本文へ移動
cccskills
無料GitHub で公開

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。

インストール方法を見る

含まれるファイル(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(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

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。

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

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。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

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。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

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。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

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。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

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。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

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。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

PANGKAIFENG のスキルをすべて見る

このスキルの問題を報告する