本文介绍了Cole Medin如何将复杂的开发流程拆解为33个独立的技能并通过GitHub公开分享。这些技能涵盖了从需求分析到代码实现的完整路径以Markdown文件形式呈现方便开发者学习和使用。文章强调了极简、即插即用的设计理念以及内外层循环的开发节奏管理。对于想要利用大模型提升开发效率的程序员和小白来说这是一个非常实用且值得收藏的学习资源。GitHub地址已提供快来体验AI编程的便捷吧他把开发流程切成 33 个 skill一年没再写过代码已经一年多没亲手写一行代码。这话从他嘴里说出来多少有点荒诞他曾是在视频里逐行教人构建 AI agent 的工程师。一、每个环节一个 skill串成完整路径Cole 的做法很朴素把开发流程的每个环节单独固化成 skill。写 PRD产品需求文档定义要做什么、为什么做、写架构文档、切分任务、加载代码库上下文各是一个。十几个核心 skill 首尾相接就拼成一条从零走到交付代码的完整路径。这套东西他用了半年自我评价是简单得过分但非常有效。它把一名资深工程师脑子里的流程翻译成了 agent 读得懂的文本。二、极简而非框架这套 skills 突出的特征就是 Cole 反复强调的极简与即插即用。它和市面上另一些 agent 编码框架形成了直接对照。GitHub Spec Kit、Gastown 这类项目Cole 本人也承认相当出色但它们有一个共同点要用就得整套采用整个软件开发生命周期都替开发者定义好了。除非开发者没有任何既有流程否则这种全盘接管往往水土不服。这套 skills 走的是另一条路。它是一个可以按需选用的库。只取其中几个、甚至只借鉴几个思路都没问题。想改某个 skill 去适配自己的代码库和工作习惯也极其容易。对已经有一套 AI 编码工作流的开发者来说它不要求推倒重来。三、两个循环把开发拆成节奏整套流程的骨架是 Cole 口中的双循环框架。外层循环负责最高层的规划每个 epic一个大的功能范围比如一整个登录系统只做一次。它要回答的是构建什么、为什么构建落到两份文档上PRD 定 what 和 why架构文档定 how。之后再把这批工作切成一个个 ticket拆出的独立工作项比如邮箱注册。内层循环才是写代码的地方每个 ticket 走一遍。它从加载代码库上下文开始到规划具体实现再到让 agent 写代码、验证、复核、提交、开 PR。两个循环的频率完全不同。外层低频、事关方向内层高频、占满日常。一个大一点的 epic 可能切出几十个 ticket开发者大部分时间都待在内层循环里。四、外层循环先想清楚要什么外层循环三步走每步对应一个 skill。顺序动作对应 skill1定 what 和 whyplan-create-prd2定 howplan-architecture3切成 ticketpiv-slice-epic第一步是 PRD skill。这个 skill 干的事可以拆成四步。戴上项目经理的帽子引导 agent 把要建什么、要解决的根本问题问清楚不要求一开始就把想法说具体一句我想做个记账工具即可反过来采访开发者把目标用户、价值假设这些 PRD 要素逐一梳理出来格式化成一份文档这一步最关键的纪律是克制。PRD 里完全不涉及怎么实现。what 和 why 属于这一场对话how 交给下一个独立的 skill也就是架构文档。为什么非要拆成两场对话 Cole 给的理由很实际它们本来就是两件不同的事。先描述并确认要什么再去规划技术实现混在一场对话里容易两头都做不好。两份文档产出之后外层循环的最后一棒是一个切分 skill。它接收 PRD 和架构文档把它们拆成一个个可独立交付的 ticket映射好依赖关系标出哪些能并行。切分这一步的意义是给后面每一轮内循环搭好舞台同时避免一次对话交给 agent 太大的请求以免它不堪重负。五、内层循环一条固定的流水线外层切出来的每个 ticket都是一整轮内循环的输入。GitHub 的 README 里把内层循环写成一串固定的动作。顺序动作对应 skill1加载上下文prime-codebase 等三个2规划实现piv-plan-implementation3写代码piv-implement4验证piv-validate5复核piv-review-changes6提交piv-commit7开 PRpiv-create-pr内层循环的第一步是加载上下文。Cole 称之为 prime。这套 skill 里 prime 有三个版本通用的 prime-codebase以及只扫后端 API 和数据层的 prime-backend、只扫组件和路由的 prime-frontend。它的存在源于一个朴素的事实。编码 agent 虽然带着全局规则但在对话起点它对眼前这个代码库几乎一无所知。所以第一步要做一批上下文加载让它探索代码库理解眼前这块工作的来龙去脉。