写代码用到的前置思考类 Skill 梳理与推荐

到目前为止，对于稍微复杂点的需求，应该很少人上来就上 AI 埋头写代码吧？

大部分情况下我们对于接收到的需求，或者自己想要实现的一些功能会选择进行前置性的需求分析、方案设计、边界场景分析等，然后才会开始写代码实现。

大部分 Agent 工具也提供了「前置思考」的 Plan Mode 能力，除此之外也有很多被 Star 超多的前置思考的 Skill，例如 Anthropic 官方的 brainstorming skill（也就是 superpowers），grill-me、grill-with-docs、to-prd、planning-with-files 等。

下面是 skills.sh 上一些比较热门的前置思考的 skills。

Skill	类型	主要能力	安装量
grill-me	追问拷问	对方案、架构进行系统追问，逐层暴露假设、分支和风险	688.4K
grill-with-docs	领域建模审查	结合代码、术语表、ADR 和具体场景审查设计	583.4K
to-prd	PRD 生成	读取代码库和上下文，生成结构化 PRD、测试边界和实施依据	360.2K
planning-with-files	持久化规划	使用 task_plan.md、findings.md、progress.md 保存思考和进度	38.8K
planning-with-files-zh	中文持久化规划	上述方案的中文变体，增加上下文恢复、错误记录和决策约束	16.1K
planning-and-task-breakdown	任务拆解	将模糊需求拆成可验证任务，并定义验收标准和执行顺序	17.3K
requirements-analysis	问题定义	区分「用户想要的方案」和「真实问题」，发现约束，避免过早进入实现	2.2K
planning-under-uncertainty	不确定性规划	识别技术、市场、组织等不确定性，建立检查点和调整机制	1.6K

同时还有很多开源的 Spec-driven development（规范驱动）流派项目，也提供了一些前置思考的流程，例如 OpenSpec 的 /opsx:explore、Kiro 的 requirements、Spec Kit 的 /speckit.specify 等。

这样一看，前置思考的方案还是比较多的，但是这些方案之间有什么区别，以及在什么情况下应该选择哪种方案呢？

首先我们需要将这些所有的前置思考能力可以总结为两类：

• 开放发散探索：扩大解空间，寻找问题、方案、假设和可能路径：superpowers、/opsx:explore
• 质询收敛：暴露歧义、挑战假设、明确边界并做出决策，例如：grill-me、superpowers

上面提到的但是没有总结到这两类的 skill 或者 Spec-driven 流派，他们实际上重点做的是：把结论变成可复用、可验证、可执行的结构化资产。

再来 开放发散探索 和 质询收敛 这两者我们又该如何选择呢？

最重要的是看任务的问题和方向是否明确。

如果问题和方向不明确，那么应该选择 开放发散探索。

例如：「我想做一个权限系统，但不知道应该解决哪些核心问题。」那么就应该选择 开放发散探索，因为这个问题和方向不明确，需要扩大视野，寻找可能的方案。

如果问题和方向明确，那么应该选择 质询收敛。

例如：「我们决定做多租户 RBAC，但角色继承、数据隔离和超级管理员边界还没定。」此时重点不是产生更多想法，而是通过追问确认：为什么这样设计？有没有遗漏场景？哪些规则互相冲突？什么条件下这个方案会失败？有没有更简单的替代方案？

然后才是选择是：直接 Plan Mode 指定实现还是需要进行规范驱动落盘。

从大的方面我们知道了思考前置技能的类型选择，那么接下来我们再来看看具体的技能选择。

首先是大名鼎鼎的 superpowers，也就是 Anthropic 官方的 brainstorming skill。

https://github.com/obra/superpowers

它不是只有一个 brainstorming skill，而是一套完整的软件开发工作流：

brainstorming
    -> writing-plans
    -> executing-plans
    -> verification-before-completion

brainstorming 是它最核心的前置思考能力。包括了：了解当前项目背景、逐个提出澄清问题、分析真实需求、提出多个实现方案、比较不同方案的取舍、输出设计说明、获取用户确认、进入计划编写阶段，可以看到其实他是覆盖了 开放发散探索 + 质询收敛 环节的。

