De Grill Me Skill: Hoe Ik Mijn Eigen Brein Extraheer

De Grill Me Skill: Hoe Ik Mijn Eigen Brein Extraheer

De skill die me het meest heeft geleerd over het bouwen van een AI Operating System is zes zinnen lang.

Niet zeshonderd regels. Niet een Python-toolchain met tientallen referentiedocumenten. Zes zinnen in een markdown-bestand. Ik opende het in de verwachting iets slims te vinden en sloot bijna het tabblad toen ik zag hoe kort het was. Toen startte ik het op, en het ondervroeg me eenenvijftig minuten lang over een verpakkingsworkflow — en aan het eind wist het meer over hoe ik dat deel van mijn bedrijf werkelijk run dan welk document ik er ooit over had geschreven.

Dat is de Grill Me skill voor Claude Code, en het lost het moeilijkste probleem in deze hele ruimte op: wat er in je hoofd zit in de machine krijgen. Niet "wat is een skill." Niet "tien skills die je moet installeren." De onglamoureuze bottleneck waar niemand over wil praten — je kennis zit opgesloten in je schedel, en een basismodel kan geen gedachten lezen.

Hier is het deel dat ik even moest accepteren. Jij en ik en ieder ander die dit leest richten hetzelfde model op onze problemen. Claude Opus 4.8. Dezelfde gewichten, dezelfde training, hetzelfde redeneren. Het model is niet je voorsprong. Wat jouw AI-output anders maakt dan de generieke brei die iedereen anders genereert, komt uit één plek: de context, de stem, en de zwaar bevochten beslissingen die jij erin voedt. Haal dat weg en elke output degradeert naar het saaie gemiddelde. Dus het echte spel was nooit "vind een beter model." Het is "extraheer je kennis en vorm het zodat een machine het kan consumeren." Grill Me is het beste gereedschap dat ik heb gevonden om precies dat te doen.

Waarom je braindump generieke AI-output oplevert

Laat me beginnen met wat ik maandenlang fout deed.

Wanneer ik een skill wilde bouwen, ging ik zitten en schreef alles wat ik wist over het proces in een markdown-bestand. Een braindump. Ik dacht dat ik grondig was — driehonderd regels, koppen, opsommingstekens, het hele werk. Dan produceerde de skill die erop was gebouwd werk dat oké was. Competent. Vergeetbaar. Het soort output waarbij je denkt "ja, dat klopt ongeveer" en dan stilletjes de helft herschrijft.

Het probleem is niet dat ik een slechte schrijver ben. Het probleem is dat een braindump alleen vastlegt wat je al weet dat je weet. Het kan niet vastleggen wat je niet denkt te noemen — de uitzonderingen, het "oh wacht, behalve wanneer de klant in de EU zit," de reden waarom je drie jaar geleden stopte met het op de andere manier te doen. Die stilzwijgende kennis is precies de differentiatie die je AIOS van jou maakt in plaats van van iedereen. En je zult het nooit vrijwillig opschrijven, want per definitie ben je vergeten dat het überhaupt een beslissing is.

Ik leerde dit door te observeren hoe ik klantprojecten scope. De projecten die goed gaan zijn niet die waar ik de klant laat praten. Het zijn die waar ik ongemakkelijke, bijna-irritante vragen stel. "Wat gebeurt er met de bestelling als de betaling slaagt maar de voorraadcontrole faalt?" De klant pauzeert. Ze hadden er niet over nagedacht. Die pauze is de hele waarde. Het is het verschil tussen een systeem dat 80% betrouwbaar is en een dat 95% betrouwbaar is. De vragen die overdreven voelen zijn degene die de gaten vinden.

Grill Me neemt precies die dynamiek — het meedogenloze ontdekkingsinterview — en richt het op jou. De AI wordt de irritante consultant, en jij wordt de klant die niet had nagedacht over de randgeval. Die rolwisseling is de hele truc. Als je tijd hebt besteed aan waarom AI-agentcontext configuratie verslaat, is dit de meest geconcentreerde versie van dat idee die ik ken.

