Der Grill-Me-Skill: Wie Ich Mein Eigenes Gehirn Extrahiere

Der Grill-Me-Skill: Wie Ich Mein Eigenes Gehirn Extrahiere

Der Skill, der mir am meisten über den Aufbau eines AI Operating Systems beigebracht hat, ist sechs Sätze lang.

Nicht sechshundert Zeilen. Nicht eine Python-Toolchain mit einem Dutzend Referenzdokumenten. Sechs Sätze in einer Markdown-Datei. Ich öffnete sie in der Erwartung, etwas Cleveres zu finden, und hätte fast den Tab geschlossen, als ich sah, wie kurz sie war. Dann startete ich sie, und sie verhörte mich einundfünfzig Minuten lang über einen Verpackungs-Workflow — und am Ende wusste sie mehr darüber, wie ich diesen Teil meines Geschäfts tatsächlich betreibe, als jedes Dokument, das ich jemals darüber geschrieben hatte.

Das ist der Grill-Me-Skill für Claude Code, und er löst das schwierigste Problem in diesem gesamten Bereich: das, was in deinem Kopf ist, in die Maschine zu bekommen. Nicht "was ist ein Skill." Nicht "zehn Skills, die du installieren solltest." Der unspektakuläre Engpass, über den niemand sprechen will — dein Wissen ist in deinem Schädel eingesperrt, und ein Basismodell kann keine Gedanken lesen.

Hier ist der Teil, den ich erst akzeptieren musste. Du und ich und jeder andere, der dies liest, richten dasselbe Modell auf unsere Probleme. Claude Opus 4.8. Dieselben Gewichte, dasselbe Training, dasselbe Reasoning. Das Modell ist nicht dein Vorsprung. Was deine AI-Outputs anders macht als den generischen Einheitsbrei, den alle anderen produzieren, kommt aus einer einzigen Quelle: dem Kontext, der Stimme und den hart erkämpften Entscheidungen, die du einspeist. Nimm das weg und jeder Output fällt auf den langweiligen Durchschnitt zurück. Das wahre Spiel war also nie "finde ein besseres Modell." Es ist "extrahiere dein Wissen und forme es so, dass eine Maschine es verarbeiten kann." Grill Me ist das beste Werkzeug, das ich dafür gefunden habe.

Warum dein Braindump generischen AI-Output produziert

Lass mich mit dem anfangen, was ich monatelang falsch gemacht habe.

Wenn ich einen Skill bauen wollte, setzte ich mich hin und schrieb alles, was ich über den Prozess wusste, in eine Markdown-Datei. Ein Braindump. Ich dachte, ich wäre gründlich — dreihundert Zeilen, Überschriften, Aufzählungspunkte, das volle Programm. Dann produzierte der darauf aufgebaute Skill Arbeit, die in Ordnung war. Kompetent. Vergessbar. Die Art von Output, bei der man denkt "ja, das stimmt ungefähr" und dann still die Hälfte umschreibt.

Das Problem ist nicht, dass ich ein schlechter Schreiber bin. Das Problem ist, dass ein Braindump nur erfasst, was du bereits weißt, dass du es weißt. Er kann nicht erfassen, was du nicht erwähnst — die Ausnahmen, das "oh warte, außer wenn der Kunde in der EU ist," der Grund, warum du vor drei Jahren aufgehört hast, es auf die andere Art zu machen. Dieses implizite Wissen ist genau die Differenzierung, die dein AIOS zu deinem macht statt zu dem aller anderen. Und du wirst es nie freiwillig aufschreiben, weil du per Definition vergessen hast, dass es überhaupt eine Entscheidung ist.

Ich lernte das, indem ich beobachtete, wie ich Kundenprojekte scope. Die Projekte, die gut laufen, sind nicht die, bei denen ich den Kunden reden lasse. Es sind die, bei denen ich unangenehme, fast nervige Fragen stelle. "Was passiert mit der Bestellung, wenn die Zahlung erfolgreich ist, aber die Bestandsprüfung fehlschlägt?" Der Kunde stockt. Daran hatten sie nicht gedacht. Diese Pause ist der gesamte Wert. Es ist der Unterschied zwischen einem System, das zu 80% zuverlässig ist, und einem, das zu 95% zuverlässig ist. Die Fragen, die sich nach Overkill anfühlen, sind die, die die Lücken finden.

