接手陌生代码库，我用了很多年的仪式是画 mindmap、写 wiki——慢，但画完脑子里是有一张图的。现在最直接的提效办法看着是把仓库丢给 AI 要一份摘要，但"读过一份好摘要"和"脑子里有那张图"是两件事。这篇写我定下来的分工：AI 只负责找路，代码还是我自己读。附五个固定使用的 code reading prompt、四种防止被 AI 带偏的验证手段、怎么用 graphify 存结构和 PKB 存判断把地图沉淀下来（省得每个会话都从零 grep），以及怎么把唯一能自动化的那条验证做成 skill 的硬门槛。最后是读懂之后接 OpenSpec 的档位选择——"写代码这一步反而要降档"是最反直觉的一条。

上一篇我聊了 grill-me，这次再拉上 brainstorming 和 openspec-propose 一起比。三个 skill 看着各管一摊，其实是 AI 参与方案设计的三种姿势：拷问、共创、固化。本文提炼它们共享的精华，也说说各自的独门绝技，最后给一条可以照抄的串联流水线。

传统 Build Pipeline 是为"人写代码、机器构建"设计的；AI 编程时代需要一条新流水线——SDD（OpenSpec + DDD）→ TDD → BDD → MDD，配上静态分析、AI Review、规则检查，把"AI 生成"变成"AI 可交付"。

你以为 Prompt 只是"和 AI 聊天"？错了。现代 Prompt 可以执行命令、调用工具、定义工作流——它已经从"自然语言"进化成了"可执行的程序"。本文通过 Cursor 的 Rules、Commands、MCP Tools 和 OpenSpec 案例，手把手教你把 Prompt 变成真正的"代码"。