Maar voordat ik je de prompt laat zien, moet je zien hoe weinig erin zit. Het gaat je verrassen.

Wat de Grill Me skill werkelijk bevat

Hier is de volledige skill. Dit is de echte SKILL.md uit mijn .claude/skills/grill-me/ map, oorspronkelijk geschreven door Matt Pocock en gepubliceerd in zijn publieke skills repo onder 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.

Dat is het. Dat is het hele ding. De frontmatter is bedrading — een naam en een beschrijving die Claude vertelt wanneer de skill moet afvuren. De body bevat vier instructies:

1. Interview meedogenloos tot gedeeld begrip. Niet "stel een paar vragen." Meedogenloos. Het woord doet echt werk — het geeft het model toestemming om door te gaan voorbij het punt waar een beleefde assistent zou stoppen.
2. Loop de ontwerp-boom af, los afhankelijkheden één voor één op. Elke beslissing heeft kindbeslissingen. "Geavanceerd zoeken of eenvoudig vak?" Bij geavanceerd — welke filters? Welke sorteervolgorden? Elk antwoord opent nieuwe vertakkingen. Je doorloopt tot elk blad concreet is.
3. Geef bij elke vraag je aanbevolen antwoord. Dit is het deel dat de meeste mensen missen. Het is geen blanco ondervraging. Het model stelt een standaard voor, dus je reageert op een aanbeveling, in plaats van antwoorden te genereren vanuit het niets. Reageren is tien keer sneller dan schrijven.
4. Als de codebase het kan beantwoorden, kijk daar in plaats van te vragen. Verspil mijn aandacht niet aan vragen die een grep kon oplossen.

Die vierde regel is waarom ik het vertrouw. Een slechtere skill zou me veertig vragen stellen waarvan vijf die hij zelf had kunnen beantwoorden door mijn code te lezen. Deze lost de goedkope vragen zelf op en bewaart mijn brein voor de dure.

Hoeveel vragen stelt een Grill Me sessie eigenlijk? In mijn echte sessies ergens tussen de 16 en 50, afhankelijk van hoe vaag het onderwerp is — wat overeenkomt met wat andere beoefenaars melden. Een strak, goed begrepen feature landt aan de onderkant. Een volledige bedrijfsoperatie landt aan de bovenkant, en dan nog wat.

De les die ik steeds opnieuw leer: effectieve skills zijn geen complexe automatiseringen. Het nuttigste ding in mijn hele setup is een prompt van zes zinnen. Ik schrijf over deze spanning in hoe ik Claude skills test voordat ze mijn workflow breken — complexiteit is meestal een geur, geen feature. Grill Me is het bewijs.

Dus als het origineel zo goed is, waarom heb ik het dan aangepast? Vanwege één specifieke faalwijze die zich voordoet zodra je sessies lang worden.

De fix die lange grill-sessies bruikbaar maakte: checkpointing

De originele Grill Me heeft een probleem dat het zelf niet kan zien, en je raakt het pas zodra je sessies lang worden.

Mijn verpakkingssessie duurde eenenvijftig minuten. Tegen minuut veertig was het gesprek enorm gegroeid — tientallen vragen, tientallen antwoorden, vertakkingen binnen vertakkingen. En het model begon te afdrijven. Een beslissing die ik op minuut acht had vastgelegd, verscheen stilletjes niet meer in zijn redenering op minuut veertig. Niet omdat het model dom is, maar omdat naarmate het actieve gesprek groeit, eerdere beurten minder aandacht krijgen. Het detail dat je een uur geleden hebt besloten, concurreert met alles sindsdien om dezelfde eindige focus. (Als je dit hebt gevoeld bij een lange sessie, heb ik de mechanica uiteengezet in Claude Code context-hygiëne en tokenlimieten.)

Een briljant interview van een uur is waardeloos als het model de eerste helft vergeet aan het eind.