加载完上下文同一个对话里接着运行规划 skill。这个过程和写 PRD 很像agent 先采访开发者、在代码库里做大量调研然后才产出计划文件。计划产出的是固定模板的文档问题陈述、方案陈述、范围之外、非目标加上要参考的上下文文件、要创建和编辑的文件清单、逐任务的实现计划。之后实现、验证、复核、提交、开 PR每步都有一个对应的 skill。Cole 特别强调实现要在全新对话里做规划那场对话往往已经很长而大语言模型有一个表现下滑的区间信息过载会像人一样被淹没。六、写码之前先把怎么验证定下来这是整套方法里 Cole 花最多篇幅讲的一点也是他自认与众不同的地方。他把这一方法叫给 agent 的测试驱动开发。在写下第一行代码之前先规划好怎么测这段代码把下面这些全部写进计划。单元测试、集成测试边界情况lint、类型检查手动验证用浏览器自动化模拟用户操作这样做的直接效果是 agent 交回来的东西不再是仓促的第一稿。它能照着计划里的测试去写、去跑、去纠正自己的错误。开发者需要介入的地方大大减少拿到手的粗糙产出也少得多。他引用 Claude Code 作者 Boris Cherny 上个月说过的一句话。你要描述任务描述护栏和退出标准包括验证然后就让它去 cook过一会儿再回来。Cole 非常喜欢just let the model cook这个说法。它的要义是一句可以当作口诀的话对终点要具体对手段不必具体。说清楚 done 是什么样、怎么验证路怎么铺交给 agent 自己去走。七、33 个 skill都长什么样把它从自己电脑的.claude/skills/文件夹原样迁移了出来一共 33 个。每个 skill 只是一个带 SKILL.md 的文件夹里面包含名字、什么时候用它、以及 agent 该走的流程。这 33 个 skill 分九组围着那条内层循环排开。加载上下文primeskill作用prime-codebase动手前让 agent 先摸清整个代码库prime-backend同上只扫 API 路由、服务和数据层prime-frontend同上只扫组件、路由、状态和样式规划planskill作用plan-create-prd采访开发者产出一份问题优先的 PRDplan-architecture一场关于怎么建的工作会栈、数据结构、权衡、风险piv-slice-epic把一个 epic 加架构文档切成带依赖图的 ticketplan-create-stories把 PRD 变成 Jira 或 GitHub 上的真实 backlogPIV 循环plan、implement、validateskill作用piv-plan-implementation深度分析代码库加调研产出一份一次能过的实现计划piv-implement按计划逐任务执行每一步都验证piv-validate跑项目全套测试只回一个 PASS 或 FAILpiv-review-changes提交前对改动做技术复核piv-fix-review-findings给复核发现排优先级哪些现在改、哪些延后piv-commit一次原子的、带规范标签的提交piv-create-pr推分支、写有内容的 PR 正文piv-review-pr对已开 PR 的 agent 把关用新视角按严重度排序发到 GitHubpiv-run-full-loop从一句功能描述出发把整条循环端到端跑一遍问题诊断issuesskill作用piv-investigate-issue对 GitHub issue 并行调查产出有证据支撑的根因piv-implement-issue按根因实现修复带回归测试并行工作skill作用worktree-create起 N 个 git worktree各自配置、装依赖、体检worktree-merge通过一条安全集成分支合并这些分支搭建自己的 AI 层meta-skillsskill作用rules-create-global从代码库或规格里提炼一份精简的根 CLAUDE.mdrules-check-drift检查规则文件在近期改动后是否还成立ablate-ai-layer把规则剥掉重跑同一任务看它们到底还值不值得留着skills-create写一个新 skill或把一个臃肿的拆成 SKILL.md 加 referenceshooks-create把绝不让 agent 碰我的迁移这种约束变成可用的 hookopportunity-scan读你怎么干活推荐下一个该编码进去的东西system-execution-report复盘刚结束的实现看哪里偏离了计划system-evolution-review找流程里的 bug而不是代码里的second-brain-audit找出笔记里悄悄失效的事实重排结构全自动autonomyskill作用build-dark-factory拿一份 PRD搭一个没人在键盘前也能产出合格代码的仓库工具toolsskill作用agent-browser给 agent 的浏览器自动化导航、填表、点击、截图、提取ast-grep按 AST 结构搜代码而不是按文本setup-ai-tutor搭课程的示例项目按需适配或删掉这 33 个 skill 加在一起常驻上下文只占约 4200 个 token。