1实现原理 · 为什么它能做到

仓库内唯一 model-invoked 的 grilling 家族原语：frontmatter 刻意不带 disable-model-invocation，openai.yaml 也没有 policy 块，因此模型/其他 skill 可自动调用它；仓库规则用双清单反推判定它属于 model-invoked。

AGENTS.md

Every `SKILL.md` is either user-invoked (`disable-model-invocation: true` plus `policy.allow_implicit_invocation: false` in `agents/openai.yaml`, reachable only by the human) or model-invoked (model- or user-reachable).

对比同仓库 user-invoked skill（如 grill-me 的 disable-model-invocation: true + allow_implicit_invocation: false 双清单），grilling 两者皆无 → 按仓库定义落入 model-invoked，可被上层 skill 以 Skill tool 调用。

拷问机制 = design tree + frontier rounds：把决策建模成依赖树，每轮只问『前置已定、现在能答』的整层 frontier，且一轮内问题彼此独立。

skills/productivity/grilling/SKILL.md

Work the tree in **rounds**. The **frontier** is every decision whose prerequisites are already settled: the questions you can ask _now_ without guessing at answers you haven't heard yet. Ask the whole frontier in one round: number each question and give your recommended answer. Then wait for the user's answers before the next round.

这里在做什么：用依赖排序保证不提前问『取决于未听答案』的问题；整层一轮问完降低来回轮数（docs 称 13 问约 3 轮）。

每题强制附模型自己的推荐答案，用 ❓/➡️ 死格式编号输出，用户可按编号整轮回答。

skills/productivity/grilling/SKILL.md

❓ **Q1** - **<question title>**: <question body, might be multiple paragraphs, including multiple choices> ➡️ <your recommended answer>

格式模板以内嵌代码块形式写在 SKILL.md 正文；docs 页补充说明其已知毛边：推荐答案偶尔会与问题措辞打架，此时应『答推荐答案并说明』。

事实查证与决策权硬分离：facts 归 agent（环境事实派 sub-agent 查，且不阻塞本轮其余问题），decisions 归用户。

skills/productivity/grilling/SKILL.md

Finding _facts_ is your job, never the user's. When a frontier question needs a fact from the environment (filesystem, tools, etc.), dispatch a sub-agent to find it; don't ask the user for anything you could look up yourself. Don't block on it: a running exploration is an unsettled prerequisite, so only the questions downstream of it wait for the sub-agent to report; ask the rest of the frontier now. The _decisions_ are the user's: put each to them and wait.

CHANGELOG 1.1.0 记录该拆分动机：防止其他 skill 在 resolve-the-ticket 框架里跑 grilling 时『顺手替用户答了决策』（自问自答 = 破坏 HITL）。

终止条件与行动门禁显式化：frontier 空即会话完成；用户确认 shared understanding 前不得动手实施。

skills/productivity/grilling/SKILL.md

The session is done when the frontier is empty: every branch of the design tree visited, nothing left silently assumed. Do not act on it until the user confirms you have reached a shared understanding.

docs 页把它称为 confirmation gate：frontier 空了不算完，用户点头才算；弱模型仍可能把『问到共识』塌缩成两三问加个提纲。

它是被复用的引擎而非独立入口：README 把 grilling 列为 Model-invoked，并点名它是多个 user-invoked/编排 skill 的公共面试原语。

README.md

**[grilling](./skills/productivity/grilling/SKILL.md)**: Interview the user relentlessly about a plan, decision, or idea until every branch of the design tree is resolved. The reusable interview primitive behind `grill-me`, `grill-with-docs`, `triage`, `wayfinder` and `improve-codebase-architecture`.

docs/productivity/grilling.md 亦称 'It is the only skill in the grilling family that is model-invoked'；ask-matt 路由页把它纳入缺失路由修复。