Dus de verbetering die ik draai is doodsimpel: checkpoint na elke afzonderlijke vraag. Het moment dat een vraag is beantwoord, voegt de skill die uitwisseling toe aan een markdown-bestand op schijf — voordat het naar de volgende vraag gaat. Het gesprek in het contextvenster kan afdrijven zoveel het wil. Het record is onveranderlijk, zit in een bestand, compleet vanaf vraag één.

Ik bewaar deze in een brainstorms/ map in de project-root. Elke sessie produceert één log, en elke log draagt drie dingen:

• Kernbeslissingen — de opgeloste bladeren van de ontwerp-boom, geformuleerd als toezeggingen. "Retourzendingen worden afgehandeld door X, niet Y, omdat Z."
• Het volledige V&A-log — elke vraag en mijn exacte antwoord, in volgorde, zodat ik later de redenering kan reconstrueren.
• Een highlight-samenvatting — een korte samenvatting bovenaan het bestand die ik in dertig seconden kan scannen, zes weken later, zonder het hele transcript te herlezen.

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
└── ...

Er is een echt, gepubliceerde neef van dit idee die het waard is te kennen. De grill-with-docs skill neemt hetzelfde meedogenloze interview en schrijft opgeloste termen naar een CONTEXT.md woordenlijst en harde, verrassende afwegingen naar ADR-bestanden (docs/adr/) terwijl ze kristalliseren, inline, in plaats van ze aan het eind te bundelen. Hetzelfde instinct als mijn brainstorms/ map — leg het moment vast dat een beslissing wordt genomen, niet erna wanneer je moe bent en de nuance is verdampt. Twee wegen naar dezelfde bestemming: het live gesprek is fragiel, het bestand op schijf niet.

En zodra het bestand bestaat, gebeurt er iets nuttigs nadat de sessie eindigt.

Wat er gebeurt nadat het interview eindigt

De vastlegging is niet de eindstreep. Het is het ruwe materiaal.

Wanneer een sessie eindigt, heb ik een gestructureerd brainstorms/ log vol beslissingen en randgevallen die het model net uit mijn hoofd heeft getrokken. De volgende stap is dat terug te voeden in het systeem: Claude vragen om updates voor te stellen voor de gerelateerde skill en zijn documentatie op basis van de nuances die het net heeft vastgelegd. De verpakkingssessie produceerde niet alleen notities — het produceerde een betere verpakkingsskill, omdat elk "oh, behalve wanneer..." dat ik was vergeten nu was opgeschreven en kon worden opgenomen in de instructies waar de skill op draait.

Dit is ook waar Grill Me iets doet wat ik niet had verwacht: het signaleert wat je niet weet. Halverwege de AI-veiligheidssessie raakte het een vertakking die ik niet kon beantwoorden — iets over een gegevensbewaringslimiet die echt niet mijn beslissing was. In plaats van te gokken of me te laten bluffen, markeerde het het. "Dit heeft input nodig van degene die je compliance-houding bezit." Die ene markering was meer waard dan tien antwoorden, omdat het me precies vertelde waar ik een echt mens moest gaan vragen voordat ik iets bouwde op een verkeerde aanname.

Dus de loop is: grillen → vastleggen in markdown → de skill bijwerken → de gaten markeren → de gaten vullen met de juiste stakeholder → opnieuw grillen volgend kwartaal wanneer het proces is veranderd. Elke doorgang laat je achter met een meer beproefde skill en een AIOS dat meer weet van je werkelijke bedrijf. Dit is de ondersteunende workflow onder het AI Operating System dat ik bouwde met Claude Code — de pilaar behandelt de architectuur; Grill Me is hoe je het vult met kennis die echt van jou is.

Als je dit soort gestructureerde kennisextractie wilt laten draaien over een heel bedrijf — niet slechts één proces — dan is dat het soort ding dat Ramlit bouwt voor teams: de expertise die opgesloten zit in de hoofden van je senior mensen omzetten in systemen die de rest van het bedrijf (en zijn AI) werkelijk kan gebruiken.

Nu naar het getal dat me deed reorganiseren hoe ik elke skill begin.

