从 /grill-me 开始，这5种 Agent Skills 哪种适合你的下一项工作？
本文目录
先看下一步需要什么帮助。
明天要交一份提案，你打开 AI，准备说“帮我把思路理清楚”。先停一下：是自己还没决定要做什么，还是别人没把关键信息告诉你？这两种情况，需要的帮助很不一样。
选 Agent Skill 也可以从这里开始：先说清楚要完成什么，再找对应的能力。 排行榜可以带你发现名字，具体选哪个，还得看自己卡在哪里，以及希望得到什么结果。
这次挑五项来看：Matt Pocock 的 grill-me、to-questionnaire、teach，Jesse Vincent / obra 的 brainstorming，以及 Anthropic 的 skill-creator。它们改变的是你与 AI 推进事情的方式。选例参考了 skills.sh 在2026年10月22日的公开安装条目，按用途安排，不是全球排名；以下根据原始说明介绍，场景与请求都是示例。
先认清自己卡在哪一种问题上
| 眼前的问题 | 可以先了解 | 希望得到什么 |
|---|---|---|
| 有个想法，但关键决定还模糊 | grill-me → grilling | 一轮轮把决定说清楚 |
| 答案在别人那里，自己答不出来 | to-questionnaire | 一份对方能异步填写的问卷 |
| 目标已大致明确，实现路线未定 | brainstorming | 几种路线的取舍和确认后的设计 |
| 看懂了解释，自己却还不会做 | teach | 围绕目标的短课、练习与学习记录 |
| 有一套方法反复用，想沉淀下来 | skill-creator | 经过例题和反馈打磨的 skill |
它们可以各自服务一项工作。需要一份问卷时，不必先完成另外四套流程。
追问自己的决定、向知情人提问，或动手练习——按需要选择帮助。
grill-me：让 AI 追问你尚未决定的事
“我想办个 AI 共学活动”，听起来已经是个计划，却可能还没决定参加者是谁、活动结束后希望他们会做什么。Matt Pocock 的 grill-me 适合拿这样的想法来追问。
这里有个容易漏掉的细节：当前 grill-me 是入口，实际调用的是 grilling。后者先找出哪些决定可以现在讨论，再按轮次提出相关问题和建议答案；依赖尚未解决的问题留到后面。一轮可以有多个问题，并非固定一次只问一个。
你可以这样表达目的：
我想办一次 AI 共学活动。先追问我想服务谁、参加者结束时应该能做什么，再讨论形式。建议答案可以给我参考，决定由我来做，先别写报名文案。
重点是让模糊的决定浮出来。如果只是缺一个可查到的事实，不需要把自己盘问一遍。使用时也要让工具能调用配套的 grilling；单独拿入口文件并不构成完整能力。
to-questionnaire：把问题交给真正知道答案的人
假设你接了一份店铺菜单的设计委托，却还不知道哪些内容已确认、哪些必须保留。让 AI 继续问你，也问不出店主才知道的事。
同样来自 Matt Pocock 的 to-questionnaire 先弄清两件事：问卷给谁，你需要拿回什么。随后把信息缺口写成 Markdown 问卷，供对方异步填写或开会时一起回答。
我要给一家店重新设计菜单。问卷由店主填写，答完后我需要知道哪些信息已定、哪些不能改，以及谁负责确认最终内容。请先帮我把这些问题整理好。
它的价值在于把“再了解一下需求”变成对方能回答的具体问题。产出仍是一份问题清单，交给谁、怎样发送由你安排；答案要等对方提供。如果你自己就能作决定，当面追问式的 grill-me 更直接。
brainstorming：让不同路线真正摆到面前
有时你知道想解决什么，却过早接受了 AI 给出的第一种做法。比如想让忙碌的团队及时了解一项研究，究竟做一页摘要、十分钟分享，还是一份可随时查找的资料？这些选择对阅读习惯和维护投入的要求不同。
obra / Superpowers 的 brainstorming 会先理解已有背景，再提出两三条路线和取舍，推动你选定方向、确认设计。原始说明涵盖软件之外的新计划；正式实施前有设计确认及后续规划步骤。
我希望同事掌握这项研究对工作的影响。请比较一页摘要、短分享和可检索资料三种路线，重点看阅读负担与后续维护，先帮我选方向。
它适合“还要比较怎样做”，不只是生成十个点子。明确到改一个颜色之类的小任务，原说明有快速处理路径；复杂任务完整使用则需要配套技能与读写工具。
teach：把“解释给我听”变成“让我试着做”
你看完 AI 对图表的解释，觉得自己懂了，换一张图又不知道从哪里看。Matt Pocock 的 teach 把学习作为跨会话的工作来安排：记录学习目的，围绕资料形成短课、练习与反馈，并留下学习记录。
我想学会判断一张图表是否支持作者的结论。请从坐标轴和样本范围开始，让我先解释一张图，再指出我漏看了什么。
这里有价值的变化是把一次解释接上自己的尝试。下次回来时，学习文件也能提供接续的线索。它需要能读写学习文件、呈现 HTML 课程或练习的环境；如果只想查一个词的意思，普通问答可能就够了。这个学习方法值得了解，但不能据此声称已经证明提高记忆率。
skill-creator：把反复用的方法打磨成 skill
每周都要做研究简报时，你可能已经形成一套习惯：挑什么来源，怎样区分新消息与重复消息，最终给同事哪些信息。Anthropic 的 skill-creator 可以帮助把这些要求写成 skill，并用任务例子、结果检查和反馈继续修改。
我每周从公开资料里整理研究简报。请先帮我提取这套方法的输入、使用时机和输出要求，再设计几个例题，检查它会不会漏掉重要信息或重复收录。
适合沉淀的是自己已经说得清、也愿意检查结果的方法。若每次都临时改目标，先用几次具体任务理顺做法，再封装会更有依据。写出说明和完整运行评测也有区别；这里介绍的是面向 Claude 的实现，评测工具链在其他 agent 中能否运行需要确认。
看热度找到入口，再按任务作选择
一个 GitHub 仓库可以装着很多 skill；仓库 star 是关注信号，不能当作其中每一项的质量分数。skills.sh 的安装统计来自 Skills CLI 的匿名安装遥测，也不能当作独立用户数、活跃使用或实际效果。
热度的用处是告诉你“这项值得去读读”，下一步仍是看原始说明里的工作方式和适用环境。例如，grill-me 和 grilling 被分别列项，不能把两个条目的数字相加，写成一个技能的用户数。也没必要为了收集热门名字，一次把五项都装上。
可以用一句话结束这次选择：“这件事我自己还没想清，想让 AI 追问”；或者“关键事实在店主那里，我需要一份能发给他填写的问卷”。前一句指向 grill-me，后一句指向 to-questionnaire。选对下一步需要的帮助，比先收集一长串 skill 名字更容易让工作往前走。
来源与延伸阅读
- Matt Pocock：grill-me 入口、grilling 实际规则。入口调用关系、按决定的依赖关系分轮追问。
- Matt Pocock：to-questionnaire 原始说明。为另一个知情人整理异步问卷。
- Jesse Vincent / obra：brainstorming 原始说明。理解背景、比较路线及设计确认。
- Matt Pocock：teach 原始说明。持续学习工作区、课程和学习记录。
- Anthropic：skill-creator 原始说明。创建、评测与迭代技能。
- skills.sh：Matt Pocock 条目目录、brainstorming 条目、skill-creator 条目、统计 FAQ。条目核对日期：2026年10月22日（UTC）。公开统计是发现线索；本文未安装或试用这些技能。