别让 AI 一次问你 200 个问题,用好 grill skill 的6个误区
别让 AI 一次问你 200 个问题,用好 grill skill 的6个误区
导语 Matt Pocock grill 系列 skill,本意是让 AI 无情地追问使用者,直到把一件事想清楚。可不少人用得走样,开口就抱怨「Codex 一次问了我 200 个问题」。问题往往不在工具,而在使用者对「保真度、范围、主动被动」这几个判断失了准。这篇拆解把这套方法论里的坑一个个讲透。

工具靠的是使用者的判断力
grill 系列 skill 的核心只有一句话,不断追问,直到双方对某件事达成共识。它常被当成 agent 里 plan mode 的替代品,但它有一个容易被忽略的前提,它依赖的是答题者的能力。
答题者,也就是使用 /grill-me 的人,得擅长规划,得懂 scope,得对「什么问题需要什么保真度才能回答」有手感。这套 skill 本身不算长,定位是辅助工程师,而非取代工程师。所以作者专门做了一期视频,把几个常见误区逐一讲清。

第一个镜头,保真度
进入一次 grilling session,要解决的就是回答问题。而问题分两种保真度,这个说法借自 Ryan Singer 的《Shape Up》,分清问题该不该被 grill,就靠它。
高保真问题,是那种必须看到一幅拉近、细致的高保真图像才能理解的问题。比如这段 UI 用起来手感如何,表单该拆成多页还是一个填到底的大长表单。要回答它,就得靠高保真原型,或者干脆把整个东西做出来。
低保真问题,是不需要原型就能直接答的问题。比如这个路由该放在哪个 URL 上,一句话就答了。
第一个失败模式由此而来,在 grilling 里硬答高保真问题。问题分两类,一类可 grill,问答能解决;一类不可 grill,问答解决不了。把不可 grill 的问题丢进 grilling,就是缘木求鱼。

遇到不可 grill 的问题,交接给原型
当问题关乎手感、必须看到更高保真的东西才能答时,作者的惯常做法是做一次 prototyping handoff。
流程是这样的。先在 grilling session 里推进,撞上一个不可 grill 的问题,就用 handoff skill 交接给一个 prototyping session,花另一个 session 专门就这个问题做原型,在高保真下把它看清楚。看清之后,把学到的东西再 handoff 回原来的 grilling session,继续答那些可 grill 的问题。
作者说自己很多 session 就是这个形状,一个 /grill-with-docs,交接给 prototype session,再交接回来。高保真问题,就是这么闭环的。


第二个镜头,范围
第二个要盯住的概念是 scope,也就是在 grill 的东西有多大。范围太大,会撞上两个问题。
第一,范围大了,里面多半藏着高保真问题,不看全貌就答不了。从一个确定能用、做得不错的东西上继续搭,永远比没完没了地把 scope 规划到遥远的未来要容易。很多人给 AI 排好几天任务,最后得到一堆废料,根子就在没有站在一个自己认同的地基上,而是推得太远。
第二,范围大还意味着撞进模型的 dumb zone。grilling session 开场的上下文几乎是空的,可一直往前推,还没答到一半问题,就已经逼近上方的 dumb zone,这时只能交接、压缩,或者做点别扭的事。这些麻烦,只要一开始选个小一点的 scope,就全能避开。
作者给的数字很具体,约 120K 就是大多数前沿模型 dumb zone 的起点。过了这条线,模型的注意力关系会变得吃力,开始做更蠢的决定。所以要把大 scope 提前交给 agent 拆成小 scope,逐个 grill,让工作始终停在 smart zone 里。

第三个镜头,被动与主动
第三个镜头,是看使用者在 session 里被动还是主动。
作者看到不少人开的 grilling session 过于庞大,问题在于他们面对 agent 太被动了。他自己的做法总是相当主动,始终试图主导对话。这里要记住,这是一场对话,不是面试。agent 在提问,但搞清方向、搞清 scope、让事情别跑偏,是使用者的活。
太被动的后果很直接,agent 会把这场「面试」搞蠢,一口气问 540 个问题,把 scope 撑爆,问一堆保真度过低的问题。必须主动插手。
但另一个方向同样会翻车。太主动的人,会在保真度太低的东西上没完没了地 grill,而正确做法是赶紧把东西做出来、亲眼看它跑起来。所以这里藏着两个失败模式,太被动,往后靠太多;太固执,迟迟不肯进入写代码。使用者得想清楚自己在这条轴上的位置。


