当你觉得”用HashMap就够了”的时候，这个工具说：不止于此

写代码时遇到问题，你是不是习惯性地用 HashMap 搞定一切？或者一听到”分布式”就开始想 Kafka？——这种路径依赖，每个工程师都有。

但你有没有想过：如果这个问题发生在十万并发、PB 级数据、跨三个时区的团队里，最”正确”的解法是什么？

overkill 就是来解决这个思维盲区的。

这是一个 Claude Code 插件，核心逻辑很反直觉：**不是给你推荐最简单的方案，而是推荐最”过份”的方案**。每次调用，它会把你当前讨论的问题往极端场景推——高级数据结构、分布式算法、冷门框架、前沿工具——每个选项都附有一个复杂度评分（0~10），以及”在什么规模下这个方案才值得用”的明确说明。

举个例子：如果你问”怎么统计一篇文章里词频”，普通回答是 HashMap；但 overkill 会告诉你：可以用前缀树（Trie）做 O(n) 实时查询，在数据量超过 10 万词时优势明显；或者用跳表（Skip List）做有序统计，方便后续扩展——然后它会标清楚，这两种方案在你当前场景下就是 overkill，但这个”超额”的知识点，是面试造火箭的真实考点。

核心用法：

• /overkill 或直接说 “overkill this”：触发全套分析
• –max：只看最高复杂度选项（🔥 7分以上）
• –advanced：切换到运维视角（招聘难度、学习曲线、团队接入成本）
• –current：联网查证每个项目的最新状态

这个插件的开发者 santiago-vargas-de-kruijf 在 README 里写得坦白：它是给”已经知道简单答案、但想探索边界之外有什么”的人准备的。它不推荐你用最复杂的方案——它让你理解为什么最复杂的方案存在，以及什么时候它才是对的。

对于 AI 行业观察者来说，overkill 本身就是个有趣信号：大模型正在学会”过度思考”，而人类工程师越来越需要”超量储备”。这道错位，恰恰是未来工具链进化的方向。

GitHub：https://github.com/santiago-vargas-de-kruijf/claude-overkill

GitHub: https://github.com/santiago-vargas-de-kruijf/claude-overkill