快速上手Andrej Karpathy Skills：让AI编程不再翻车-编程实验室

快速上手Andrej Karpathy Skills：让AI编程不再翻车

【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills

上个月让 AI 修一个排序 bug，我打开 PR（代码合并请求）时愣住了：改了 8 个文件，顺手重构了两个不相干的函数，连注释风格都换了。问它为什么，它回答"顺手提升了可读性"。这不是个例，Andrej Karpathy 观察到，大模型会替你做错误假设还径自往下跑，把 100 行的活膨胀成 1000 行。andrej-karpathy-skills 就是冲着这个来的：一个 CLAUDE.md 文件放进项目根目录，AI 编程从此照着规矩来。规则一共四条，省下的都是返工的时间。

📌 30秒项目速览

它只干一件事：让 AI 编程助手守规矩。

它把 Andrej Karpathy 对大模型（LLM）常见编程毛病的观察变成一份行为准则文件——CLAUDE.md 放进项目根目录，Claude Code（Anthropic 出的命令行编程工具）写代码时就会照着执行。

🛠️ 两行命令装好，三步跑通

先别纠结原理，装上亲眼看效果。

方式一，Claude Code 插件（在 Claude Code 里执行）：

/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skills@karpathy-skills

方式二，把文件放进自己的项目：

git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills cp andrej-karpathy-skills/CLAUDE.md 你的项目/

装好后三步跑通：

用 Claude Code 打开你的项目
提一个模糊任务，如"优化搜索"
看它动手前是否先反问

🧠 四条规则各治什么病

四条规则各对应一种高频翻车现场，不是口号。上一步装了插件的话它们已经生效，下面的一句话版本适合方式二或追加进现有 CLAUDE.md。

AI 默默脑补需求时

问题：你说"加个导出用户数据"，它直接假设导出全部用户，字段、格式、隐私一概不问。思路：把假设摆到台面上问一句，永远比默默选错便宜。动作：在 CLAUDE.md 加一行：动手前列出你的假设；有歧义就停下来问，不要替我做选择。

三行需求变三十行时

问题：算个折扣，它写出抽象类、策略模式、配置 dataclass 一整套。思路：只实现被要求的东西，复杂度在需求出现时再加，不靠猜。动作：加一行：不添加未要求的功能和抽象；200 行能压到 50 行就重写。

它"顺手"改无关代码时

问题：修一个 bug，diff 里连注释、引号、类型提示都变了。思路：每行改动都能追溯回你的请求，风格跟着项目走。动作：加一行：只改与任务相关的行，匹配现有代码风格，只清理你自己弄出的孤儿代码。

"修一下 bug"没法验证时

问题：你说"修下认证系统"，它改了一堆，你还是不知道修没修好。思路：把任务变成明确的验收标准，它才能自己循环推进。动作：提任务时写清验收，如先写一个能复现问题的失败测试，再修复，确保全部测试通过。

🔍 一次完整排障走下来

拿项目示例里的一个真实 bug，把全过程走一遍。

你输入的一句话： "排序在出现重复分数时会乱。先写一个能复现它的失败测试，再修复，最后确认整套测试通过。"

AI 的实际动作，按顺序：

它没碰排序逻辑，先写了个复现测试：

def test_sort_with_duplicate_scores(): scores = [ {'name': 'Alice', 'score': 100}, {'name': 'Bob', 'score': 100}, ] result = sort_scores(scores) assert [s['name'] for s in result[:2]] == ['Alice', 'Bob']

✅ 判断点一：这个测试必须先失败，问题确认存在，才算不是"盲修"。

然后修复只有一行：

def sort_scores(scores): return sorted(scores, key=lambda x: (-x['score'], x['name']))

分数降序，同分按名字排，顺序从此确定。

怎么验收：重复跑测试，每次顺序都稳定；原有测试全部通过。

✅ 判断点二：验收看的是"标准变绿"，不是"代码看起来挺对"。

⚡ 高频陷阱速查

新手最常踩的坑都在这，每条给一句原因加一句解法。

现象：PR 的 diff 远大于要求改动量。原因：AI 把看到的代码都当成自己的，分不清任务边界。解法：CLAUDE.md 里写死"每行改动必须能追溯到请求"。

现象：新功能里冒出缓存、通知等没要求过的东西。原因：模型按"最佳实践"惯性脑补。解法：写明"只实现被请求的功能，不做投机性设计"。

现象：AI 说完成了，你却没法确认它真做到了。原因：你给了任务，没给验收标准。解法：把任务都改成"先写测试，再让它通过"。

现象：面对多种理解时，AI 默默挑了一种。原因：猜比问省力气。解法：要求它"列出全部假设，拿不准就停手提问"。

进阶两条：

在 CLAUDE.md 里追加"项目特定规则"小节，比如"所有 API 端点必须有测试"，它设计上就支持与自定义规则合并。
琐事留判断空间：这份准则本身偏向谨慎，改错别字这类活不必走完整套流程。

📈 用前用后对照：怎么判断它生效了

别看感觉，看四个变化。

以前 diff 里混一堆无关改动，现在只看得见你要求的改动
以前第一版就过度设计，返工一轮，现在第一版就简单，很少返工
以前等 PR 评审才发现它理解偏了，现在澄清问题全发生在动手前
以前你要追着问"到底修好没"，现在它自己循环到测试变绿

这个项目的底层想法一句话就能说清：模型特别擅长"循环到达成目标为止"，所以正确做法不是规定它每一步怎么做，而是把成功标准交给它，让它自己跑。

现在就去打开你刚克隆仓库里的 CLAUDE.md，把它放进项目根目录，开始用。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

快速上手Andrej Karpathy Skills：让AI编程不再翻车