先拷问，再开工：grill-me + Trellis 重塑我的 Claude Code 工作流

先拷问，再开工：grill-me + Trellis 重塑我的 Claude Code 工作流

AI 写代码的瓶颈早已不是模型能力，而是人和模型之间的信息带宽。这篇文章介绍两个互补的开源工具：一个几句话的极简技能 grill-me，和一个完整的工作流框架 Trellis，看它们如何分别解决"开工前想清楚"和"开工后有章法"两个问题。

一、问题：AI 总是带着错误假设狂奔

用过 Claude Code 的同学大概都经历过这样的场景：

你描述了一个功能，AI 热情地起草方案、噼里啪啦写完代码。二十分钟后你发现它漏掉了一半需求------边界情况是它自己猜的，依赖关系是它自己定的，而且经常猜错。返工的时间和 token 都白白烧掉，代码库还离你的初衷越来越远。

第二天再打开项目，又得花十分钟跟 AI 复述"我们项目用什么规范、昨天做到哪了"。

问题不在模型不够聪明，而在于两个环节失守了：开工前没把需求想透，开工后没有章法约束。最近社区里有两个互补的工具刚好分别堵住这两个口子。

二、grill-me：让 AI 先"审讯"你

grill-me 由前 Vercel 工程师 Matt Pocock 分享后在开发者社区迅速走红。它可能是你见过最短的 Claude Code 技能------整个 SKILL.md 只有几句话，核心思想是：

在写任何代码之前，无情地采访用户，沿着设计决策树的每个分支走下去，逐一解决决策之间的依赖，直到双方达成共同理解。每个问题都附带推荐答案；能在代码库里查到的，不要问用户。

2.1 工作方式

启动后，Claude 进入"面试模式"，对每个问题做三件事：

1. 每次只问一个聚焦的问题（架构、数据模型、UX、边界情况......）；
2. 基于对代码库的了解，给出它推荐的答案------不是单方面拷问，而是带专业建议的推敲；
3. 如果答案能在代码里直接查到，它自己去读代码，不浪费你的时间。

整个过程像遍历一棵决策树，一个分支一个分支地过，直到没有任何隐含假设能蒙混进实现阶段。AI 辅助开发最常见的失败模式------"带着错误假设一路狂奔"------在源头就被掐断了。

2.2 安装与使用

在项目里创建技能文件（也可以放到 ~/.claude/skills/ 全局生效）：

mkdir -p .claude/skills/grill-me

然后创建 .claude/skills/grill-me/SKILL.md，内容大意如下（可按自己习惯微调措辞）：

---
name: grill-me
description: 在达成共同理解之前，就计划或设计对用户进行不留情面的逐项追问
---

Interview me relentlessly about every aspect of this plan
until we reach a shared understanding.
Walk down each branch of the design tree,
resolving dependencies between decisions one-by-one.
For each question, provide your recommended answer.
If a question can be answered by reading the codebase,
read it instead of asking me.

使用时机只有一条原则：在写代码之前用，而不是之后。描述新功能前先让它把你"烤"一遍。

2.3 意外收获：知识提取

grill-me 还有个被低估的用途。有开发者分享过：他用这个技能被连续追问了五十多分钟关于自己的业务流程，结束时 Claude 对那个流程的理解超过了他自己写过的任何文档。

在大家都用同一个模型的时代，模型本身不构成你的优势------你脑子里的领域知识和决策才是。grill-me 恰好是把这些知识"榨"出来喂给机器的最好工具之一，比自己闷头写三百行"brain dump"文档有效得多。

三、Trellis：给 AI 搭一个生长的架子

如果说 grill-me 解决的是单次任务的"想清楚"，Trellis 解决的则是整个项目周期的"有章法"。

• 项目地址：github.com/mindfold-ai/Trellis
• 文档站：docs.trytrellis.app/zh（中英双语）

这个名字本身就是隐喻：AI 的能力像藤蔓一样旺盛但四处蔓延，Trellis（棚架）是引导它沿规范路径生长的架子。项目开源 60 小时内拿到上千 Star，还登上了阮一峰的科技爱好者周刊。