别把 grilling 产出的东西扔掉
另一个失败模式,是不珍惜 grilling session 里创造出来的东西。
在回答那些问题、拍板设计决策的过程中,上下文窗口里积累的这一段内容价值极高。通常的目标是,预算还够就直接开始实现,规划一小会儿,随后说「行,直接实现」,不用交接。可如果已经到了必须退出、交接的地步,那大概就该写 spec(规格说明)了。作者的 /to-spec skill 就是为此准备的,生成的交接文档更偏工程,适用于单 session 或多 session。
作者见过一个离谱的错。有人先把上下文清掉,新开一个窗口,再在里面跑 /to-spec。这在作者看来几乎疯狂,一个积累了 10 万 token 优质设计决策的 session,就这么被扔掉了。
每一次 grilling session、里面每一个决策都极其宝贵,应该被记录到某处,要么变成代码,要么放进一份以后能查的交接文档。作者把这类问题归结为 skill issue,使用者需要对清空、压缩、交接这些决定有更多意识。务必保存好 grilling 里的决策,并为它们生成某种交接产物。

模型别用错了
另一个常见错误,是 grilling 用了太蠢的模型。
判断哪些是低保真问题、哪些是高保真问题,想出该问什么问题才能促使使用者做出更强的设计,这需要好模型。原因在模型知识的两个来源。
第一个来源是 contextual knowledge,也就是使用者专门传进上下文里的东西,来自读文件、用户 prompt,或模型调工具带回的结果。第二个来源是 parametric knowledge,是模型训练时学到、用来理解的那些东西,可靠度差得多,但 grilling 依赖的恰恰是它。使用者要的是模型对系统与应用的先天理解,来提示那些还没想到的点子,那些离经叛道的建议。
既然依赖 parametric knowledge,就需要参数足够多的模型,也就是大型前沿模型。实现阶段则反过来,传进去的几乎都是 contextual 的内容,详细实现计划加相关代码文件,有东西可照抄,没多少是 parametric 的。所以实现可以用较便宜的模型,grilling 不行。

并行跑两个 session
最后一条简单到几乎不值得说,却很多人不做,并行 grill 多个 session。
作者的节奏是,grill 着一个 session,给它打完字、答完它的问题,就切到另一个通常已经答完的 session,回答它,再切回来,如此来回蹦。有人说这是 context switching,作者说不过是同时管两条 Slack 线程,没那么难。
这么做虽然会做大量高层决策,但这是他找到的、能在更短时间里做更多规划、提高吞吐的办法。通常最多开两个,遇到特别长的任务比如某项研究,状态好时会试三个,但两个基本是上限。无论如何,吞吐翻倍了。

收束,四条铁律
把整期内容收成四条。
分清保真度。 低保真问题问答解决,高保真问题转 prototyping,别硬答。
选对 scope。 提前把大范围拆小,让工作停在 smart zone,别撞进 120K 之后的 dumb zone。
珍惜 context。 grilling 里的设计决策要么变成代码,要么沉淀为 /to-spec 文档,绝不清空后另起炉灶。
用对模型。 grilling 靠 parametric knowledge,用前沿大模型;实现靠 contextual knowledge,可以用便宜模型。

把这四条练熟,再考虑并行两个 session。熟练之后,脑子更有可塑性的人,或许能开到四个。如果身边也有人用 grill 时栽过跟头,把这套误区清单转给需要的朋友,少走几条弯路。
附录 术语对照与来源说明
本文基于 Matt Pocock 的视频《9 Things People Get Wrong With My /grill-* skills》改写整理,观点与流程忠于原视频,结构与表述面向中文读者重新组织。
|
术语 |
说明 |
|---|---|
|
grill 系列 skill |
不断追问使用者直到达成共识的 skill 集合 |
|
grilling session |
一次围绕提问推进的会话 |
|
高保真问题 |
必须看到高保真图像或原型才能回答的问题 |
|
低保真问题 |
不需要原型就能直接回答的问题 |
|
prototyping handoff |
把不可 grill 的问题交接给原型会话的做法 |
|
scope |
正在 grill 的东西的范围大小 |
|
smart zone / dumb zone |
模型保持可靠注意力与开始变蠢的上下文区间 |
|
contextual knowledge |
使用者传进上下文里的知识,如文件、prompt、工具结果 |
|
parametric knowledge |
模型训练时学到的知识 |
|
/to-spec |
把 grilling 决策沉淀成规格说明(spec)交接文档的 skill |
素材来源 视频《9 Things People Get Wrong With My /grill-* skills》,作者 Matt Pocock
#AI编程 #Claude #ClaudeCode #需求分析 #AI工作流 #grill #提示词 #编程效率 #程序员 #技能
更多推荐




所有评论(0)