Grill Me nimmt genau diese Dynamik — das gnadenlose Entdeckungsinterview — und richtet sie auf dich. Die KI wird der nervige Berater, und du wirst der Kunde, der nicht an den Randfall gedacht hatte. Dieser Rollentausch ist der ganze Trick. Wenn du Zeit damit verbracht hast zu verstehen, warum AI-Agent-Kontext Konfiguration schlägt, ist dies die konzentrierteste Version dieser Idee, die ich kenne.

Aber bevor ich dir den Prompt zeige, musst du sehen, wie wenig tatsächlich drin ist. Es wird dich überraschen.

Was der Grill-Me-Skill tatsächlich enthält

Hier ist der vollständige Skill. Dies ist die echte SKILL.md aus meinem .claude/skills/grill-me/-Verzeichnis, ursprünglich geschrieben von Matt Pocock und veröffentlicht in seinem öffentlichen Skills-Repo unter skills/productivity/grill-me/:

---
name: grill-me
description: Interview the user relentlessly about a plan or design until
  reaching shared understanding, resolving each branch of the decision tree.
  Use when user wants to stress-test a plan, get grilled on their design,
  or mentions "grill me".
---

Interview me relentlessly about every aspect of this plan until we reach a
shared understanding. Walk down each branch of the design tree, resolving
dependencies between decisions one-by-one. For each question, provide your
recommended answer.

Ask the questions one at a time.

If a question can be answered by exploring the codebase, explore the codebase
instead.

Das ist alles. Das ist das Ganze. Die Frontmatter ist Verdrahtung — ein Name und eine Beschreibung, die Claude sagt, wann der Skill feuern soll. Der Body enthält vier Anweisungen:

1. Interviewe gnadenlos bis zum gemeinsamen Verständnis. Nicht "stelle ein paar Fragen." Gnadenlos. Das Wort leistet echte Arbeit — es gibt dem Modell die Erlaubnis, über den Punkt hinauszugehen, an dem ein höflicher Assistent aufhören würde.
2. Gehe den Design-Baum entlang und löse Abhängigkeiten einzeln auf. Jede Entscheidung hat Kindentscheidungen. "Erweiterte Suche oder einfaches Feld?" Bei erweitert — welche Filter? Welche Sortierreihenfolgen? Jede Antwort öffnet neue Verzweigungen. Du traversierst, bis jedes Blatt konkret ist.
3. Gib bei jeder Frage deine empfohlene Antwort. Das ist der Teil, den die meisten übersehen. Es ist kein leeres Verhör. Das Modell schlägt einen Standard vor, sodass du auf eine Empfehlung reagierst, anstatt Antworten aus dem Nichts zu generieren. Reagieren ist zehnmal schneller als Verfassen.
4. Wenn die Codebase es beantworten kann, schau dort statt zu fragen. Verschwende meine Aufmerksamkeit nicht an Fragen, die ein grep lösen könnte.

Diese vierte Zeile ist der Grund, warum ich ihm vertraue. Ein schlechterer Skill würde mir vierzig Fragen stellen, darunter fünf, die er selbst hätte beantworten können, indem er meinen Code liest. Dieser löst die billigen Fragen selbst und bewahrt mein Gehirn für die teuren.

Wie viele Fragen stellt eine Grill-Me-Session tatsächlich? In meinen echten Sessions irgendwo zwischen 16 und 50, je nachdem wie unscharf das Thema ist — was mit dem übereinstimmt, was andere Praktiker berichten. Ein klar definiertes Feature landet am unteren Ende. Ein vollständiger Geschäftsbetrieb landet am oberen Ende, und noch darüber hinaus.