De iteratie-wiskunde: starten op 90% in plaats van 70%

Dit is het argument om een uur gegrild te worden voordat je één regel skill-instructies schrijft.

Bouw een skill op de normale manier — braindump, schrijf het, draai het — en bij de eerste poging landt het ergens rond 70% effectief. Goed genoeg om nuttig te zijn, fout genoeg om babysitting nodig te hebben. Dan itereer je. Elk praktijkgebruik brengt een gat aan het licht, je patcht het, en over vele cycli kruipt het richting 95%. De trajectorie werkt. Het is alleen traag, omdat elk gat je een volledige bouw-draai-ontdek-loop kost om te vinden.

Grill Me laadt die ontdekking vooraf. Omdat het interview randgevallen jaagt voordat je bouwt, begint dezelfde skill zijn leven rond 90% in plaats van 70%. Je vindt de EU-uitzondering niet op dag veertig wanneer een klant een verkeerde output krijgt. Je vindt het in minuut twaalf van het interview, wanneer het model vraagt "wat verandert er voor EU-klanten?" en jij zegt "oh — juist."

De oude timmermansspreuk past perfect: besteed vier uur aan het slijpen van de bijl voordat je twee uur hakt. De voorafgaande inspanning voelt als vertraging. Dat is het niet. Een scherpe bijl door een boom in twee uur verslaat een botte die acht uur hakt. Een uur grillen dat je van 70% naar 90% brengt bij iteratie één bespaart je een dozijn patch-en-herdraai-cycli stroomafwaarts. Ik heb nooit spijt gehad van het uur. Ik heb wél spijt gehad van elke skill die ik verscheepte zonder het.

Om eerlijk te zijn over de afweging: dit is echt cognitief werk, niet een passief gereedschap dat je afvuurt en vergeet. Een vijftig-minuten Grill Me sessie is vijftig minuten hard nadenken over beslissingen die je op de automatische piloot afhandelde. Als je moe bent, is het uitputtend. En voor een echt triviale skill is volledig grillen overkill — soms is een braindump echt genoeg. Stem de diepte van het interview af op de inzet van de skill. Het punt is niet om alles te grillen. Het is om de dingen te grillen die pijn doen als je ze fout hebt.

Dus hoe draai je er eigenlijk eentje?

Hoe je de Grill Me skill gebruikt in Claude Code

Twee manieren om het te activeren, en ze gedragen zich een beetje anders.

Natuurlijke taal. Typ iets als "Hey, grill me over hoe we klant-onboarding doen" of "grill me over dit uitrolplan." De beschrijving van de skill matcht de frase en Claude vuurt het af. Dit is hoe ik de meeste sessies start — het is conversationeel en je kunt het losjes richten.

Slash-commando. Draai /grill-me direct. Meer doelbewust, goed wanneer je precies het onderwerp kent en de opwarming wilt overslaan.

Hoe dan ook, hier is de flow die ik volg:

1. Benoem het doel precies. Niet "grill me over mijn bedrijf." Te breed — je krijgt een oppervlakkige pass over alles. Kies één proces: "grill me over hoe ik AI veilig toepas binnen het bedrijf." Smal doel, diep interview.
2. Antwoord eerlijk, inclusief 'ik weet het niet.' De "ik weet het niet" antwoorden zijn het meest waardevolle dat je produceert, want het zijn de gaten die de markering zal vangen. Bluf niet om competent te lijken voor een model dat je probeert te helpen.
3. Reageer op zijn aanbevolen antwoorden. Onthoud, het stelt een standaard voor bij elke vraag. Vaak is de snelste zet "ja, dat, maar verander één ding." Je bewerkt, niet schrijft.
4. Laat het lang draaien. Weersta de drang om af te ronden bij vraag tien omdat je je verveelt. Het goud zit meestal in de tweede helft, op de vertakkingen waarvan je niet wist dat ze bestonden. Sessies van meer dan een uur zijn normaal en goed.
5. Oogst de output. Wanneer het eindigt, heb je ontdekkingsnotities, een samenvatting van kernbeslissingen, gestructureerde V&A-logs, en een lijst markeringen die aangeven waar je een ander mens nodig hebt. Lees de highlight-samenvatting. Vraag dan Claude om de nieuwe nuances in de relevante skill te verwerken.

