九篇文章，从 8 月 1 号写到今天。如果只看第一篇和这一篇，你会发现一个有意思的对照：开篇我们说”AI 编码又快又烂”，今天我们要给”烂”画一条线——到底是哪里烂，烂到什么程度不可接受，以及怎么系统性地把这道线往前推。 系列到今天收官。我想用三件事把九篇串起来：先回顾全景，再讲 agent-skills 最特别的那块东西（三层评估框架），最后给三类读者一条能马上落地的采纳路线。

这一周我们把 agent-skills 拆开讲了一轮。今天是系列里的”周六轻文”——不深挖单条技能，把镜头拉远，对比另外两个常被一起提到的项目：Superpowers（obra/Jesse Vincent）和 Matt Pocock 的 skills。三个项目名字经常出现在同一份”AI 编码技能库”清单里，但它们解决的问题、背后的方法论、要养成的习惯完全不同。

前六天我们一直在讲 agent-skills 干了什么——六阶段流水线、DEFINE 三件套、反合理化机制。理论讲够了，今天落地。我想把 24 个技能装到自己的开发环境里用起来，结果光是”装”这件事就踩了一堆坑。一篇文章讲清楚：怎么装最快、哪些工具装得最干净、为什么单 skill 安装会出诡异问题、为什么 Windows/macOS 上会撞 SSH 报错。

代码能跑 ≠ 代码能上线。从 main 分支合到生产环境，中间这一段路才是事故的高发区。前面五天我们讲了 DEFINE、PLAN、BUILD、VERIFY、REVIEW，今天是六阶段流水线的最后一站：SHIP。它关心的是：怎么把代码安全、可逆、可观察地送到用户手里。 agent-skills 在 SHIP 阶段放了四个技能：ci-cd-and-automation、observability-and-instrumentation、shipping-and-launch、deprecation-and-migration。它们四个刚好对应上线的四件事——自动化流水线、埋点观测、上线动作本身、以及下线。

昨天我们把 PLAN 和 BUILD 走完了——把大象切成薄片、用 TDD 一片片落地。今天进入六阶段流水线的第四和第五步：VERIFY 和 REVIEW。这一步解决的是”能跑 ≠ 可合并”的鸿沟。代码写得再快，跑不通就是废代码；跑得通但没人敢 merge，那也只是占用磁盘。agent-skills 把这两个阶段拆成三个技能：调试用 debugging-and-error-recovery，评审用 code-review-and-quality，评审完之后顺手做一遍 code-simplification。我们今天把三个技能一起拆开讲，最后聊一下 /ship 阶段那个有意思的并发评审机制。

DEFINE 阶段我们把”要什么”想清楚了。规约在手，下一步不是撸起袖子写代码，而是把规约拆成 AI 能执行的小片。今天进入六阶段流水线的 PLAN 与 BUILD，讲 agent-skills 是怎么用三个技能（planning-and-task-breakdown、incremental-implementation、test-driven-development）让 AI 不写出大泥球的。

昨天讲 DEFINE 三件套时，我们碰到了一张很特别的表：左边写 AI 可能给出的借口，右边提前写好反驳。它在 agent-skills 里叫 Common Rationalizations，也就是本文说的 Anti-Rationalization Table。这张表不是项目 FAQ，更不是写给用户看的鸡汤。它是塞进技能上下文、专门给 AI 看的“强制反驳清单”。今天我们把它和 Red Flags 一起拆开，再放进这个博客的 Hexo 部署流程里走一遍。

昨天开篇里我们说过，AI 写代码”快”和”烂”并存的根源，往往不在写的过程，而在写的起点——需求没想清楚。今天进入六阶段流水线里的第一个：DEFINE。 DEFINE 阶段在 agent-skills 里由五个技能组成（interview-me、idea-refine、spec-driven-development、source-driven-development、doubt-driven-development）。这五个不是同一件事，它们有先后关系：先问对问题，再打磨想法，再把规约写下来，动手前最后用对抗性视角审视一遍。本文重点讲前三件——也是日常最常用的三件。

最近几年，AI 写代码的产出速度肉眼可见地变快了。一段需求丢给模型，几秒钟就能吐出几百行，单元测试、文档、重构样样都能做。但用着用着就发现一个怪现象：交付的速度上去了，落到生产环境的质量却没跟着上去。 代码能跑，但不敢合并；看着挺全，但经不起评审；测试覆盖有了，但每次回归都翻车。这是”快”和”烂”并存的真实写照。 今天开始，我想用一个系列文章把 addyosmani/agent-skills 这个开源项目拆开来讲。它做的事情很朴素：把一个高级工程师脑子里的工程纪律（spec → plan → build → test → review → ship），打包成 AI 编码代理能直接执行的”技能”。这个系列一共九篇，今天是开篇。

没有 GPU 时如何学习和试用 HAMi——Fake GPU + HAMi 使用教程本实验将在 macOS 上使用 OrbStack 自带 Kubernetes 和 run-ai/fake-gpu-operator 搭建一个纯本地 Kubernetes 集群，然后在线安装 HAMi。 来源：HAMi 官网教程 这个实验不需要真实 NVIDIA GPU，适合用于课堂预习、讲解 HAMi 组...