这类能力不一定都是独立的 Skill。有些是 Agent 自带的工作模式，有些是独立命令，有些则是完整的规范驱动开发工具链。

本文将它们归纳为三类：

开放发散探索
质询收敛

一、开放发散探索

开放发散探索的目标，是扩大问题空间。

它适合以下情况：

• 还不知道真正要解决什么问题
• 需求只有一个大致方向
• 存在多个可行方案
• 需要了解用户、场景、约束和竞品
• 技术路线还没有确定

例如：

我想做一个权限系统，但还不清楚应该解决哪些问题。

这时不应该直接生成数据库表或 API。更合理的做法是先回答：

• 谁会使用这个系统？
• 目前有什么问题？
• 哪些场景最重要？
• 是否存在不同租户或组织？
• 权限是针对功能、数据，还是资源？
• 有没有现有系统需要兼容？

开放发散探索的常见形式包括：

• Brainstorming
• Research Planning
• Alternative Exploration
• Product Discovery
• 技术方案对比
• 代码库探索

这一阶段的重点不是马上得出结论，而是避免过早进入一个错误方向。

但开放探索也有一个问题：容易持续产生想法，却迟迟无法做决定。因此必须设置结束条件，例如：

• 已经明确问题定义
• 已经列出主要约束
• 已经确定两到三个候选方案
• 已经知道下一步需要解决的关键问题

二、质询收敛

质询收敛的目标，是减少不确定性。

它适合以下情况：

• 已经有目标或初步方案
• 但方案中的假设还没有确认
• 需求存在歧义
• 边界场景没有定义
• 错误决策的代价较高

例如：

我们决定采用多租户 RBAC，但角色继承、数据隔离和超级管理员边界还没有定义。

这时需要重点追问：

• 为什么采用这个方案？
• 还有没有更简单的方案？
• 哪些场景不适用？
• 不同约束之间是否冲突？
• 失败时应该如何处理？
• 这个设计能否覆盖后续扩展？
• 验收标准是什么？

grill-me 和 grill-with-docs 就属于这一类。

它们的特点是：

• 持续追问
• 挑战已有假设
• 识别遗漏场景
• 检查术语是否准确
• 结合代码库和现有架构进行审查
• 在执行前暴露风险

Kiro 的 Analyze Requirements 也属于质询收敛。它会检查：

• 逻辑矛盾
• 模糊表达
• 冲突约束
• 未声明假设
• 缺失的边界场景

这一类能力适合架构设计、权限模型、支付流程、安全方案和数据模型等高风险任务。

需要注意，质询收敛不等于无限提问。它应该围绕决策展开，最终形成明确结论：

问题是什么
方案是什么
为什么选择它
有哪些限制
如何验收

三、如何选择

选择哪一类能力，主要看当前的不确定性在哪里。

1. 不知道要做什么

选择 开放发散探索。

例如：

我想做一个企业级权限平台，但还不清楚产品边界。

2. 知道要做什么，但不确定方案是否正确

选择 质询收敛。

例如：

已经决定做 RBAC，但角色模型和数据权限还没有确定。

3. 方案已经确定，但执行比较复杂

选择 规范驱动落盘。

例如：

权限模型已经确认，需要多个 Agent 分别开发后端、前端、数据库和测试。

可以使用下面的判断方式：

方向不清楚
    -> 开放发散探索

方向清楚，但假设和边界不清楚
    -> 质询收敛

方案确定，但执行复杂或需要协作
    -> 规范驱动落盘

复杂任务可以组合使用：

开放发散探索
    -> 质询收敛
    -> 规范驱动落盘
    -> 实现与验证

简单、明确、容易回滚的任务，可以直接执行，不需要完整流程。

结语

前置思考类能力可以归纳为两类：

开放发散探索
质询收敛

三者解决的问题不同：

• 开放发散探索，解决方向不清
• 质询收敛，解决方案不稳

Claude Code Plan Mode、Kiro、Spec Kit、OpenSpec、grill-me 和 planning-with-files 虽然产品形态不同，但都在解决一个共同问题：

让 Agent 在执行之前先理解问题、验证方案，并把重要结论保留下来。

因此，选择工具时不应该只看名称，也不应该只看安装量。更重要的是判断当前缺少哪一种能力。