Die Lektion, die ich immer wieder neu lerne: Effektive Skills sind keine komplexen Automatisierungen. Das nützlichste Ding in meinem gesamten Setup ist ein Prompt aus sechs Sätzen. Ich schreibe über diese Spannung in wie ich Claude Skills teste, bevor sie meinen Workflow brechen — Komplexität ist meistens ein Warnsignal, kein Feature. Grill Me ist der Beweis.

Wenn also das Original so gut ist, warum habe ich es dann geändert? Wegen eines spezifischen Fehlermodus, der auftritt, sobald deine Sessions lang werden.

Der Fix, der lange Grill-Sessions nutzbar machte: Checkpointing

Das originale Grill Me hat ein Problem, das es selbst nicht sehen kann, und du triffst es erst, wenn deine Sessions lang werden.

Meine Verpackungs-Session dauerte einundfünfzig Minuten. Gegen Minute vierzig war das Gespräch enorm gewachsen — Dutzende Fragen, Dutzende Antworten, Verzweigungen innerhalb von Verzweigungen. Und das Modell begann zu driften. Eine Entscheidung, die ich bei Minute acht festgelegt hatte, tauchte ab Minute vierzig still nicht mehr in seinem Reasoning auf. Nicht weil das Modell dumm ist, sondern weil mit wachsendem aktivem Gespräch frühere Turns weniger Aufmerksamkeit bekommen. Das Detail, das du vor einer Stunde geklärt hast, konkurriert mit allem Seitdem um denselben endlichen Fokus. (Wenn du das bei langen Sessions gespürt hast, habe ich die Mechanik in Claude Code Kontext-Hygiene und Token-Limits aufgeschlüsselt.)

Ein brillantes einstündiges Interview ist wertlos, wenn das Modell die erste Hälfte am Ende vergisst.

Die Verbesserung, die ich fahre, ist denkbar einfach: Checkpoint nach jeder einzelnen Frage. In dem Moment, in dem eine Frage beantwortet ist, hängt der Skill diesen Austausch an eine Markdown-Datei auf der Festplatte an — bevor zur nächsten Frage übergegangen wird. Das Gespräch im Kontextfenster kann driften, wie es will. Das Protokoll ist unveränderlich, liegt in einer Datei, komplett ab Frage eins.

Ich bewahre diese in einem brainstorms/-Ordner im Projekt-Root auf. Jede Session produziert ein Log, und jedes Log enthält drei Dinge:

• Kernentscheidungen — die aufgelösten Blätter des Design-Baums, formuliert als Festlegungen. "Retouren werden von X abgewickelt, nicht Y, weil Z."
• Das vollständige Q&A-Log — jede Frage und meine exakte Antwort, in Reihenfolge, damit ich das Reasoning später rekonstruieren kann.
• Eine Highlight-Zusammenfassung — ein kurzer Abriss am Dateianfang, den ich in dreißig Sekunden überfliegen kann, sechs Wochen später, ohne das ganze Transkript neu zu lesen.

your-project/
├── brainstorms/
│   ├── 2026-06-05-packaging-process.md
│   ├── 2026-06-04-ai-safety-rollout.md
│   └── 2026-06-01-client-onboarding-flow.md
├── .claude/
│   └── skills/
│       └── grill-me/
│           └── SKILL.md
└── ...

Es gibt einen echten, veröffentlichten Verwandten dieser Idee, den es sich lohnt zu kennen. Der grill-with-docs-Skill nimmt dasselbe gnadenlose Interview und schreibt geklärte Begriffe in ein CONTEXT.md-Glossar und harte, überraschende Abwägungen in ADR-Dateien (docs/adr/) während sie kristallisieren, inline, anstatt sie am Ende zu bündeln. Derselbe Instinkt wie mein brainstorms/-Ordner — erfasse den Moment, in dem eine Entscheidung getroffen wird, nicht danach, wenn du müde bist und die Nuance verdampft ist. Zwei Wege zum selben Ziel: Das Live-Gespräch ist fragil, die Datei auf der Festplatte nicht.

