grill-me Skill
面向 Claude Code 和 AI 编程代理用户，通过持续追问把模糊计划整理成已确认的需求、决策与边界。
工具简介
采用判断：值得把它作为写代码前的需求对齐工具，尤其适合需求模糊、分支较多或返工代价较高的任务；但它更像一个轻量的提问流程，而不是完整的软件工程方法论，建议把它当作前置检查环节而非独立解决方案。
实际作用是围绕一份计划或设计持续提问，逐步走过设计树，澄清依赖关系、关键决策和边缘情况，直到用户与代理形成较一致的理解。它的主要产出是更明确的需求、已确认的选择和需要继续处理的边界，之后仍需其他工具负责写代码、测试、文档或项目执行。它不是自动编程器，也不是项目管理、产品需求管理或替用户拍板的决策系统；更准确的类比是一个会追问的苏格拉底式设计评审员或需求澄清清单。
门槛相对低：社区文章称其核心指令只有几段，使用重点不在配置复杂系统，而在能否认真回答连续问题。代价主要是增加前期交互时间，并要求用户拥有可使用该 skill 的 Claude Code 或其他兼容 AI 编程代理。作者曾在 X 提到 batch 版本能更快处理简单问题，但这只是版本体验描述。证据没有提供官方定价或 API 费用；实际模型调用成本取决于宿主代理、账户和使用量，不能把任何演示成本视为稳定承诺。它适合开发者、产品或设计人员在实现前校准想法，不适合已经有完整规格、只想立即生成代码，或不愿投入时间回答问题的人。
社媒共识整体偏正面，讨论集中在减少模糊需求、降低 AI 自行做决定的风险，以及用于设计评审和面试准备。热度证明较明显：排名数据有 19 条社媒证据、12 条 X 提及和较高浏览量，知乎还出现“安装超过 60 万次”的说法；这些只能说明受关注，不能证明稳定好用。好用证明相对有限但并非没有：样本包含几篇知乎拆解、对比文章和体验回答，讨论质量中等，实测和长文多于纯短帖，但没有看到独立基准、系统失败率或广泛可复现的教程。