拒绝 Vibe Coding：为什么顶级 TS 大佬抛弃 Cursor 拥抱 Agent Skills？

在 AI 辅助编程领域，如果你还停留在“写一段注释让 Cursor 猜代码”的阶段，那你可能已经陷入了所谓的 Vibe Coding（凭感觉编程）陷阱。作为一名长期混迹于 GitHub、习惯于扒开每一行源码看逻辑的底层架构师，我最近在深度测评 Matt Pocock 的 Agent Skills 时，发现了一个非常硬核的真相：真正的工程化，不该是把逻辑交给 AI 的“幻觉”，而应该是将 AI 约束在结构化的 PRD 与决策树内。

很多人在对比 Agent Skills vs Cursor 时，按照官方文档跑一遍 npx skills@latest add 就以为大功告成了，结果往往在第一步就栽了跟头。

💡 报错现象总结：开发者在使用 Cursor 或类似 AI 工具时，经常遇到生成的代码缺乏工程上下文、PRD 逻辑断层或无法自动同步到 GitHub Issues 的情况。使用 Agent Skills 时，若未正确配置 to-prd 权限或环境变量，会频繁抛出 Error: Unable to synthesize conversation into a formal document 或 API 鉴权超时。

从“对话框”到“工作流”：Cursor 的局限性与架构隐患

大多数人安利 Cursor，是因为它的补全够快、对话够顺。但在大型项目中，这种“对话驱动”模式简直是噩梦。Cursor 的底层逻辑是片段补全（Snippet Completion），它并不理解你的工程全局。

当你试图用 Cursor 生成一份完整的 PRD 并将其拆解为可落地的任务时，你会发现它生成的 Issue 极其零散，且缺乏**垂直切片（Vertical Slices）**的深度。

// 典型的 Vibe Coding 生成代码：逻辑散落在各个文件，缺乏统一的工程约束
export const useUser = () => {
  // AI 拍脑袋想出来的状态管理，完全没考虑 PRD 中的权限边界
  const [user, setUser] = useState(null); 
  return { user, setUser };
};

相比之下，Matt Pocock 的 skills 项目通过 to-prd 和 to-issues 两个核心技能，强制 AI 必须先从当前对话中萃取结构化的文档。它的核心架构逻辑是：不经过 grill-me（灵魂拷问）的方案，不准进入开发阶段。

特性维度	Cursor (Vibe Coding 代表)	Agent Skills (真工程范式)
驱动核心	概率预测（猜测你想要什么）	逻辑闭环（基于讨论上下文合成 PRD）
工程约束	弱，依赖开发者肉眼 Review	强，内置 git-guardrails 和 grill-me
任务分发	手动拷贝到 Issue	自动调用 gh CLI 实现原生 Sub-issues 关联
决策质量	随大模型版本波动	通过并行子代理（Parallel Sub-agents）生成多个设计稿

源码追溯：to-prd 是如何强行矫正 AI “幻觉”的？

在 skills 的源码中，to-prd 并不是简单的总结。它通过一个极其精密的 system-prompt 模版，要求 AI 识别出当前的业务目标、用户故事和技术边界。

很多人在本地执行 npx skills@latest add mattpocock/skills/to-prd 时报错，原因在于该技能高度依赖宿主机的 gh CLI 状态。如果你的 gh auth status 没有返回正确的 Token，或者该 Token 缺乏 issues:write 权限，AI 合成的结果将永远无法持久化。

# 源码中典型的报错诱因：缺少对 GitHub CLI 状态的原子级校验
# 如果 gh 指令执行失败，Node 进程会直接退出，导致对话上下文丢失
execSync(`gh issue create --title "${title}" --body "${body}"`); 
// 报错：error: insufficient scopes to create issue

更硬核的地方在于 design-an-interface 技能。它使用了 Parallel Sub-agents（并行子代理） 架构。它不是让一个 AI 想一个方案，而是同时启动多个隔离的子代理，生成三套甚至更多截然不同的接口设计方案，最后由主代理进行对比分析。这种“赛马机制”才是顶级 TS 大佬追求的架构稳定性。

原生态笨办法的痛苦修行

如果你想在不使用成熟工具链的情况下，手动复现这套流程，你将面临以下地狱级配置：

1. 手动维护上下文：你需要不断地把对话记录拷贝到外部文档，手动排版成 PRD。
2. 配置繁琐的 API 链条：为了实现自动化建 Issue，你需要自己写脚本去调用 GitHub REST API，处理各种 OAuth2 鉴权、Rate Limit 报错以及嵌套的 Sub-issues 逻辑。
3. 处理环境隔离：在 Node 环境、Python AI 环境和系统 CLI 之间平衡依赖。很多时候，你光是折腾 node_modules 和系统环境变量的冲突就能耗掉一个下午。

更别提国内网络环境下，频繁拉取依赖导致的各种 ETIMEDOUT 错误，这种“救火式”开发会让你彻底丧失对技术的成就感。

顶级架构师的思维导图直达

与其在复杂的工程配置和 AI 调优中挣扎，不如直接看看那些顶级 TS 大佬是如何拆解项目逻辑的。为了让你彻底理清 Agent Skills 的核心运作机理，并告别低效的 Vibe Coding 模式，我为你准备了一份现成的“解药”。

我已经在 GitCode 独家整理了一份 《Agent Skills 核心架构逻辑思维导图》。这份导图详细拆解了 to-prd 的提示词链条、grill-me 的决策树分叉逻辑，以及如何绕过各种环境报错的实战配置。直接访问 GitCode，搜索该导图，一键完成从“写代码”到“做工程”的跨越。

[下载 GitCode 独家整理的《Agent Skills 架构思维导图》，开启你的顶级工程化之路。]