Eén eerlijke kanttekening over de setup: de kale upstream Grill Me checkpointed niet naar een brainstorms/ map uit zichzelf — dat is de verbeteringslaag die ik beschreef, en je moet het toevoegen aan de skill-body (een instructie om elke beantwoorde vraag toe te voegen aan een gedateerd markdown-bestand voordat het verdergaat). Het origineel houdt alles in het live gesprek, wat precies is waar het afdrijf-probleem woont. Als je sessies kort zijn, is het origineel prima. Als ze lang duren, voeg dan de checkpoint-instructie toe of je verliest de eerste helft.

Dat is de volledige workflow. Zes zinnen prompt, één map, en de gewoonte om de machine je de vragen te laten stellen die je jezelf nooit zou stellen.

De volgende keer dat je gaat zitten om een skill te bouwen en de drang voelt om gewoon alles wat je weet in een bestand te dumpen — stop. Je weet niet wat je weet. Laat de machine het uitzoeken. Open een sessie, zeg "grill me," en besteed het ongemakkelijke uur. De versie van je AIOS die aan de andere kant uitkomt zal klinken als jij in plaats van als iedereen die hetzelfde model op dezelfde problemen richt. Die stem — die geen basismodel je kan geven — is de enige voorsprong die er is.

Veelgestelde Vragen

Wat is de Grill Me skill in Claude Code?

Grill Me is een Claude Code skill die je meedogenloos interviewt over een plan, proces of ontwerp totdat je kennis volledig is vastgelegd. Het loopt elke vertakking van de beslissingsboom af, één vraag per keer, stelt bij elke een aanbevolen antwoord voor, en lost codebase-vragen zelf op in plaats van te vragen. Het is gemaakt door Matt Pocock. Zie wat de skill werkelijk bevat hierboven voor de volledige broncode.

Hoe activeer ik de Grill Me skill?

Zeg "grill me over [onderwerp]" in Claude Code, of draai het /grill-me slash-commando direct. De natuurlijke taal-formulering matcht de beschrijving van de skill en vuurt het automatisch af; het slash-commando is meer doelbewust wanneer je al precies het onderwerp kent.

Hoeveel vragen stelt een Grill Me sessie?

Een typische sessie draait ruwweg 16 tot 50 vragen, afhankelijk van hoe goed gedefinieerd het onderwerp is. Strakke, bekende features landen aan de lage kant; een volledige bedrijfsoperatie landt aan de hoge kant en kan meer dan een uur duren. Stem de diepte van de sessie af op hoe kostbaar het is om de skill fout te hebben.

Waarom is Grill Me beter dan gewoon een braindump schrijven?

Een braindump legt alleen vast wat je al weet dat je weet — het mist de stilzwijgende randgevallen en vergeten beslissingen die je AIOS uniek maken. Het meedogenloze interview van Grill Me brengt die gaten aan het licht voordat je bouwt, waardoor een gegrilde skill start rond 90% effectiviteit in plaats van de ~70% waarmee een braindump-skill doorgaans start.

Slaat Grill Me het gesprek op in een bestand?

De originele skill houdt alles in het live gesprek, wat kan afdrijven bij lange sessies. De verbeterde workflow voegt een checkpoint-instructie toe die elke beantwoorde vraag toevoegt aan een gedateerd markdown-bestand in een brainstorms/ map voordat het verdergaat — waardoor elke beslissing bewaard blijft zelfs als de chat-context groeit. Zie de checkpointing-fix hierboven.

Laten We Samenwerken

Op zoek naar het bouwen van AI-systemen, het automatiseren van workflows, of het opschalen van je tech-infrastructuur? Ik help je graag.

• Fiverr (custom builds & integraties): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (enterprise-oplossingen): ramlit.com
• ColorPark (design & branding): colorpark.io
• xCyberSecurity (beveiligingsdiensten): xcybersecurity.io