Und sobald die Datei existiert, passiert etwas Nützliches, nachdem die Session endet.

Was nach dem Interview passiert

Die Erfassung ist nicht die Ziellinie. Sie ist das Rohmaterial.

Wenn eine Session endet, habe ich ein strukturiertes brainstorms/-Log voller Entscheidungen und Randfälle, die das Modell gerade aus meinem Kopf gezogen hat. Der nächste Schritt ist, das zurück ins System einzuspeisen: Claude bitten, Updates für den zugehörigen Skill und seine Dokumentation vorzuschlagen, basierend auf den Nuancen, die es gerade erfasst hat. Die Verpackungs-Session produzierte nicht nur Notizen — sie produzierte einen besseren Verpackungs-Skill, weil jedes "oh, außer wenn..." das ich vergessen hatte, nun aufgeschrieben war und in die Anweisungen eingearbeitet werden konnte.

Hier tut Grill Me auch etwas, das ich nicht erwartet hatte: Es markiert, was du nicht weißt. Mitten in der AI-Sicherheits-Session traf es auf eine Verzweigung, die ich nicht beantworten konnte — etwas über eine Datenspeicherungs-Grenze, die wirklich nicht meine Entscheidung war. Statt zu raten oder mich bluffen zu lassen, markierte es sie. "Dies braucht Input von demjenigen, der für deine Compliance-Haltung zuständig ist." Diese eine Markierung war mehr wert als zehn Antworten, weil sie mir genau sagte, wo ich einen echten Menschen fragen musste, bevor ich etwas auf einer falschen Annahme aufbaute.

Die Schleife ist also: Grillen → in Markdown erfassen → den Skill aktualisieren → die Lücken markieren → die Lücken mit dem richtigen Stakeholder füllen → nächstes Quartal erneut grillen, wenn sich der Prozess geändert hat. Jeder Durchgang hinterlässt einen kampferprobteren Skill und ein AIOS, das mehr von deinem tatsächlichen Geschäft weiß. Das ist der unterstützende Workflow unter dem AI Operating System, das ich mit Claude Code gebaut habe — die Säule behandelt die Architektur; Grill Me ist, wie du es mit Wissen füllst, das wirklich deines ist.

Wenn du diese Art strukturierter Wissensextraktion über ein ganzes Unternehmen laufen lassen willst — nicht nur einen Prozess — dann ist das die Art von Sache, die Ramlit für Teams baut: die Expertise, die in den Köpfen deiner Senior-Mitarbeiter eingesperrt ist, in Systeme umzuwandeln, die der Rest des Unternehmens (und seine KI) tatsächlich nutzen kann.

Nun zu der Zahl, die mich dazu brachte, wie ich jeden Skill beginne, zu reorganisieren.

Die Iterations-Mathematik: bei 90% starten statt bei 70%

Dies ist das Argument dafür, eine Stunde gegrillt zu werden, bevor du eine einzige Zeile Skill-Anweisungen schreibst.

Baue einen Skill auf die normale Art — Braindump, schreibe ihn, führe ihn aus — und beim ersten Versuch landet er irgendwo bei 70% Effektivität. Gut genug, um nützlich zu sein, falsch genug, um Babysitting zu brauchen. Dann iterierst du. Jede reale Nutzung deckt eine Lücke auf, du patchst sie, und über viele Zyklen kriecht es Richtung 95%. Die Trajektorie funktioniert. Sie ist nur langsam, weil jede Lücke eine vollständige Bauen-Ausführen-Entdecken-Schleife kostet.

Grill Me lädt diese Entdeckung vor. Weil das Interview Randfälle jagt, bevor du baust, startet derselbe Skill sein Leben bei etwa 90% statt 70%. Du findest die EU-Ausnahme nicht an Tag vierzig, wenn ein Kunde einen falschen Output bekommt. Du findest sie in Minute zwölf des Interviews, wenn das Modell fragt "was ändert sich für EU-Kunden?" und du sagst "oh — richtig."

