- Conjunt d'eines modulars dissenyades per integrar una disciplina d'enginyeria rigorosa a agents d'IA.
- Sistema basat en fitxers SKILL.md que permet estandarditzar fluxos de treball com TDD i revisions de codi.
- Compatibilitat versàtil amb Claude Code, Cursor, GitHub Copilot i Codex mitjançant plugins o npx.
Si et dediques a picar codi i ja uses assistents d'intel·ligència artificial, sabràs que hi ha una diferència abismal entre que el model et doni un cop de mà i que realment entengui el teu flux de treball professional. La majoria de nosaltres ens limitem a llançar prompts a l'aire i resar perquè la IA no se n'inventi la meitat, però Matt Pocock ha decidit obrir el capó de la seva pròpia configuració personal perquè deixem d'improvisar.
El repositori mattpocock/skills no és simplement una llista d'instruccions boniques, sinó un ecosistema de capacitats dissenyades per a enginyers que no volen perdre el control del procés. En lloc de confiar en frameworks pesants que actuen com a caixes negres, Pocock proposa l'ús d'habilitats granulars que pots adaptar al teu gust, permetent que la IA actuï amb la disciplina d'un desenvolupador sènior en lloc d'un becari entusiasta.
En què consisteix exactament aquest sistema de skills?
Bàsicament, es tracta d'una col·lecció de fitxers en format Markdown (específicament SKILL.md ) que defineixen comportaments precisos per a l'agent d'IA. A diferència d'un prompt convencional que escrius una vegada i una altra, una skill és una unitat de coneixement empaquetada que el model pot invocar segons la tasca. Matt ha organitzat aquest arsenal en diverses famílies per cobrir tot el cicle de vida del programari.
A la categoria d' enginyeria trobem el més sucós: eines per a la planejació, el debugging, la refactorització i la creació de tests. D'altra banda, hi ha les de productivitat , enfocades a optimitzar la comunicació amb models com Claude perquè siguin més directes i eficients. També hi ha algunes skills miscel·lànies per a problemes molt puntuals i una secció de betes en progrés on es rep feedback de la comunitat.
Desglossant les eines principals
Una de les peces estrella és /grill-me . No és un simple xat, sinó un procés d'interrogatori estructurat on la IA et posa a la banqueta per polir el pla abans d'escriure una sola línia de codi. L'objectiu és buidar l'arbre de decisions i resoldre els dubtes teòrics perquè, en el moment d'implementar-los, no hi hagi sorpreses desagradables.
Per als qui no conceben la vida sense qualitat, la skill de TDD (Test Driven Development) és el nucli del sistema. Obliga l'agent a seguir el cicle vermell-verd-refactor, assegurant que cada nova funcionalitat estigui recolzada per proves. A això s'hi afegeix triage-issue , que transforma la investigació de bugs en un procés quirúrgic: explorar el codi, trobar la causa arrel i proposar un arranjament basat en tests, evitant així el típic «provar coses a veure si compila».
Per a la fase de disseny, eines com write-a-prd i prd-to-issues permeten convertir una idea abstracta en un document de requisits i, posteriorment, fragmentar aquest document en tiquets de GitHub manejables. Tot aquest flux busca eliminar el vibe coding , substituint-lo per una metodologia on l'especificació mana sobre la intuïció.
Instal·lació i compatibilitat amb diferents agents
El més potent d'aquest repositori és que no et tanca en una sola eina. Si sou usuaris de Claude Code , podeu instal·lar-lo com un plugin oficial des del marketplace, el que significa que s'actualitza sol i és extremadament senzill de desplegar. De la mateixa manera, Codex i GitHub Copilot admeten la seva integració com a plugins.
Per als que prefereixen el control total o utilitzen Cursor , hi ha l'opció d'usar npx skills . Aquest mètode és més «artesanal» perquè descarrega les skills directament al teu repositori com a fitxers normals. L'avantatge és que res no canvia sense el teu permís i pots modificar les instruccions perquè encaixin amb la cultura del teu equip. Si trieu aquest camí, és fonamental executar setup-matt-pocock-skills per configurar el rastrejador d'issues i els glossaris de domini.
L´anatomia d´una skill efectiva
Per entendre per què això funciona, cal mirar què hi ha dins un fitxer SKILL.md. Aquests fitxers utilitzen una capçalera YAML amb metadades que indiquen a la IA quan és oportú activar l'habilitat. Però el veritable valor resideix en les gotchas : advertiments sobre errors comuns o comportaments estranys d'una API que la IA no podria deduir sola.
El sistema es basa en la divulgació progressiva . El fitxer principal és breu i, si la tasca ho requereix, l'agent accedeix a fitxers de referència externs. Això evita saturar la finestra de context amb informació irrellevant, optimitzant lús de tokens i millorant la precisió de les respostes. A més, es recolza en patrons com l'ús de templates per a sortides consistents i la injecció dinàmica de comandes shell per analitzar l'estat real del codi.
Adaptació i filosofia de treball
És vital entendre que aquestes skills estan carregades de les opinions de Matt Pocock. El flux de treball és rigorós i assumeix que tens una infraestructura de tests sòlida. Si el teu projecte és un prototip ràpid, algunes d'aquestes regles podrien sentir-se com un destorb. Per això, la recomanació és hackejar les skills : prendre-les com a base i ajustar-les a la realitat del teu equip.
El veritable avantatge competitiu no està en el model de llenguatge que facis servir, ja que gairebé tots tenim accés als mateixos LLMs, sinó en com orquestrem aquest context . Convertir el coneixement tàcit dels desenvolupadors sènior en skills versionades permet que els nous integrants de l'equip no comencin de zero, sinó que heretin la disciplina i els estàndards de qualitat de l'organització.
Portar el desenvolupament amb IA al següent nivell implica passar de simples prompts a un sistema d'enginyeria on el coneixement es codifica en habilitats reutilitzables, permetent que agents com Claude o Copilot executin fluxos de TDD, planejament estructurat i revisions tècniques amb una precisió professional i adaptable.
