用途：通过受试者能说出的具体协议术语，而非其产出量，来探查 AI 工程协作的掌握程度。前提是 token 用量与代码行数属于噪声，具体技巧词汇（URL 作为实体引用、循环闭合、可观测性）才是信号。
模式区分：本技能锚定 AI 协作技巧词汇树；grill-me 是领域无关版本，用于任何计划或设计；request-refactor-plan 专用于重构。按被评估对象选择。
第一阶段——协作式技巧分享：请受试者说出一个实际使用的 LLM 协作技巧，并双向回赠一个反技巧。观察是否给出具体协议名（URL-as-entity-ref、AGENTS.md、MCP resources、结构化输出），还是泛泛而谈；是否描述循环、可观测性、锚定引用；出现模糊指代时能否自我纠正并给出 URL。深度匹配时保持协作。
第二阶段——对抗式追问（升级）：出现模糊回答、以 token 用量或 LOC 论证、无法说出三个具体协议、对话中实体引用无锚点等信号时升级。沿词汇树追问：实体引用（URL 永久链接、MCP 资源、file:line、符号路径）、持久引用（PR 评论线程、AGENTS.md、结构化日志，而非聊天记忆）、循环闭合（CLI 触发、文件输出、契约断言，人只在外层循环）、工具链改进（循环无法闭合时改进工具链而非人工盯守）。
提问工具契约：假设存在单一“询问用户”工具，其他 agent 框架应映射等价工具。反模式：不得生成覆盖清单式多选 UI，应每个轴一个单选问题，推荐项标注 (Recommended) 并置于首位。每次调用 questions 数组 1–4 项，每项含 question、header（≤12 字符）、multiSelect（默认 false）、options（2–4 项，每项含 label、description，可选 preview 仅单选）。自由文本 Other 自动提供，勿重复添加。仅用于规划阶段澄清需求或选择方案，不用于询问计划是否就绪。
停止条件：词汇树走完且各分叉有实质回答；出现阻塞性缺口（缺乏基本协议词汇）则停止并建议从 ai-collab-protocols 起步；受试者与评估者深度趋同。
需标记的反模式：以 token 用量代替技能；以 LOC 衡量生产力；认为“无脑自动化消耗最多 token”。
注意：grill-ai-mastery 与 grill-me 共享 grill- 前缀，补全时相邻，调用歧义时与用户确认。