React 核心成員 Lauren Tan 怎麼逼 AI 照資深工程師的規矩寫程式

pstack 是 React 核心成員 Lauren Tan（網路代號 poteto）開源的 AI coding skill 套件，把資深工程師的做事規矩裝進 Cursor、Claude Code 等 AI 寫程式助手。

AI 寫程式快，但常寫一大堆、品質普普，修 bug 愛用猜的。pstack 像在這個毛躁新人旁邊放一位前輩，盯著它先搞懂、拿證據、親自驗證、少寫廢話。

pstack 是什麼？

Lauren Tan 待過 Meta、Netflix，現在在 Cursor，也參與維護 React Compiler。她認為 AI 產出太多低品質程式碼，於是把自己每天的工作方式寫成 skill，口號是「想跑得快，先挖得深」。

它的目標跟多數 AI 工具相反：不是寫更多，而是寫更少但更好。pstack 於 2026 年 5 月以 Cursor plugin 發布，現有 23 個 playbook（標準作業流程）與 24 條原則。

poteto-mode 怎麼用？

只要記一個指令：

/poteto-mode 訂單列表換頁時篩選會不見，先重現再修。

它會判斷任務類型（修 bug、新功能、效能、重構…），把對應 playbook 的步驟逐字抄進待辦清單，再依步驟呼叫其他 skill。某步不做可以，但要寫理由，不能偷偷跳過。

pstack 架構 · 一個入口，背後是流程、工具、原則三層

六條核心規矩

先搞懂再動手：用 /how 查程式怎麼運作，用 /why 翻紀錄查當初為何這樣寫。
bug 自己重現：AI 自己操作畫面，不叫使用者去試。
沒證據不准留：每行改動都要有執行證據；猜錯就把相關改動全部退回。
驗證看真的：「能編譯」不算數，要在原本出問題的地方再跑一次。
能少寫就少寫：先刪沒用的，再用最小改動解決問題。
可退回的直接做：只有刪資料、上線這類不可逆的事，才停下來問人。

實戰範例：修一個換頁 bug

情境： 訂單列表篩選「已出貨」後點第 2 頁，篩選不見了。用 pstack，AI 會這樣做：

自己打開網頁，重現問題。
/how 發現換頁時整串網址參數被覆蓋；/why 查出三週前的重構漏改這段。再印出換頁前後的網址，確認原因。
先寫一個會失敗的測試。
修成換頁只更新頁碼，再回網頁實測。
開 PR：失敗測試的 commit 在前、修正在後，附上修前失敗、修後通過的紀錄。

/interrogate：四個 AI 互挑毛病

它同時請四個不同廠牌的模型審同一份程式碼。靠的是各模型盲點不同：多個模型都挑到的問題，才算高信心。

主審再把意見分成必修、考慮、記下、駁回四類。駁回的也會附理由列出，讓你可以推翻。

常用 skill 一覽

指令	用途
/poteto-mode	總入口，自動挑流程
/how	搞懂系統怎麼運作
/why	查當初為什麼這樣做
/architect	先定型別與模組骨架
/arena	多個 AI 各做一份，取長補短
/interrogate	多模型對抗式審查
/tdd	先寫失敗測試再修
/automate-me	依你的習慣產生專屬 mode

pstack 安裝方式

工具	安裝指令
Cursor	/add-plugin pstack
Claude Code、Codex 等	npx skills add backnotprop/pstack（社群鏡像）

裝好後先執行 /setup-pstack，設定各角色要用的 AI 模型。

從測試角度看 pstack

最值得學的，是它把驗證看得跟寫程式一樣重：失敗測試先進 git、單元測試通過不等於 bug 消失、同一件事提醒第二次，就改用 lint 或型別來強制。

可議的是，作者不相信事前規劃，主張程式碼就是最好的規格。但需求不清時，AI 再嚴謹也只是把錯的東西做得漂亮。務實做法是先用範例對齊「做什麼」，再讓 pstack 確保「做得對」。

常見問題

pstack 跟 Linux 的 pstack 指令有關嗎？

沒有，只是同名。Linux 的 pstack 是印出程式呼叫堆疊的除錯指令。

不用 Cursor 能用 pstack 嗎？

可以。它採用開放的 Agent Skills 格式，Claude Code、Codex 都能安裝。

pstack 要付費嗎？

pstack 是 MIT 授權的免費開源專案，但呼叫 AI 模型的用量照算，多模型審查用量會比較高。

結語

AI 寫程式的瓶頸不在速度，在可信度。就算不安裝，pstack 的原則檔也值得一讀，拿來當團隊的 code review 清單剛好。