因为启动时只加载每个 skill 的简介正文等到真正触发那个 skill 才加载。这正是它比一份两千行的 CLAUDE.md 更能撑住规模的原因。八、怎么装怎么改成自己的装这套东西Cole 给了四条路更省事的是当成 Claude Code 插件两条命令就装完。装完33 个 skill 全部就位只读、可更新。插件装的 skill 带命名空间调用时写成/skills:piv-implement。不想用插件也可以用 npx 装成可编辑的普通文件。这一方式把真实文件写进仓库可以直接改。说一旦知道哪些 skill 会反复使用更推荐这条。更省事的办法是把 README 里那句话交给 agent让它自行挑选。看看 .claude/skills 里的 skill把适合这个项目的复制进我的 .claude/skills 文件夹告诉我你挑了哪些、为什么。装完有两处要自己动手。piv-validate 里留着一串占位符形式的测试命令需要填上项目真实的测试、类型检查、lint 命令。piv-commit 和 piv-create-pr 会读.claude/references/conventions.md建一个这样的文件提交和 PR 便按自己的规范执行而非凭空猜测。原话值得记住一个没读过的 skill只是一段你控制不了的长 prompt。建议始终是读一遍挑选符合自己工作方式的留下剩下的改写或弃用。九、这些 skill 之外他在讲一件事把这套东西拆开看33 个 markdown 文件只是载体最有价值的部分是背后的判断。把开发流程里的每个动作都拆成了边界清晰的一小步。想清楚要什么规划好怎么建动手去实现是三场彼此独立的对话不应混在一起。写代码之前先定测试对终点具体、对手段放权。这些原则拆得足够细细到每一条都能装进一个 markdown 文件就成了这 33 个 skill。从来不手写这些 skill。想改某一个就把它的 SKILL.md 交给 agent说一句把某处改一下让 agent 自己改。这套系统是活的会随自身的习惯继续演进。仓库里那些 meta-skills 尤其耐人寻味。rules-check-drift 检查规则是否过时ablate-ai-layer 把规则剥掉重跑看它是否还值得保留second-brain-audit 找出笔记里悄然失效的事实。这些 skill 管的是流程本身而不是代码。这套体系的设计者早就不再计较单个任务能不能做对而是在维护那一整套让任务持续做对的机制。最后当下AI大模型是当下实打实的优质风口岗位缺口大、发展前景广、薪资待遇突出对比内卷严重、涨薪晋升困难的传统技术岗是普通人转行逆袭的绝佳选择。但很多想要入局大模型领域的朋友都面临无系统学习路径、无实战资源、求职无方向的难题一个人硬啃最容易走弯路、浪费大量时间精力。这里我结合多年一线实战与教学经验整理出一套零基础大模型专属资料包含系统化学习路线图零基础到精通大模型学习书籍 文档电子版2026 最新行业报告项目实战 配套源码大厂面试真题需要的朋友微信扫描下方 CSDN 官方认证二维码免费领取保证 100% 免费。扫码免费领取全部内容下面简单介绍一下资料包含的内容1、大模型系统化学习路线图专属定制从零基础入门到企业级实战的全阶段学习体系划分清晰的四大学习阶段规避碎片化学习弊端适配新手2、0基础到进阶视频教程配套完整高清实操教程覆盖Prompt提示工程、RAG知识库搭建、Agent智能体开发、模型微调、部署落地等核心知识点所有课程搭配实操演示零基础也能轻松看懂、上手实操。3、大模型学习书籍 文档汇总30本行业经典AI、大模型、深度学习精选书籍涵盖理论原理、开发实战、算法基础、AI产品思维等各类内容4、AI大模型最新行业报告整理2024-2026年最新大模型行业白皮书、市场分析报告清晰展现行业发展趋势、技术迭代方向、岗位需求变化帮助学习者精准把握行业风口找准学习和就业方向5、大厂面试真题汇总了常见的AI大模型面试问题、知识点梳理和面经参考方便求职时针对性准备。6、大模型项目实战 配套源码包含GPT应用开发、RAG私有知识库、智能问答系统等多个企业级实战项目配套完整可运行源码从简易Demo到完整商业应用全覆盖帮助学习者将理论转化为落地实战能力积累项目经验。7、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。8、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料