扛不住 AI 的灵魂拷问？详解 grill-me 技能如何封堵决策树漏洞

作为架构师，你一定经历过这种痛苦：代码写到一半，突然发现某个边界情况（Edge Case）没对齐，导致整个底层逻辑要重构。这种“决策延迟”是软件工程中成本最高的错误。而更可怕的是，当你把需求丢给 AI 时，它往往会顺着你的思路“无脑点头”，直到线上崩溃你才发现它的逻辑全是漏洞。

Matt Pocock 的 Agent Skills 里最“招人烦”但也最硬核的技能就是 grill-me。它的存在不是为了帮你写代码，而是为了摧毁你的不成熟方案。它会像一个极其挑剔的资深架构师，不断对你进行灵魂拷问，直到把你方案里所有未决的决策树分支全部封死。

💡 报错现象总结：开发者在项目初期缺乏深度设计，导致 AI 生成的代码在处理高并发、异常重试或边缘权限时出现逻辑断层。使用 grill-me 技能时，若讨论上下文过于模糊，AI 会陷入循环追问模式。在极端情况下（如 Issue #44 提到的 Codex 案例），若缺乏反馈终止逻辑，系统甚至可能一口气抛出上百个问题。

为什么 AI 总是对你的错误方案“保持沉默”？

普通大模型的本性是“迎合”。你给它一个烂方案，它会基于概率给你一个看起来像样的烂代码。这在工程上是极其危险的。

grill-me 的核心架构逻辑是对抗性博弈（Adversarial Interviewing）。它利用 Parallel Sub-agents（并行子代理） 在后台模拟不同的失败场景（Failure Modes），并把这些潜在风险转化为具体的问题抛还给你。

# 案发现场：你告诉 AI “我要做一个文件上传功能”
# 普通 AI：好的，这是代码... (完全没问断点续传、文件校验、容量限制)

# grill-me 介入：
AI: 如果上传中途网络断了，用户需要从头开始吗？
AI: 如果两个用户同时上传同名文件，你的覆盖策略是什么？
AI: 针对恶意上传的超大 Zip 炸弹，你的后端有流式解析限制吗？

深度剖析：grill-me 如何封堵决策树的“死角”？

在 skills 的源码设计中，这个技能的核心是构建一个动态的决策图谱。

评估维度	传统设计评审 (手动)	grill-me (AI 驱动)
覆盖深度	受限于评审人的经验，容易遗漏非核心链路	穷举式扫描，覆盖重试、幂等、超时等全分支
执行反馈	周期长，通常在代码写完后才发现问题	实时反馈，在写第一行代码前就锁定逻辑
情绪压力	人人评审可能存在职场顾虑	无情且中立，只针对逻辑，不针对人

它强制要求你在每一个 IF/ELSE 分支点给出明确的业务指令。只有当 AI 认为当前上下文足以支撑一份“无歧义”的代码生成时，评审才会结束。

手动“自纠自查”的低效陷阱

在没有 grill-me 的情况下，很多老练的开发者会尝试用“自问自答”的方式来完善方案：

1. 编写 Checklist：维护一个超长的架构评审清单，每次都要对着勾选。但问题在于，不同的项目（如前端 vs 大数据）需要的清单完全不同，静态清单很快会失效。
2. 多次对话拉扯：在对话框里不断问 AI：“我的方案还有什么漏洞？”。但 AI 往往会回复你一些“增加日志、注意安全”之类的废话。
3. 写 Demo 验证：通过写原型代码来发现问题，这本质上是“以命换钱”，一旦发现底层逻辑错了，之前的代码全是沉没成本。

这种“人工扫描”的逻辑密度远低于 grill-me 的并行子代理架构，很容易在上线前夜被一个低级逻辑漏洞“偷袭”。

在第一行代码前“修好”所有 Bug

真正的工程高手不以改 Bug 为荣，而以“不写出 Bug”为傲。利用 grill-me 进行极限压力测试，是你从码农向架构师跨越的关键。

为了帮你驯服这个“灵魂拷问机”，我已经在 GitCode 发布了 《Agent Skills：grill-me 技能调优参数与实战案例集》。这份资料针对 Issue #44 中提到的“问题爆炸”进行了逻辑优化，并提供了一套“决策树闭环模版”。访问 GitCode，领取这套架构重构方案，让你的设计方案在落地前就无懈可击。

[GitCode 推出“AI 架构师挑战赛”，带方案参赛，赢取技术大咖一对一点评。]