Die alte Zimmermannsweisheit passt genau: Verbringe vier Stunden damit, die Axt zu schärfen, bevor du zwei Stunden hackst. Die Vorarbeit fühlt sich wie Verzögerung an. Ist sie nicht. Eine scharfe Axt durch einen Baum in zwei Stunden schlägt eine stumpfe, die acht Stunden hackt. Eine Stunde Grillen, die dich von 70% auf 90% bei Iteration eins bringt, spart dir ein Dutzend Patch-und-Neustart-Zyklen stromabwärts. Ich habe die Stunde nie bereut. Ich habe jeden Skill bereut, den ich ohne sie ausgeliefert habe.

Um fair zur Abwägung zu sein: Dies ist echte kognitive Arbeit, kein passives Werkzeug, das du abfeuerst und vergisst. Eine fünfzig-minütige Grill-Me-Session ist fünfzig Minuten hartes Nachdenken über Entscheidungen, die du auf Autopilot abgewickelt hast. Wenn du müde bist, ist es erschöpfend. Und für einen wirklich trivialen Skill ist vollständiges Grillen Overkill — manchmal reicht ein Braindump wirklich. Stimme die Tiefe des Interviews auf die Tragweite des Skills ab. Der Punkt ist nicht, alles zu grillen. Es ist, die Dinge zu grillen, die wehtun, wenn du sie falsch hast.

Wie führst du also tatsächlich eine durch?

Wie du den Grill-Me-Skill in Claude Code verwendest

Zwei Wege, ihn auszulösen, und sie verhalten sich etwas unterschiedlich.

Natürliche Sprache. Tippe etwas wie "Hey, grill mich darüber, wie wir Client-Onboarding machen" oder "grill mich über diesen Deployment-Plan." Die Beschreibung des Skills matcht die Formulierung und Claude feuert ihn ab. So starte ich die meisten Sessions — es ist gesprächig und du kannst es locker ausrichten.

Slash-Befehl. Führe /grill-me direkt aus. Gezielter, gut wenn du genau das Thema kennst und das Aufwärmen überspringen willst.

So oder so, hier ist der Ablauf, dem ich folge:

1. Benenne das Ziel präzise. Nicht "grill mich über mein Geschäft." Zu breit — du bekommst einen oberflächlichen Durchlauf über alles. Wähle einen Prozess: "grill mich darüber, wie ich KI sicher im Unternehmen einsetze." Enges Ziel, tiefes Interview.
2. Antworte ehrlich, einschließlich 'ich weiß nicht.' Die "ich weiß nicht"-Antworten sind das Wertvollste, was du produzierst, weil es die Lücken sind, die die Markierung fangen wird. Bluffe nicht, um vor einem Modell kompetent zu wirken, das dir helfen will.
3. Reagiere auf seine empfohlenen Antworten. Denk dran, es schlägt bei jeder Frage einen Standard vor. Oft ist der schnellste Zug "ja, das, aber ändere eine Sache." Du editierst, nicht verfasst.
4. Lass es lang laufen. Widerstehe dem Drang, bei Frage zehn abzubrechen, weil du dich langweilst. Das Gold liegt meist in der zweiten Hälfte, auf den Verzweigungen, von denen du nicht wusstest, dass sie existieren. Sessions über eine Stunde sind normal und gut.
5. Ernte den Output. Wenn es endet, hast du Entdeckungsnotizen, eine Zusammenfassung der Kernentscheidungen, strukturierte Q&A-Logs und eine Liste von Markierungen, die zeigen, wo du einen anderen Menschen brauchst. Lies die Highlight-Zusammenfassung. Bitte dann Claude, die neuen Nuancen in den relevanten Skill einzuarbeiten.