2核心能力

01model-invoked 面试原语：模型或上层 skill 可自动按需调用，无需用户输入斜杠命令

02设计树 + 整 frontier 一轮多问（编号 + 每题推荐答案）

03每轮按用户答案重算 frontier，只解锁『现在能答』的下游问题

04事实查证委派 sub-agent，后台探索不阻塞本轮其余问题

05显式收敛与行动门禁：frontier 空 + 用户确认 shared understanding 才可实施

4管控建议与判定依据

建议配套管控措施

面向 Agent

可自动加载

面向管理者

登记来源与版本

判定依据（文件路径与关键语句摘要）

SKILL.md: 纯提示词指令与规则文本，无脚本执行与外部影响

审计说明： 。纯指令型 prompt skill：无脚本执行、无网络外发、无凭证读取、无本地文件写入；model-invoked 意味着模型可在匹配场景自动使用，但行为仍只是『提问-等待』，无任何代码级接触面。注意点仅为推荐答案的对话性引导与 sub-agent 读环境的宿主权限边界。

5第二遍独立确认

[ok] model-invoked 判定（无 disable-model-invocation / 无 policy） — frontmatter 只有 name/description；openai.yaml 仅 interface 块；与 AGENTS.md 对 user-invoked 的定义（双清单）对照成立；README 明确列在 Model-invoked 组。
[ok] design tree / frontier rounds 机制存在 — SKILL.md 原文含 design tree、frontier、'Recompute the frontier and ask the next round' 全机制描述；docs 页解释一致。
[ok] ❓/➡️ 固定格式与推荐答案 — SKILL.md 内嵌代码块模板逐字存在；docs 页补充了『推荐答案与问题打架』的已知毛边。
[ok] facts=agent / decisions=user 分离 — 原文整段存在；CHANGELOG 1.1.0 #464 记录拆分动机，与现行文吻合。
[ok] 终止条件 + 用户确认门禁 — 原文 'The session is done when the frontier is empty…Do not act on it until the user confirms' 存在。
[ok] 外部依赖清单为空 — 2 文件 token 扫描零命中；SKILL.md 只引用宿主通用能力（filesystem、tools、sub-agent、Skill tool），无可点名 CLI/API/网络端点。docs 页内的 aihero.dev/字典链接是说明性 URL，非被调用端点。
[ok] 无脚本/无写入/无凭证 — 文件清单仅 2 个；写文件类 token 零命中；无 env/keychain/文件凭证读取指令。
[ok] 被复用叙事与仓库一致 — README 点名 grill-me/grill-with-docs/triage/wayfinder/improve-codebase-architecture 复用；docs/engineering/ask-matt.md 将其列为路由修复项，均与 SKILL.md 是薄原语一致。

6结论

可复用原语架构：一套拷问机制被 5+ 个上层 skill 复用，无需各自重写提问逻辑。

算法式提问结构：frontier/rounds 保证只问可答之题、一轮问完、可终止不遗漏。

查证负担不甩给用户：facts 派 sub-agent、每题带推荐答案，用户只做表态。

行动门禁防越界：frontier 空 + 用户确认 shared understanding 才准实施。

零副作用可移植：纯 prompt、无脚本无网络无写入，双宿主清单齐全，任意模型可用。

适合： 适合任何需要在上层 skill（grill-me/grill-with-docs/triage/wayfinder/improve-codebase-architecture）里复用『拷问式澄清』的场合，也适合想给自定义 skill 加面试步骤的作者直接调用；写 skill 的人应把 grilling 当原语而非复制粘贴。用户也可直接 /grilling 获得纯拷问会话。

不适合： 不适合想要状态产物的场景（写 CONTEXT.md/ADR 用 grill-with-docs；写 workflow 规格用 loop-me；非代码主题且不想写文件用 grill-me）；不适合无法用对话回答的问题（应转 prototype 要实物反馈）；不适合希望 skill 自己验证事实/落地实施的场景——它只问、只等，实施要另行放行。

Install Agent-Ready

① Verified Mirror 2026-09-09

Option A · Direct DownloadDownload grilling.tar.gz

sha256: a293bd6f274ff9b8…

Option B · Copy Guide for Agent

install.json

agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。

② Upstream GitHub

GitHub Repo ↗

Pinned to commit 3cca18b368.