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-meSkill 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。

普通 review	/grill-me
泛泛建议	「不能直接开工」+ 具体硬伤
不要求决策	必答题，必须拍板
建议清单	可执行 diff（+门禁、-中文 TTS、阈值表）
通常只审文档	可跨阶段：PRD → 代码 → 数据

---

二、grill-me是什么

项	内容
来源	mattpocock/skills · skills.sh 详情页
安装量	680K+（2026-07）
一句话	A relentless interview to sharpen a plan or design
Skill 正文	仅一句：Run a /grilling session.
触发方式	用户主动（disable-model-invocation: true，不会自动调用）

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 skillsfindgrill

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 skillsaddmattpocock/skills@grill-me-g-y

参数	含义
-g	用户级安装，所有项目可用
-y	跳过确认

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 MeSkill。

输入技巧：

推荐	避免
附上完整 PRD + 技术约束	只说「这个 APP 行不行」
用编号回答决策题	「都可以」「你定」
主动抛一句话原则	等问完才发现方向错了

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

阶段	产出
文档拷问	三轮问答 → PRD v1.1
工程落地	Compose 脚手架 + 核心练习 + 评分引擎
代码复盘	5 个实现层追问
沉淀	PRD 落盘，README 补链

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：

1. SpeechRecognizer与「100% 离线」冲突
2. 系统翻译 ≠ 离线整句翻译
3. Levenshtein 评的是 STT 文本，不是发音

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

维度	v1.0（grill 前）	v1.1（grill 后）
定位	像多邻国的离线英语 APP	会中文者练口语：看中文、听英文、说英文
离线	100% 离线	配英文语音包后可用
语音	英 + 中 TTS/STT	仅英文 TTS/STT；中文只显示
听力	听英文说中文	听英选中文
评分 / 毕业	模糊匹配 + KPI 百分比	阈值 + 同义词表 + 三场景可测毕业考
状态	愿景文档	可开工 → 已实施 W1

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 skillsaddmattpocock/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：

1. 上下文一次给齐— PRD、技术栈、约束不要让人猜
2. 主动抛一句话原则— 「中文不需要读」往往比改十个功能点更有效
3. 结果必须落盘— transcript 会丢，文档不会

---

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

资源	地址
grill-me	https://skills.sh/mattpocock/skills/grill-me
作者仓库	https://github.com/mattpocock/skills

---

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