poteto-mode 拆解:57 个技能靠什么“各就各位”不打架
poteto-mode 拆解:57 个技能靠什么“各就各位”不打架
最近技术圈有个开源项目被反复转发:它把 Cursor 里那套被验证过的 AI 编程工作流,整套搬到了 Claude Code、Codex、GitHub Copilot、Pi 等好几个 AI 编程工具上。
大家惊叹的点很统一——这玩意儿居然塞了几十个技能,还都不打架。
要知道,给 AI 助手配技能这件事,很多人踩过同一个坑:技能越加越多,提示词越堆越长,最后 AI 反而不听指挥,遇到个小改动也要翻半天“说明书”,动不动还串台。
pstack 这个项目给出的答案有点反常识:它不是靠“更聪明的 AI”,而是靠一套很像工厂管理的调度制度。今天就用大白话,把它的核心入口 poteto-mode 拆开看看。
一、先说人话:poteto-mode 到底是个啥
你可以把整个 pstack 想象成一家装修公司。
公司里有设计师、水电工、油漆工、验收员,各干各的活。而 poteto-mode 就是门口那个干了二十年的前台调度——你不用知道公司里有多少工种,只要进门说一句“我家厨房漏水”,它就知道该叫谁、按什么顺序干、干完谁来验。
更形象一点:它不是“最厉害的那个工人”,而是那个决定派谁上场的人。
所以你使用它的方式特别朴素:把目标说清楚就行,剩下的分派由它来。
二、几十个技能为什么不打架?关键就三招
第一招:只留一个总入口,不让技能抢活。
仓库里现在有 65 个技能目录:41 个能直接喊出来的公开技能,24 条“原则”参考,另外还配了 23 本流程手册。社区文章里常说的“57 个”,就是这类技能加原则的合计口径,版本更新后会继续长。
听着吓人,但它们的调用关系是树状的,不是网状。
所有非琐碎的任务,先统一进 poteto-mode,再由它按任务类型翻到对应的那本“流程手册”:修 Bug 走一本,加功能走一本,重构走一本,性能问题、排查线上故障、盯着 PR 等 CI,各有一本。
而且每本手册打开的第一步不是写代码,是先把步骤一条条抄进待办清单。你临时决定不做的那一步,不能偷偷划掉,必须留在清单上写一句“跳过,原因是……”。
这一招很土,但极其有效——AI 最爱干的事就是“干着干着换了个思路”,清单加白纸黑字的跳过理由,等于给它戴了个紧箍。
第二招:每个改动都有“户口本”,谁改的、为什么改,写清楚。
这才是它真正的护城河。
因为这是个“移植版”:技能内容归原版作者,移植者只负责把 Cursor 的玩法翻译成各家 AI 工具能听懂的话。两边都在动,最容易出现的情况就是——上游改了,你本地也改了,一合并全乱套。
它的解法是:任何一处“我们故意跟原版不一样”的地方,都必须在一张统一的登记表里报备,注明这是翻译适配还是策略调整、从哪个版本开始、以及为什么。
没报备的分叉,检查直接判失败,一个字都别想提交。反过来,报备了但代码其实跟原版一样,也算不合格,得把这条记录删掉。
合并的时候用三路对照:两边没冲突就自动合,真冲突了就把冲突标记写进文件、列出来让人拍板,绝不悄悄覆盖。
这就像给几十个技能都上了户口:谁是本地的、谁是外来的、哪一处是故意的差异,一目了然。技能数量再多,也不会出现“这个文件到底是谁改的”这种悬案。
第三招:干什么活、用哪个“脑子”,提前写死。
它把工作拆成一个个角色:写新功能、修 Bug、做性能优化、当评审、跑并行验证……
每个角色默认用哪一档模型、思考强度开多大,都写在一张调度表里。你要换,也只改这张表,不许在技能正文里私改。
甚至连“思考多久”都成了一个可以按活儿调节的旋钮:最难的跨模块设计往上调,日常小改往下调,评审环节保持原样以确保几个模型之间还能互相“看不顺眼”。
一句话总结:活分级、人分岗、脑子分档,才不至于一锅粥。

三、自动路由什么时候出手?优先级怎么排
这套东西最讨喜的设计,是它不是事事都管。
会话一开始,它会悄悄塞进一段很短的“路由提醒”,只在三种情况下叫 poteto-mode 出场:
- 改动涉及一个以上文件,或者动了别人也在调用的接口;
- 涉及设计、架构层面的选择;
- 碰上原因不明的 Bug,或者性能问题。
如果你只是改个错别字、问个概念、动一行配置,它就直接干,不叫你翻手册。
而如果你已经把话说得很明确,比如“先写个失败的测试再修”,那就不必绕路,直接进对应的专项技能。
优先级也讲得很清楚:用户写在项目说明里的规矩、你当面下的指令,永远大于这套自动提醒。同时装了别的插件也不冲突,人家的技能照常跑,只是到了要动真格的实现环节,再把活儿交回 poteto-mode 统一调度。
至于触发时机,覆盖了新建会话、恢复会话、清空上下文、上下文压缩这几种场景——也就是说,哪怕聊得太久、AI 的记忆被压扁了,这套调度提醒还会重新贴回来。
想彻底关掉也行,一句话配置就能静音。
四、本地兜底:不上传、不建服务器
这是很多人忽略、但对普通人最重要的一点。
整个项目没有服务器,也没有任何埋点统计。所有脚本都在你自己电脑上跑,跟代码托管平台打交道时,用的也是你本机已经登录好的命令行账号。
它还会把关键决策记成一张本地表格:什么时间、哪个阶段、做了什么决定、依据是什么、结果如何。你要是让 AI 自己跑一整晚,第二天早上可以像批改作业一样一行行核对,而不是只听它一句“搞定了”。
对个人开发者是安心,对公司团队是能过合规那关——代码和聊天记录不会因为装了个“技能包”就多飞出去一份。
五、门槛高不高?普通人能用吗
不用显卡,不用本地大模型,普通笔记本电脑就行。
它本质上是给现成的 AI 编程助手“加装一套工作规范”,算力都在云端模型那边。
安装也很轻:在 Claude Code 里两条命令,在 Codex、Copilot、Pi 上也是各自一两行,甚至可以不下载仓库、直接在线装完就走。装完第一次用,会让你选一下每个岗位想用哪个模型。
适合谁?
- 被 AI“改一处、崩三处”折磨过的开发者;
- 想让 AI 独立跑长任务、又怕它乱来的团队;
- 以及所有想搞明白“AI 编程到底该怎么管”的技术爱好者。
需要提醒的一个小坑:Windows 用户如果靠 PowerShell 脚本挂载这套路由,公司电脑上的组策略可能会把脚本执行锁死,导致“装了但没生效”,表现为 AI 完全不提这套流程。遇到这种情况,先怀疑执行策略,别怀疑项目。
六、结语
pstack 最值得学的地方,其实不是那几十个技能本身,而是它解决“多了就乱”的思路:
一个入口负责分派,一张登记表负责认领差异,一张调度表负责分配大脑,一本本手册负责把活儿切成能验收的小段。
这套思路不只适用于 AI 编程。你手机里那堆效率 App、公司里那套审批流程、甚至家里那柜子调料,本质上都在面对同一个问题:东西一多,怎么让每一样都待在它该在的位置。
那么问题来了——你平时用 AI 写代码或做文档,最让它“翻车”的是哪一类活?是改一处崩三处,还是自信满满地胡说八道?评论区聊聊,说不定下一篇就拆给你看。