Cursor 实战：用 grill-me Skill 把 AI 写的 PRD 拷问到能写代码

文章目录

• • 一、为什么需要「拷问」而不是「review」
  • 二、`grill-me` 是什么
  • 三、快速上手（3 步）
  • • 1. 发现
    • 2. 安装
    • 3. 触发
  • 四、实战回放：从 PRD v1.0 到 v1.1
  • • 4.1 会话主链
    • 4.2 第一轮：愿景合格，规格不合格
    • 4.3 第二轮：一句澄清改变产品形态
    • 4.4 落地与二次拷问
  • 五、前后对比
  • 六、你可以直接复用
  • 七、总结
  • 参考链接
  • 相关推荐

本文记录一次完整实战：用 AI 写了一份「看起来很完整」的 Android PRD，再用 grill-me Skill 做结构化拷问，把愿景文档收敛成 PRD v1.1，并推进到工程落地。 环境：Cursor + Node.js + npx skills · 案例项目：离线职场英语口语 APP（Kotlin + Compose）

一、为什么需要「拷问」而不是「review」

用 AI 写 PRD 很快，但常见问题也很典型：

• 承诺 100% 离线，却没考虑 SpeechRecognizer 在大量机型上要联网
• 写 系统翻译，实际要 API 34+ 且首次下载语言包常需网络
• 写 模糊匹配评分，却没定义同义词、阈值和毕业标准

普通「帮我 review 一下」往往得到「结构清晰，建议补充 xxx」。 /grill-me 的区别是：直接说「不能直接开工」，抛出 A/B/C 决策题，逼你拍板，最后输出可执行的 diff。

二、grill-me 是什么

同作者相关 Skill：grill-with-docs（带文档对照审）、batch-grill-me（批量拷问）。中文镜像：vinvcn/mattpocock-skills-zh-cn@grill-me。

前置条件：Node.js + npx、支持 Agent Skills 的 IDE（本文用 Cursor）、一份待审 PRD / 设计 / 架构文档。

三、快速上手（3 步）

1. 发现

# CLI 搜索
npx skills find grill

或在 skills.sh 搜 grill，按安装量排序。也可在 Cursor 里问：「有没有 Skill 可以像面试官一样追问产品方案？」

2. 安装

npx skills add mattpocock/skills@grill-me -g -y

安装后路径：~/.agents/skills/grill-me/SKILL.md。更新：npx skills update。

3. 触发

在 Cursor 对话输入 /grill-me，附上 PRD 全文；或用 @ 手动附加 Grill Me Skill。

输入技巧：

实现一部分代码后，可再次 /grill-me，让 Agent 基于 README + 源码继续追问——本文案例的第二轮就是这么用的。

四、实战回放：从 PRD v1.0 到 v1.1

4.1 会话主链

PRD v1.0 + /grill-me
→ 第一轮：硬伤 + 5 道必答题 → 用户拍板
→ 第二轮：决策验收 + 4 道追问
→ 用户澄清「中文只显示不朗读」→ PRD v1.1 定稿
→ 创建 Android 项目（W1 骨架）
→ 对着代码再 /grill-me
→ 导出 docs/PRD_v1.1.md

4.2 第一轮：愿景合格，规格不合格

AI 裁决：方向对，不能直接开工。核心硬伤三条：

5 道必答题（不答完不出定稿）：

1. STT 离线失败：阻断 / 文本替代 / 仅提示装语音包？
2. 翻译 MVP：词典还是整句？
3. 56 天终点：哪 3 个场景算「能交流」？
4. 用户路径：线性解锁还是入学分流？
5. MVP 时间盒：6 / 10 周？

用户拍板：仅提示装语音包 · 6000 词词典（整句 v2）· 工作/餐厅/日常三场景 · 入学分流 · 6 周做全。

4.3 第二轮：一句澄清改变产品形态

AI 对拍板做验收（如「仅提示装语音包」须补启动门禁），并追问听力模式、毕业考时机等。

关键转折——用户一句澄清：

会中文的人学英语，读英文即可，中文不需要读。

据此砍掉中文 TTS/STT，「听英文说中文」改为 听英选中文（四选一）。定稿定位：

给会中文的人用的离线英语口语 APP：看中文、听英文、说英文；中文只显示、不朗读。

– 100% 离线 / 中英双向语音 / 模糊匹配 / 系统整句翻译
+ 配好英文语音包后离线 / 仅英文 TTS·STT / 阈值+同义词表 / 6000 词词典
+ 听英选中文 · 三场景 14 题毕业考 · 入学三档分流

4.4 落地与二次拷问

W1 交付：Compose 底部导航、语音环境门禁、入学分流、Room 种子数据、三种核心练习、ScoringEngine。

对着代码再 /grill-me，典型追问：

• 无语音包用户被门禁挡住，有没有 Plan B？
• 同义词表为空时，评分引擎如何判等价？
• W1 只有 3 天课，入学分流差异体现在哪？
• 56 课 + 6000 词，APK 体积与内容迭代策略？
• 艾宾浩斯复习数据，W2 能否平滑迁移？

最后将 PRD v1.1 从对话 transcript 导出至 docs/PRD_v1.1.md——拷问结果必须落盘，聊天不是文档仓库。

五、前后对比

定位窄了，但能做出来的概率高了几个数量级。

六、你可以直接复用

# 1. 安装
npx skills add mattpocock/skills@grill-me -g -y

# 2. 准备 PRD / 设计 / 架构说明

# 3. Cursor 对话
/grill-me
<粘贴你的方案>

# 4. 用编号回答 AI 抛出的决策题

# 5. 要求输出「可开工版」并落盘到 docs/

# 6. 实现后再 /grill-me，对着代码追技术债

三条原则：

七、总结

/grill-me 的 Skill 正文只有一行，但它激活的是一套产品决策压缩器：

• 把隐含矛盾逼到台面（离线 vs STT、评分 vs 发音）
• 把模糊承诺变成可测标准（毕业考 14 题、评分阈值）
• 把聊天纪要变成可落盘的工程规格（PRD v1.1 → docs/）

如果你也在用 AI 写 PRD、技术方案或架构设计，不妨装一个 grill-me，在写第一行代码之前先过一轮「评审面试」。

参考链接

相关推荐

Android 工程师的 AI 搭档：Android CLI + Skills 实战笔记

Ollama 本地高效部署DeepSeek模型深度搜索解决方案