Wie man KI-Agenten mit Matt Pococks Skills-Toolkit bändigt

Wenn Entwickler beginnen, intensiv mit Claude Code oder Codex zu arbeiten, stoßen sie schnell auf dasselbe Problem. Der Agent stimmt fröhlich der Aufgabe zu, verschwindet für fünf Minuten, um Code zu schreiben, und kehrt mit fünfhundert Zeilen zerbrochenem Spaghetti-Code zurück. Kommt Ihnen das bekannt vor? Matt Pocock, der Autor von Total TypeScript, beschloss, dieses Problem mit ingenieurtechnischer Disziplin anzugehen, und stellte ein Repository mit praktischen Anweisungen (Skills) für KI-Agenten zusammen. Und das Projekt vinvcn/mattpocock-skills-zh-CN hat dieses gesamte Toolkit für die Arbeit mit chinesischen Sprachmodellen und gemischten Kontexten adaptiert.

Es geht hier nicht um abstrakte Diskussionen über die Zukunft der Softwareentwicklung. Es ist eine Sammlung konkreter Befehle und Szenarien, die das Sprachmodell dazu bringen, sich wie ein ordentlicher Mid-Level- oder Senior-Entwickler zu verhalten, anstatt wie ein zufälliger Funktionsgenerator.

Vier Szenarien, in denen Agenten typischerweise versagen

Matt hat typische Fallstricke identifiziert, in die Entwickler tappen, wenn sie Aufgaben an KI übergeben, und für jeden Fall ein separates Arbeitsprotokoll verfasst.

Der Agent macht etwas völlig anderes als das, was man ihn gebeten hat

Die häufigste Entwickler-Kopfschmerzen werden als Erwartungsabweichung bezeichnet. Eine Person denkt an eine Architektur, das Modell füllt Details nach eigenem Geschmack aus. Um diese Lücke zu schließen, hat der Autor den Befehl /grill-me entwickelt (und seine technische Variante /grill-with-docs).

Bevor der Agent irgendwelchen Code anfasst, führt er eine formale Befragung durch. Er stellt eine Reihe gezielter Fragen zu Edge Cases, Datenstrukturen und Interface-Anforderungen. Das Modell schreibt keine einzige Zeile, bis der Entscheidungsbaum konvergiert. Das spart Stunden des Code-Umschreibens.

Das Modell verschwendet Kontext an unnötiges Gerede

Wenn ein Agent in ein unbekanntes Projekt eintritt, beginnt er, seine eigene Terminologie zu erfinden und Dutzende von Tokens darauf zu verwenden, offensichtliche Dinge zu erklären. Die Lösung liegt darin, ein Dokument mit einheitlicher Domain-Vokabular zu erstellen (im Projekt heißt es CONTEXT.md).

Der Befehl /grill-with-docs befragt Sie nicht nur, sondern zeichnet sofort die Projektterminologie und architektonischen Entscheidungen (ADRs) auf. Sobald Sie und der Agent eine gemeinsame Sprache teilen, schrumpft der Dialog drastisch, und Variablen im Code werden in allen Modulen gleich benannt.

Generierter Code läuft nicht

Wenn ein Modell Code ohne Feedback schreibt, arbeitet es blind. Es braucht Tests. Der Skill /tdd zwingt den Agenten, strikt dem Red-Green-Refactor-Zyklus zu folgen. Zuerst schreibt das Modell einen fehlschlagenden Unit-Test, dann implementiert es genau so viel Code wie nötig, um den Test zu bestehen, und räumt erst dann auf.

Für komplexe Bugs gibt es ein separates Szenario /diagnosing-bugs. Es führt das Modell durch ein striktes Protokoll: Reproduzieren Sie den Fehler mit einem Test, verengen Sie den Suchbereich, formulieren Sie eine Hypothese, fügen Sie Logging hinzu, beheben Sie den Code und führen Sie einen Regressionstest durch.

Architektur wird zum Chaos

Die Geschwindigkeit der Code-Generierung befeuert das Entropie-Wachstum. Um zu verhindern, dass das Projekt zu einem einzigen verwickelten Spaghetti-Ball wird, wird der Befehl /improve-codebase-architecture verwendet.

