要跨 Skill 返回 blocker 或复查 delta 时,读取 references/critic-handoff-contract.md。

  • 必须引用版本化 artifact,一次只输出一个 Challenge 和一个 primary return owner;finding 涉及多节点时选择最早因果缺口。
  • 证据 gap 返回 research-topic-compiler,选择标准/排除逻辑返回 decision-research,scope/flow/state/recovery 返回 brainstorming,本地权限、预算或不可逆取舍进入 Human Gate。
  • 只输出 Challenge/Critic Handoff,不替目标节点生成完整 Evidence、Decision、Design Spec、PRD 或实现计划。
  • delta 返回后只复查原 challenge;无 blocker/high 时可输出 clear-for-owner-confirmation,但这不是任何 readiness verdict。
  • 同一 challenge 完成两轮回流后仍未关闭或缩小时,停止自动回流并进入 Human Gate。

Context Intake

优先使用已有材料:PRD、issue、代码、文档、ADR、图、日志和之前的对话。只问那些会改变真实决策的缺失信息。

开始前先确认或推断三件事:

  1. 被压测的方案是什么。
  2. 这个方案针对的问题是否已经被确认。
  3. 用户想压测的是方案可行性、取舍、失败模式,还是 PRD artifact 质量。

如果第 2 点为“否 / 不清楚”,先建议进入 ai-collaboration-calibration。如果第 3 点是 PRD artifact 质量,转 prd-review。

Output

过程输出是一问一答,并且每个问题都附带推荐答案。结束输出是一份简洁决策记录:

  • 已确认决策
  • 被否掉的选项及原因
  • 仍未解决的问题
  • 推荐下一步

Definition of Done

  • 关键分支已经按合理顺序探索。
  • 每个问题都有追问理由和推荐答案。
  • 能从代码库或本地文档回答的问题已经查证。
  • 用户拿到决策记录,或至少明确下一个尚未解决的问题。

Evaluation

Smoke prompts:

  • 拷问一下这个架构方案。
  • 我发出去前,帮我压力测试这份方案。
  • 针对这个设计问我 hard questions。

Non-trigger prompts:

  • 直接帮我写最终方案。
  • 不要追问,只总结这个 PRD。
  • 帮我审 PRD,看能不能交付开发。
  • 我还不知道真正问题是什么,先帮我想想。

Resources

  • references/question-patterns.md 提供依赖、失败模式、取舍和证据类追问模板;需要连续追问但问题质量下降时读取。
  • references/critic-handoff-contract.md 定义 Challenge、最小责任节点、差量复查与 Human Gate。
  • references/provenance.md 记录上游来源、本地重叠和合并说明。

Reviews

No reviews yet. Tell others what you thought.

Comments

No login needed. Share how it worked for you, ask a question, or note where it did not run.

No comments yet. Be the first to write one.

Comments are published right away. Do not include personal information such as email addresses or phone numbers. Up to 2 URLs.

0 / 1,000 characters

This form is protected by reCAPTCHA, and the Google Privacy Policy and Terms of Service apply.

More skills from this repository

Agent trace 诊断器:当用户提供 trace、日志 JSON、agent 执行记录、工具调用序列,或说“看下这个日志/trace,定位根因”“只说明问题不要改文件”时使用;用中文输出核心根因、可视化执行流程图、trace 证据链、可能文件/行和修复建议,默认只读。不用于没有日志证据的新功能设计、普通代码解释或直接修复代码。

The English summary is being prepared. Showing the original description.

PANGKAIFENG/ai-product-manager-skills16Updated Aug 31, 2026

协作校准 / 认知校准 / 问题脑暴:当用户有模糊感受说不清问题、方案越补越复杂、想挑战假设、 想重新定义问题、想知道成熟领域里怎么叫这个问题时使用。 可用中文唤起:"帮我想想""先聊一下""一起脑暴""我感觉有问题但不清楚是什么" "先别执行,帮我看清问题""挑战我的假设""这个方案是不是想错了""帮我做认知校准" "双向钢人""钢人论证一下""正反最强论证,给我明确判断"。 也适用于:用户直接说"帮我做 X 功能""接入 Y 平台"但背景复杂、或对话早期感觉方向可能跑偏时, AI 主动识别并建议进入脑暴模式。 这里的“挑战假设”主要指问题定义、目标、约束和领域定位层面的假设;如果问题已确认且用户已有具体方案、 计划、架构或决策要压力测试,应转用 grill-me。不用于翻译、摘要、格式整理、单文件小改等简单执行任务。

The English summary is being prepared. Showing the original description.

PANGKAIFENG/ai-product-manager-skills16Updated Aug 31, 2026

AI 工作资产化诊断器 / Assetization Router:当用户提供 AI 协作会话、重复任务、prompt、工作流描述、 团队 AI 使用场景或一次成功交付过程,并要求判断应该沉淀成 Prompt、Context Pack、Workflow、Skill、 Loop、System,或根本不值得沉淀时使用。它只做诊断、分层和下一步资产建议,不替代具体 Skill 创建、 PRD 起草、调研、实现或自动化执行。不用于普通事实查询、一次性文案、trace 根因分析或高责任专业判断。

The English summary is being prepared. Showing the original description.

PANGKAIFENG/ai-product-manager-skills16Updated Aug 31, 2026

设计脑暴 / 实现前方案校准:当用户想把已基本成立的想法、功能方向或产品问题,在写 PRD、画 mockup 或进入开发计划前,先比较方案、确认取舍、对齐 UI/视觉约束,并收敛成可执行设计 spec 时使用。 可用中文唤起:“先脑暴一下方案”“先不要写 PRD,帮我设计几种路径”“参考 brainstorming 把这个需求变成设计 spec” “实现前先讨论设计”。问题还没定义清楚时先用 ai-collaboration-calibration;已有方案要压力测试时用 grill-me; 直接写 PRD 时用 prd-architect;grill-me 返回精确设计 gap 时,本 Skill 只输出 Design Delta。

The English summary is being prepared. Showing the original description.

PANGKAIFENG/ai-product-manager-skills16Updated Aug 31, 2026

竞品决策分析 / Competitive Decision Brief:当用户要调研竞品、替代方案、新产品、SaaS/AI 产品或市场信号, 并希望把官网、定价、评论、文档、更新日志、登录态走查、截图或浏览器取证转成产品定位、路线图、定价、 功能优先级、差异化、Go/No-Go 或 PRD 输入时使用。核心行为是先锚定产品决策,再选择证据渠道, 最后输出可行动的 Product Decision Brief;不要把它降级成泛泛功能清单、纯 UX 走查或“点完所有按钮”报告。

The English summary is being prepared. Showing the original description.

PANGKAIFENG/ai-product-manager-skills16Updated Aug 31, 2026

复杂探索资产化 / Complex Exploration:当用户面对复杂、不确定、多轮迭代的产品策略、Roadmap、商业化定价、竞品定位、复杂 PRD 前置探索、项目复盘或方法论沉淀任务时使用。它先判断任务类型,暴露隐含假设,重构真正问题,规划探索路径和中间产物,并在结束后沉淀认知、结构、方法论、工具和影响力资产。不用于简单润色、翻译、摘要、明确执行任务;问题只需早期认知校准时优先用 ai-collaboration-calibration,已有方案要压力测试时用 grill-me,系统专题研究用 research-topic-compiler。

The English summary is being prepared. Showing the original description.

PANGKAIFENG/ai-product-manager-skills16Updated Aug 31, 2026

See all skills by PANGKAIFENG

Report a problem with this skill