一个叫 skills 的开源项目三周斩获 23k Star，它揭示了一个清晰判断：AI 编码的瓶颈已从生成速度转向工程纪律。

这是什么

TypeScript 领域知名教育者 Matt Pocock 把自己配合 AI 写代码的工程判断流程开源，形成了 21 个 Agent（能自主执行任务的 AI 程序）技能。他针对当下蔓延的 vibe coding（氛围编码：人和 AI 凭模糊感觉写代码，在共识幻觉中前进）提出了系统解法。

这套方法不教提示词技巧，而是诊断 AI 编码的典型失败模式并给出版药：面对 AI 理解偏差，用结构化追问扫清模糊地带；面对 AI 啰嗦和认知负载，建立共享语言（类似项目统一术语表）降低沟通成本；面对 AI 写出跑不起来的代码，强制引入 TDD（测试驱动开发：先写测试用例再写实现代码）重建反馈回路。核心思路是：把软件工程的传统纪律，映射并强制执行到 AI 协作中。

行业怎么看

我们注意到，资深工程师普遍认同 Pocock 的诊断。AI 三天就能把一个代码库搞乱，而人类团队需要三个月来修补，当编码速度不再是瓶颈，可控性必须排在首位。把工程原则而非花哨指令教给 AI，是从玩具项目走向生产环境的必经之路。

但值得我们关心的是反对声音：这套方案对开发者自身的工程素养要求极高。如果使用者本身不懂领域驱动设计（一种聚焦核心业务逻辑的软件设计方法）或测试规范，这些技能就会变成繁琐的流程枷锁，反而拖慢开发。此外，过度约束 AI 的执行路径，也可能抹杀模型在某些场景下涌现的、意料之外的有效解法。

对普通人的影响

对企业 IT：评估 AI 编码工具的投资回报时，需把后期维护成本算进去，AI 生成快不等于整体省成本，必须配套引入工程规范审查。

对个人职场：初级程序员想靠 AI 速成代码的捷径正在失效，懂架构设计和测试规范的工程能力，才是真正的职场护城河。

对消费市场：短期内软件因 AI 赶工导致的 bug 可能会变多，长期看，只有被工程纪律约束的 AI 才能交付稳定可靠的产品。