3.1 核心机制：Hook 自动注入

Trellis 通过 Hook 把项目规范自动注入每一次对话，让 AI 每次都按你的标准写代码，而不是随机发挥。初始化后项目里会多出一个 .trellis/ 目录：

.trellis/
├── spec/         # 项目标准、模式、指南（一次编写，随处注入）
├── tasks/        # 任务 PRD、上下文文件、状态
├── workspace/    # 个人日志与会话连续性
├── workflow.md   # 共享工作流规则
└── scripts/      # 自动化工具

初始化时通过平台参数决定生成哪套配置，支持十多个平台，团队里混用不同工具也能共享同一套规范：

# 按你的工具选择对应 flag
trellis init --claude    # Claude Code
trellis init --cursor    # Cursor
trellis init --opencode  # Opencode
# 还支持 --codex / --copilot / --windsurf / --gemini 等

3.2 五个实打实的好处

① 规范一次编写、永久生效。 项目约定写进 spec 后自动注入每次会话，不用每次开新对话都重新解释。spec 库还是自更新的------用得越多，AI 越懂你的项目。

② 跨会话记忆。 工作记录持久化到仓库。以前第二天打开项目得先花十分钟复述进度，现在基本接着干就行。

③ 结构化开发流程。 日常主力是 /trellis:start：你说需求，它先判断是简单问题还是开发任务------简单的直接答，复杂的进入完整流程：

需求理解 → 调研分析 → PRD 编写 → 编码实现 → Check 验证

整个过程有章法，不是想到哪写到哪。

④ 真正的并行开发。 /trellis:parallel 是效率倍增器。以前一个会话只能干一件事，强行并行就互相踩文件；parallel 模式在隔离的 git worktree 里给每个任务分配独立 Agent------一个 Orchestrator 在主仓库统筹，多个 Worker 在各自 worktree 并行执行，完成后直接出 PR。它适合复杂度高、预计超过 30 分钟、可拆成独立子任务的需求。

⑤ 团队共享。 规范放在仓库里随代码走。团队里有一个高手打磨出一版好规范，就能拉高全员的 AI coding 水平------这是个人提示词技巧做不到的杠杆。

四、组合工作流：1 + 1 > 2

这两个工具刚好覆盖一个功能从想法到落地的完整链路：

新需求
  │
  ▼
[grill-me] 逐分支拷问 → 消灭隐含假设 → 沉淀决策
  │
  ▼
[/trellis:start] 决策写入 PRD 与 spec → 结构化实现 → Check 验证
  │
  ▼
（大型多任务）[/trellis:parallel] worktree 隔离 + 多 Agent 并行 → PR

一句话总结分工：

grill-me 保证"做对的事"，Trellis 保证"把事做对、并且做得可持续"。

成本上两者都很友好：grill-me 几乎零成本，一个 markdown 文件一分钟装好；Trellis 更适合中大型项目和团队场景。如果只是写个小脚本，单用 grill-me 就够了；但只要项目会活过一周、会有第二个人参与，这套组合带来的确定性和连续性，很快就能把初始配置成本赚回来。

五、写在最后

AI 辅助开发走到今天，瓶颈早已不是模型的代码能力，而是人和模型之间的信息带宽：你想要什么、项目的约定是什么、昨天做到哪了。

grill-me 和 Trellis 各自从一端压缩了这个带宽损耗------一个在开工前把你脑子里的东西问出来，一个在开工后把项目的规矩立起来。两个都不复杂，但组合起来，AI 写代码这件事就从"碰运气"变成了"有工程"。

---

相关链接

• Trellis：github.com/mindfold-ai/Trellis ｜ 文档：docs.trytrellis.app/zh
• grill-me：Matt Pocock 分享的极简技能，各技能市场（如 skillsplayground、claudemarketplaces）均可一键安装