В августе 2026 года стало известно, что проект mattpocock/skills на GitHub достиг рубежа в 200 тысяч звёзд. Набор «AI рабочих потоков навыков (Skills)» на основе Markdown включает более 20 Skill‑файлов — они охватывают весь процесс разработки: от планирования требований до управления знаниями. Проект адаптирован для Claude Code, после простой настройки может использоваться в Cursor, экономит токены и имеет низкий порог входа.
Matt Pocock создал проект в начале 2026 года, столкнувшись с рядом проблем при использовании AI‑инструментов для разработки кода. Среди сложностей были «длительное забывание» текста AI, самовольные действия AI, подделка тестовых утверждений, быстрое разрастание сложного и трудноподдерживаемого кода.
29 апреля 2026 года Matt открыл исходный код своих локальных навыков. Популярность проекта росла стремительно: за день он вырос на 7300 звёзд, через неделю превысил 59 000, а к августу 2026 года стабилизировался на уровне более 200 000 звёзд. За почти четыре месяца проект скачали 13 миллионов раз.
Один из ключевых навыков — /grill-me. Он меняет подход к AI‑помощи в программировании: AI сначала анализирует документ, а затем задаёт вопросы человеку, чтобы достичь общего понимания. Основная команда для /grill-me звучит так: «Пожалуйста, строго и безжалостно задавайте мне вопросы по этому требованию, по одному вопросу за раз, пока мы не достигнем консенсуса по всем ветвям дерева дизайна, зависимостям и границам». Идея навыка вдохновлена книгой The Design of Design (автор — Брукс, лауреат премии Тьюринга, автор «Человека‑месяца»).
В механизме /grill-me есть «предохранитель»: AI должен предлагать оптимальный ответ вместе с вопросом, чтобы человек мог быстро согласиться (нажав «Yes»). Также установлено правило: если в документе нет конфигурации и её нельзя вывести из локальной кодовой базы, AI должен прекратить задавать вопросы и сообщить о недостающей информации.
Позже механизм был улучшен до навыка /grill-with-docs — он позволяет в ходе многоэтапного диалога сформировать словарь терминов (CONTEXT.md) для конкретного проекта, экономя токены и улучшая понимание бизнес‑смысла. При длительных диалогах (30–40 минут) появляется много контекста — для его обработки используется навык /to-spec: он сокращает длинные диалоги до неизменяемой технической спецификации или PRD‑файла.
Есть и другие полезные навыки:
- /to-issues — при декомпозиции задач использует вертикальный срез: каждая задача — это независимый, тестируемый и доставляемый бизнес‑элемент, с тегами, указывающими, какие задачи требуют контроля человека, а какие могут быть автоматически выполнены AI;
- /tdd (тестирование, управляемое разработкой) — требует строгого следования принципу «красный — зелёный — рефакторинг»: сначала пишутся тесты, при ошибке загорается «красный», и работа продолжается до тех пор, пока тесты не станут «зелёными», рефакторинг выполняется позже; при срабатывании «красного» рабочий процесс прерывается;
- /improve-architecture — помогает решить проблему избыточного количества технического долга из‑за высокой скорости генерации кода AI;
- setup-pre-commit — для унификации стиля кода и норм коммитов;
- Obsidian-Vault — для организации базы знаний;
- handoff — обеспечивает бесшовный переход между инструментами и сессиями, сохраняет записи решений и задач;
- diagnose — фиксирует процессы отладки опытных инженеров: воспроизведение проблемы, поиск первопричины, проверка исправления, добавление регрессионных тестов.
В феврале 2025 года Andrej Karpathy создал концепцию «Vibe Coding», которая быстро распространилась, но не подошла для production. В феврале 2026 года Karpathy отказался от этой концепции, на смену ей пришёл Agentic Engineering. Проект Matt Pocock’s skills стал ведущим руководством по Agentic Engineering.
Matt выделил 4 ключевых проблемы в AI‑программировании:
- несоответствие требований;
- избыточность и путаница в выражениях;
- отсутствие эффективной обратной связи по коду;
- слишком быстрый выпуск кода, ведущий к накоплению технического долга.
Суть набора навыков — внедрение проверенных норм инженерии ПО в виде стандартизированных рабочих процессов, которые могут выполнять AI‑агенты. AI превращается из инструмента для произвольного написания кода в виртуального члена команды, соблюдающего нормы и обладающего инженерным суждением.
Решения Matt ориентированы на экосистему TypeScript и Node.js (например, использование Husky для проверок перед коммитом, управление задачами в стиле GitHub, организация процессов вокруг распространённых инструментов тестирования JavaScript). Для команд, использующих Django, GitLab или другие стеки технологий, часть идей можно применить, но инструменты и команды, как правило, нужно адаптировать.
Matt сформулировал 4 принципа для своего проекта:
- достаточно компактный, чтобы его было легко изменять;
- достаточно гибкий, чтобы легко адаптироваться;
- независимые компоненты, которые можно комбинировать;
- не зависит от какой‑либо конкретной модели.
До работы в инженерии Matt 6 лет был преподавателем вокала, вёл на YouTube канал по обучению английскому произношению. Этот опыт помог ему объяснять сложные технические концепции простым языком. Он присоединился к XState в качестве члена основной команды, работал разработчиком-пропагандистом в Vercel, участвовал в выпуске TurboPack. Создал курс Total TypeScript и AI-технический еженедельник с аудиторией 60 тысяч подписчиков, называет себя «отцом-основателем TypeScript».
Его навыки как вокального тренера (умение слушать, задавать вопросы, выстраивать цикл обратной связи, формировать терминологию) соотносятся с недостатками в AI‑программировании. Matt не изобретал новых инженерных концепций, но адаптировал существующие правила разработки ПО так, чтобы их мог понять и применить AI. Это позволило ему получить около 200 тысяч звёзд на GitHub и завоевать признание инженеров по всему миру.
Ссылка на проект
Подписаться в Макс
