Как приручить ИИ-агентов с помощью набора навыков Мэтта Покока

Когда разработчики начинают плотно работать с Claude Code или Codex, они быстро упираются в одну и ту же проблему. Агент бодро соглашается с задачей, уходит писать код на пять минут и возвращает пятьсот строк нерабочего спагетти. Знакомая картина? Мэтт Покок, автор Total TypeScript, решил подойти к этой проблеме с инженерной дисциплиной и собрал репозиторий практических инструкций (skills) для ИИ-агентов. А проект vinvcn/mattpocock-skills-zh-CN адаптировал весь этот инструментарий для работы с китайскими языковыми моделями и смешанными контекстами.

Здесь нет абстрактных рассуждений о будущем разработки. Это набор конкретных команд и сценариев, которые заставляют языковую модель действовать как аккуратный мидл или синьор, а не как генератор случайных функций.

Четыре сценария, где агенты обычно лажают

Мэтт выделил типичные грабли, на которые наступают разработчики при передаче задач ИИ, и написал под каждый случай отдельный протокол работы.

Агент делает совсем не то, о чем его просили

Самая частая беда в разработке называется рассинхронизацией ожиданий. Человек думает об одной архитектуре, модель додумывает детали на свой вкус. Чтобы закрыть этот разрыв, автор придумал команду /grill-me (и ее инженерный вариант /grill-with-docs).

Перед тем как браться за код, агент устраивает вам форменный допрос. Он задает серию прицельных вопросов о крайних случаях, структуре данных и требованиях к интерфейсу. Пока дерево решений не сойдется, модель не напишет ни строчки. Это экономит часы переписывания кода.

Модель тратит контекст на лишнюю болтовню

Когда агент попадает в незнакомый проект, он начинает изобретать собственные термины и тратить десятки токенов на объяснение очевидных вещей. Решение кроется в создании документа с единым словарем предметной области (в проекте это называется CONTEXT.md).

Команда /grill-with-docs не просто опрашивает вас, но и сразу фиксирует терминологию проекта и архитектурные решения (ADR). Когда у вас с агентом появляется общий язык, диалог сокращается в разы, а переменные в коде начинают называться одинаково во всех модулях.

Сгенерированный код не запускается

Если модель пишет код без обратной связи, она работает вслепую. Ей нужны тесты. Навык /tdd заставляет агента строго следовать циклу red-green-refactor. Сначала модель пишет падающий юнит-тест, затем реализует ровно столько кода, сколько нужно для прохождения теста, и только потом наводит чистоту.

Для сложных багов есть отдельный сценарий /diagnosing-bugs. Он ведет модель по строгому протоколу: повторить ошибку тестом, сузить область поиска, сформулировать гипотезу, добавить логирование, поправить код и прогнать регрессионный тест.

Архитектура превращается в кашу

Скорость генерации кода провоцирует рост энтропии. Чтобы проект не превратился в сплошной клубок спагетти, используется команда /improve-codebase-architecture.

Она сканирует проект, ищет кандидатов на создание глубоких модулей (с простым публичным интерфейсом и скрытой сложной логикой) и формирует отчет. По сути, это регулярный аудит качества кода прямо в терминале.

Зачем понадобилась локализация на китайский

Оригинальный репозиторий написан на английском, но у локализации от vinvcn есть любопытный технический смысл. Дело не только в удобстве чтения для китайских разработчиков.

Когда вы работаете с азиатскими LLM вроде Qwen или DeepSeek, китайские системные промпты и инструкции снижают потерю контекста. Модель меньше путается в тонкостях формулировок. При этом все идентификаторы, названия команд, пути к файлам и ключи конфигураций оставлены на английском. Ничего не ломается при выполнении скриптов.

Как устроена архитектура навыков

Все навыки в репозитории делятся на две категории:

1. User-invoked команды. Их запускает только человек вручную через слэш. Например, /ask-matt помогает выбрать нужный скилл под текущую задачу, /to-spec собирает обсуждение в тикет, а /wayfinder планирует крупную фичу на несколько сессий вперед.
2. Model-invoked навыки. Их вызывает как сам пользователь, так и агент по собственной инициативе, когда видит подходящую подзадачу. Сюда входят TDD-цикл, разрешение git-конфликтов без жестких абортов, ревью кода и написание черновиков.

Навыки написаны в виде простых Markdown-файлов с инструкциями. Их легко читать и при желании можно отредактировать под правила вашей команды.

Установка за пару минут

Подключить навыки в проект можно через установщик skills.sh:

npx skills@latest add vinvcn/mattpocock-skills-zh-CN

Утилита спросит, какие навыки вы хотите скопировать и в какие каталоги агентов их прописать. Обязательно выберите /setup-matt-pocock-skills.

После установки запустите первичную настройку прямо в диалоге с агентом:

/setup-matt-pocock-skills

Агент уточнит, где вы ведете задачи (GitHub Issues, Linear или локальные файлы), какие метки используете для триажа и в какую папку складывать архитектурную документацию.

Если вы работаете в Claude Code и не хотите хранить копии файлов в каждом репозитории, можно подключить навыки как плагин:

claude plugin marketplace add vinvcn/mattpocock-skills-zh-CN
claude plugin install mattpocock-skills@mattpocock

В таком варианте навыки будут обновляться централизованно при выходе новых версий.

Кому это пригодится

Репозиторий стоит изучить двум категориям инженеров.

Во-первых, тем, кто активно использует Claude Code, Codex или OpenCodeInterpreter и устал бороться с галлюцинациями моделей. Подход Мэтта Покока возвращает разработке предсказуемость за счет жестких рамок и коротких циклов обратной связи.

Во-вторых, это отличный образец того, как вообще стоит писать системные инструкции для ИИ-ассистентов. Даже если вам не нужен китайский перевод, структура файлов в этом репозитории дает наглядный урок по проектированию навыков для агентов. Попробуйте взять пару команд вроде /grill-me в свой ежедневный рабочий процесс, и разницу вы заметите в первый же вечер.