Er scannt das Projekt, sucht nach Kandidaten für tiefe Module (mit einfachen öffentlichen Interfaces und versteckter komplexer Logik) und erstellt einen Bericht. Im Grunde ist es ein reguläres Code-Qualitäts-Audit direkt im Terminal.

Warum eine Lokalisierung ins Chinesische

Das ursprüngliche Repository ist auf Englisch geschrieben, aber vcvncn's Lokalisierung hat einen interessanten technischen Zweck. Es geht nicht nur um Bequemlichkeit für chinesische Entwickler.

Bei der Arbeit mit asiatischen LLMs wie Qwen oder DeepSeek reduzieren chinesische System-Prompts und Anweisungen den Kontextverlust. Das Modell wird weniger durch Formulierungsnuancen verwirrt. Gleichzeitig bleiben alle Bezeichner, Befehlsnamen, Dateipfade und Konfigurationsschlüssel auf Englisch. Nichts bricht beim Ausführen von Skripten.

Wie die Skills-Architektur funktioniert

Alle Skills im Repository fallen in zwei Kategorien:

1. Benutzeraufgerufene Befehle. Nur Menschen lösen diese manuell über Slash aus. Zum Beispiel hilft /ask-matt bei der Auswahl des richtigen Skills für die aktuelle Aufgabe, /to-spec fasst Diskussionen zu einem Ticket zusammen, und /wayfinder plant eine große Funktion mehrere Sitzungen im Voraus.
2. Modellaufgerufene Skills. Sowohl der Benutzer als auch der Agent können diese aus eigener Initiative auslösen, wenn er einen geeigneten Subtask sieht. Dazu gehören der TDD-Zyklus, die Git-Konfliktbehebung ohne harte Abbbrüche, Code-Review und Entwurfsarbeiten.

Skills sind als einfache Markdown-Dateien mit Anweisungen geschrieben. Sie sind leicht zu lesen und können bearbeitet werden, um die Regeln Ihres Teams widerzuspiegeln.

Einrichtung in ein paar Minuten

Sie können Skills mit dem Installer skills.sh zu Ihrem Projekt hinzufügen:

npx skills@latest add vinvcn/mattpocock-skills-zh-CN

Das Tool fragt, welche Skills Sie kopieren möchten und welche Agent-Verzeichnisse Sie registrieren möchten. Wählen Sie unbedingt /setup-matt-pocock-skills.

Nach der Installation führen Sie die Ersteinrichtung direkt im Agent-Dialog aus:

/setup-matt-pocock-skills

Der Agent wird klären, wo Sie Aufgaben verfolgen (GitHub Issues, Linear oder lokale Dateien), welche Labels Sie für die Triage verwenden und in welchem Ordner Sie die Architekturdokumentation speichern.

Wenn Sie in Claude Code arbeiten und keine Dateikopien in jedem Repository speichern möchten, können Sie Skills als Plugin verbinden:

claude plugin marketplace add vinvcn/mattpocock-skills-zh-CN
claude plugin install mattpocock-skills@mattpocock

In diesem Modus werden Skills zentral aktualisiert, wenn neue Versionen veröffentlicht werden.

Für wen ist das gedacht

Zwei Kategorien von Ingenieuren sollten sich dieses Repository ansehen.

Erstens diejenigen, die aktiv Claude Code, Codex oder OpenCodeInterpreter verwenden und es leid sind, gegen Modell-Halluzinationen anzukämpfen. Matt Pococks Ansatz bringt Vorhersagbarkeit durch strikte Einschränkungen und kurze Feedback-Schleifen in die Entwicklung zurück.

Zweitens ist es ein ausgezeichnetes Beispiel dafür, wie man System-Anweisungen für KI-Assistenten schreibt. Selbst wenn Sie die chinesische Übersetzung nicht benötigen, bietet die Dateistruktur in diesem Repository eine klare Lektion im Design von Skills für Agenten. Versuchen Sie, ein paar Befehle wie /grill-me in Ihren täglichen Workflow zu integrieren, und Sie werden bis zum Abend den Unterschied bemerken.