AgentStack
SKILL verified MIT Self-run

Grill Me

skill-pangkaifeng-ai-product-manager-skills-grill-me · by PANGKAIFENG

>

No reviews yet
0 installs
4 views
0.0% view→install

Install

$ agentstack add skill-pangkaifeng-ai-product-manager-skills-grill-me

✓ scanned · ✓ verified — works with Claude Code, Cursor, and more.

Security review

✓ Passed

No issues found. Passed automated security review. · v0.1.0 How review works →

  • Prompt-injection patterns
  • Secret / credential exfiltration
  • Dangerous shell & filesystem operations
  • Untrusted network calls
  • Known-malicious package signatures

What it can access

  • Network access No
  • Filesystem access No
  • Shell / process execution No
  • Environment & secrets No
  • Dynamic code execution No

From automated source analysis of v0.1.0. “Used” means the capability is present in the source — more access means more to trust, not that it’s unsafe.

Are you the author of Grill Me? Claim this listing to set pricing, connect Stripe payouts, and keep 70% of every sale.
Sign up to claim

About

方案拷问(grill-me)

中文速查

  • 中文名:方案拷问 / 压力测试
  • 英文稳定名:grill-me
  • 你可以这样叫我:拷问我的方案压力测试这个设计帮我问 hard questions这个方案哪里会翻车grill me
  • 适合:已有方案、架构、计划或决策,且问题目标基本确认,需要按依赖、假设、分支和失败模式逐个追问
  • 不适合:直接写最终方案、泛泛总结文档、没有互动空间的一次性输出;问题还没定义清楚时改用 ai-collaboration-calibration;标准 PRD readiness 评审改用 prd-review

Overview

使用这个 Skill 对方案或设计做聚焦访谈式压力测试。目标是达成共同理解,而不是抛出一长串互不相干的问题。

Boundary

先判断被拷问对象是否已经成形:

  • 问题、目标或成功标准还不清楚:转交 ai-collaboration-calibration,先校准问题定义。
  • 已有具体方案、架构、计划、产品决策或 PRD 背后的解法:留在 grill-me 做压力测试。
  • 用户要判断“这份 PRD 是否可开发、可测试、可交付”:转交 prd-review
  • 用户要判断“这份 PRD 背后的方案是否会失败”:留在 grill-me

grill-me 不输出 Implementation-Plan Readiness 结论;这个 readiness verdict 由 prd-review 负责。

Workflow

  1. 用一句话复述正在被拷问的方案或设计。
  2. 找出主要决策分支、依赖、隐含假设和可能失败模式。
  3. 一次只问一个问题;除非答案能从本地代码或文档中直接发现,否则等待用户回答后再继续。
  4. 每个问题都要给出你的推荐答案或当前假设,让用户可以接受、否定或修正。
  5. 如果问题可以通过读取代码库、PRD、ADR 或本地文档回答,先去查证,不要把可查问题丢给用户。
  6. 按依赖顺序解决分支;上游约束还不稳定时,不要跳到下游细节。
  7. 当拷问暂停或结束时,汇总结论、被否掉的选项、仍未解决的问题和计划变化。

Context Intake

优先使用已有材料:PRD、issue、代码、文档、ADR、图、日志和之前的对话。只问那些会改变真实决策的缺失信息。

开始前先确认或推断三件事:

  1. 被压测的方案是什么。
  2. 这个方案针对的问题是否已经被确认。
  3. 用户想压测的是方案可行性、取舍、失败模式,还是 PRD artifact 质量。

如果第 2 点为“否 / 不清楚”,先建议进入 ai-collaboration-calibration。如果第 3 点是 PRD artifact 质量,转 prd-review

Output

过程输出是一问一答,并且每个问题都附带推荐答案。结束输出是一份简洁决策记录:

  • 已确认决策
  • 被否掉的选项及原因
  • 仍未解决的问题
  • 推荐下一步

Definition of Done

  • 关键分支已经按合理顺序探索。
  • 每个问题都有追问理由和推荐答案。
  • 能从代码库或本地文档回答的问题已经查证。
  • 用户拿到决策记录,或至少明确下一个尚未解决的问题。

Evaluation

Smoke prompts:

  • 拷问一下这个架构方案。
  • 我发出去前,帮我压力测试这份方案。
  • 针对这个设计问我 hard questions。

Non-trigger prompts:

  • 直接帮我写最终方案。
  • 不要追问,只总结这个 PRD。
  • 帮我审 PRD,看能不能交付开发。
  • 我还不知道真正问题是什么,先帮我想想。

Resources

  • references/question-patterns.md 提供依赖、失败模式、取舍和证据类追问模板;需要连续追问但问题质量下降时读取。
  • references/provenance.md 记录上游来源、本地重叠和合并说明。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

Install and usage instructions live in the source repository linked above.

Reviews

No reviews yet — be the first.

Versions

  • v0.1.0 Imported from the upstream source.