learn-codebase
ktaletsk/learn-codebaseАнтипод вайб-кодинга: скилл обучает через вопросы и активное воспроизведение знаний. Ведёт журнал обучения, отслеживает пробелы и строит устойчивую ментальную модель кода. Идеален для онбординга, работы с легаси и подготовки к PR.
Установка
npx skills add ktaletsk/learn-codebase -gREADME
learn-codebase
Антипод вайб-кодинга. Сократический наставник, который обучает вас кодовым базам через вопросы и активное воспроизведение знаний — потому что в зрелых проектах понимание важнее скорости.
Для онбординга в большой репозиторий, подготовки PR или работы с легаси-кодом без притворства, что вы его понимаете.
Попробуйте за 2 минуты
- Установите скилл с помощью
npx skills(см. Установка для вариантов) - Откройте любой проект, который хотите изучить
- Начните сессию командой
/learn-codebase
Пример (установка один раз для всех проектов, затем открытие репозитория):
npx skills add ktaletsk/learn-codebase -g
cd /path/to/repo-you-want-to-learn
# затем в вашем AI-агенте:
/learn-codebaseЧто происходит дальше:
- скилл спрашивает, что именно вы хотите изучить
- заставляет вас делать предположения до того, как раскрыть ответы — нельзя просто пролистать пробел
- ведёт журнал обучения в
.claude/learning-journal.md, отслеживая, что вы уверенно знаете, а что ещё «блефуете» - помогает выстроить ментальную модель, которая сохраняется после завершения чата
Дошло? Если скилл помог вам по-настоящему разобраться в кодовой базе, поделитесь историей — и поставьте звезду репозиторию, если он оказался полезным.
Для кого этот скилл
Отлично подходит для:
- инженеров, проходящих онбординг в незнакомую или зрелую кодовую базу
- контрибьюторов open source, готовящих свой первый значимый PR
- разработчиков и студентов, которые хотят понимать код, а не просто генерировать его
- людей, отлаживающих или рефакторящих системы, которые они не писали
- всех, кто готов сказать «я на самом деле не знаю» вслух, вместо того чтобы кивать
Вероятно, не подходит для:
- прототипирования с нуля, где скорость важнее глубины
- сценариев «просто дай мне патч»
- тех, кто хочет, чтобы AI отвечал немедленно без встречных вопросов
- тех, кто хочет ощущения понимания без работы ради него
Зачем это нужно
Инструменты AI-кодинга позволяют легко шипить код, который вы не понимаете — и, что хуже, легко чувствовать, что понимаете. Для проектов с нуля это работает. В зрелой кодовой базе с реальными стандартами качества «работает на моей машине» — это способ написать PR, который вы не сможете защитить на ревью.
Этот скилл — то самое трение, от которого вы отказались, когда начали вайб-кодить. Он переворачивает стандартную модель взаимодействия с AI:
| Обычный AI-кодинг | learn-codebase | |
|---|---|---|
| Сразу показывает код | ✅ | ❌ Просит сначала сделать предположение |
| Отвечает на ваши вопросы | ✅ | ❌ Задаёт уточняющие вопросы в ответ |
| Оптимизирует скорость | ✅ | ❌ Оптимизирует запоминание |
| Забывает между сессиями | ✅ | ❌ Ведёт журнал обучения |
| Делает вас зависимым | 😬 | ❌ Строит вашу самостоятельность |
Проблема
Вы знаете это ощущение после интенсивного AI-кодинга — как плавание с ластами, а потом без них? Деградация навыков реальна, но это меньшая проблема. Большая — разрыв между тем, что вы думаете, что знаете, и тем, что вы реально можете объяснить.
Исследование 2025 года показало: разработчики, использующие AI на знакомых кодовых базах, работали на 19% медленнее тех, кто обходился без AI, — но при этом считали, что работают на 20% быстрее. Этот разрыв в 39 пунктов — цена нечестности с самим собой.
Этот скилл для тех, кому нужно по-настоящему учиться, а не просто чувствовать продуктивность:
- онбординг в кодовую базу новой команды
- подготовка к контрибьюции в open source
- понимание легаси-кода перед рефакторингом
- выработка уверенности перед код-ревью — заработанной, а не на ощущениях
Проверено в бою
Протестировано на популярном open source проекте (5M+ загрузок в месяц, большой TypeScript-монорепозиторий).
Исходная точка: нужно было внести вклад в flow загрузки файлов, но надёжной ментальной модели архитектуры ещё не было.
Что сделал скилл:
- запрашивал предположения до показа кода
- выявил непонимание вокруг
AbortController - удерживал обсуждение на уровне архитектуры перед погружением в файлы
- фиксировал прогресс в журнале обучения для следующей сессии
Результат примерно за 30 минут:
- 2 концепции переведены из 🔴 в 🟡
- 1 момент озарения зафиксирован
- весь flow загрузки прослежен самостоятельно, своими словами
- уверенность сместилась от «я, может, смогу в этом покопаться» к «я могу реализовать это без притворства, что понимаю»
Как это выглядит на практике
| Сценарий | Обычный AI-агент | learn-codebase |
|---|---|---|
| «Как работает загрузка?» | Показывает полный дамп кода | «Что, по-вашему, должен вернуть upload()?» |
| Пользователь не знает AbortController | Предполагает знание или объясняет избыточно | Обнаруживает пробел, объясняет просто, возвращается к вопросам |
| Сложная архитектура | «Вот 5 файлов для чтения» | «Концептуально это три слоя: UI, Model, Services» |
| Конец сессии | «Дайте знать, если нужна помощь» | «Вот 4 конкретных варианта следующих шагов» |
| Следующая сессия | Начинает с нуля | Читает журнал: «В прошлый раз вы изучали flow загрузки...» |
Почему не использовать агент обычным способом?
Большинство AI-агентов настроены на выполнение задачи: выдать ответ, разблокировать вас, двигаться дальше. Этот скилл настроен на то, чтобы вы могли объяснить то, что сделали — другая цель, другое трение. Вы по-прежнему используете того же агента; вы добавляете режим, который противостоит ложной беглости.
| Обычный агент кодинга | learn-codebase | |
|---|---|---|
| Поведение по умолчанию | Отвечает быстро | Заставляет думать сначала |
| Главная оптимизация | Выполнение задачи | Формирование ментальной модели |
| При непонимании | Склонен сглаживать | Использует непонимание как обучающий сигнал |
| Между сессиями | Часто начинает заново | Накапливает понимание в журнале |
| Долгосрочный эффект | Быстрее сейчас, часто поверхностнее потом | Медленнее сейчас, глубже потом |