Ein ehrlicher Hinweis zum Setup: Das reine Upstream-Grill-Me checkpointed nicht von sich aus in einen brainstorms/-Ordner — das ist die Verbesserungsschicht, die ich beschrieben habe, und du musst sie zum Skill-Body hinzufügen (eine Anweisung, jede beantwortete Frage an eine datierte Markdown-Datei anzuhängen, bevor fortgefahren wird). Das Original hält alles im Live-Gespräch, was genau der Ort ist, an dem das Drift-Problem lebt. Wenn deine Sessions kurz sind, ist das Original in Ordnung. Wenn sie lang laufen, füge die Checkpoint-Anweisung hinzu, oder du verlierst die erste Hälfte.

Das ist der komplette Workflow. Sechs Sätze Prompt, ein Ordner und die Gewohnheit, die Maschine dir die Fragen stellen zu lassen, die du dir selbst nie stellen würdest.

Das nächste Mal, wenn du dich hinsetzt, um einen Skill zu bauen, und den Drang spürst, einfach alles, was du weißt, in eine Datei zu dumpen — stopp. Du weißt nicht, was du weißt. Lass die Maschine es herausfinden. Öffne eine Session, sage "grill mich" und verbringe die unbequeme Stunde. Die Version deines AIOS, die auf der anderen Seite herauskommt, wird klingen wie du statt wie alle anderen, die dasselbe Modell auf dieselben Probleme richten. Diese Stimme — die, die kein Basismodell dir geben kann — ist der einzige Vorsprung, den es gibt.

Häufig Gestellte Fragen

Was ist der Grill-Me-Skill in Claude Code?

Grill Me ist ein Claude-Code-Skill, der dich gnadenlos über einen Plan, Prozess oder ein Design interviewt, bis dein Wissen vollständig erfasst ist. Er geht jeden Zweig des Entscheidungsbaums ab, eine Frage nach der anderen, schlägt bei jeder eine empfohlene Antwort vor und löst Codebase-Fragen selbst, statt zu fragen. Er wurde von Matt Pocock erstellt. Siehe was der Skill tatsächlich enthält oben für den vollständigen Quellcode.

Wie löse ich den Grill-Me-Skill aus?

Sage "grill mich über [Thema]" in Claude Code, oder führe den /grill-me Slash-Befehl direkt aus. Die natürlichsprachliche Formulierung matcht die Beschreibung des Skills und feuert ihn automatisch ab; der Slash-Befehl ist gezielter, wenn du bereits genau das Thema kennst.

Wie viele Fragen stellt eine Grill-Me-Session?

Eine typische Session umfasst ungefähr 16 bis 50 Fragen, abhängig davon, wie gut definiert das Thema ist. Klar definierte Features landen am unteren Ende; ein vollständiger Geschäftsbetrieb landet am oberen Ende und kann über eine Stunde dauern. Stimme die Tiefe der Session darauf ab, wie kostspielig es ist, den Skill falsch zu haben.

Warum ist Grill Me besser als einfach einen Braindump zu schreiben?

Ein Braindump erfasst nur, was du bereits weißt, dass du es weißt — er verpasst die impliziten Randfälle und vergessenen Entscheidungen, die dein AIOS einzigartig machen. Grill Me's gnadenloses Interview bringt diese Lücken ans Licht, bevor du baust, weshalb ein gegrillter Skill bei etwa 90% Effektivität startet statt bei den ~70%, mit denen ein Braindump-Skill typischerweise beginnt.

Speichert Grill Me das Gespräch in einer Datei?

Der originale Skill hält alles im Live-Gespräch, was bei langen Sessions driften kann. Der verbesserte Workflow fügt eine Checkpoint-Anweisung hinzu, die jede beantwortete Frage an eine datierte Markdown-Datei in einem brainstorms/-Ordner anhängt, bevor fortgefahren wird — so bleibt jede Entscheidung erhalten, auch wenn der Chat-Kontext wächst. Siehe den Checkpointing-Fix oben.

Lass Uns Zusammenarbeiten

Du möchtest AI-Systeme bauen, Workflows automatisieren oder deine Tech-Infrastruktur skalieren? Ich helfe gerne.

• Fiverr (individuelle Builds & Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Enterprise-Lösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienste): xcybersecurity.io