Claude Code 用了三个月后，我发现一个被忽视的效率陷阱

Claude Code 用了三个月，我发现一个被忽视的效率陷阱：AI 写得越来越快，你的知识增长却越来越慢。

不是工具的问题，是你接受 AI 输出时，跳过了所有”为什么这样写”的过程。代码来了，用了，跑了，下一个任务——然后下一个 AI 又写了类似的东西，你继续接受，周而复始。这是 vibecoding 的本质：用 AI 的速度工作，却用自己的时间买单。

mohi-devhub/antivibe（目前 880 ⭐，55 forks）想解决这个问题，而且方案很简单——让 Claude Code 在生成代码之后，把每一行为什么这样写，给你讲清楚。

它能做什么：三种模式，覆盖不同场景

AntiVibe 是一个 Claude Code Skill，安装后通过 /antivibe 触发，也可以用自然语言唤起（”explain this code”、”walk me through src/”、”audit this”）。它分析任何代码——不必须是 AI 生成的，legacy 项目同样适用——然后输出两种内容：

Deep Dive（深度解读）：生成学习指南，结构是：Overview → Key Components → Concepts Explained（包括 What/Why/When/Alternatives）→ Learning Resources。compact 模式省 token，full 模式加上逐行walkthrough 和精选外部资源。

Audit（架构审计）：Senior 模式下触发，由专门的 auditor agent 运行，输出设计决策分析、trade-offs、edge cases 和 testability 评估。不是告诉你代码”对不对”，而是告诉你”为什么这样设计，有没有更好的选择”。

真实使用门槛：不高，但有几个前提

门槛最核心的一条：你得用 Claude Code。AntiVibe 是 Claude Code Skill，不是独立工具。

安装方式：

git clone https://github.com/mohi-devhub/antivibe.git
cp -r antivibe ~/.claude/skills/antivibe

装完重开 Claude Code 就能用，没有额外依赖。

第二个门槛是 token 消耗。compact 模式控制得不错，一次 deep dive 通常 2-5k token；full 模式加上逐行 walkthrough 和资源检索，消耗会明显上升。如果你在一个大型 legacy 代码库上跑 full 模式，建议先在单文件上测试效果再全面铺开。

第三个前提是 你要真的想学。AntiVibe 输出的是 markdown 文件，存在 deep-dive/ 目录下。如果只是跑一遍看个热闹，它的价值体现不出来——它的设计逻辑就是为”反复阅读、逐步积累”服务的。

适合谁 / 不适合谁

适合：

• 每天用 Claude Code 写代码、想从 AI 输出中提取知识而非只是接受的开发者
• 需要快速理解陌生代码库的工程师（接手遗留系统时特别有用）
• 团队 leader 想让 junior 开发者借助 AI 自主学习，而不是每次都来问

不适合：

• 追求”最快出活”、不在乎理解代码原理的临时任务（这类场景直接用 AI 输出就好）
• 完全没有编程基础的学习者（AntiVibe 假设你有基础，只是需要理解特定模式）
• 期待开箱即用、自动运行的学习记录系统（它需要你主动触发和阅读）

它解决了一个具体问题

vibecoding 社区最近在讨论一个矛盾：AI 编程工具越来越强，程序员的代码理解能力却在两极分化。用 AI 辅助工作的开发者分成了两类——一类是”AI 写什么我就用什么”，知识完全依赖 AI 输出；另一类是”让 AI 帮我学，但最终我能独立理解和修改”。

AntiVibe 针对的是第二类场景。它不是 AI 编程工具的替代品，而是配套框架——在 Claude Code 完成实现之后，补一个”学习环节”。对于企业来说，这意味着当你问”这段代码是谁写的、为什么这样写”时，不只是 AI 能回答，你自己也能回答。

GitHub 仓库：https://github.com/mohi-devhub/antivibe

文档：https://github.com/mohi-devhub/antivibe/blob/main/docs/setup.md

Claude Code Skill 格式说明：https://docs.anthropic.com/en/docs/claude-code/skills