AI 改代码总顺手优化andrej-karpathy-skills 在编程课堂的 4 个卡点【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills让学生让 AI 给一个函数加日志diff 回来引号风格变了、类型注解多了、print 换成了 logger逻辑没动评审却比写代码还费劲。andrej-karpathy-skills 是从 Karpathy 对 LLM 编码陷阱的观察里提炼出来的一份行为准则文件往项目里放一个 CLAUDE.mdAI 的假设、啰嗦和改动范围就被约束住。它的课堂价值把事后挑代码毛病变成写代码前立规矩。项目速览一个 CLAUDE.md治三类毛病项目由 forrestchang 维护MIT 协议核心产物就是根目录一份 CLAUDE.md同内容还有一份 SKILL.md可当个人 skill 复用。它针对 LLM 最容易翻车的三类习惯默默选定一种解释就往下跑、100 行能写完的事写成 1000 行抽象、顺手改动自己没吃透的代码和注释。文件内部组织成四组行为约束编码前思考、简单优先、外科手术式修改、目标驱动执行。两行命令装进项目git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills把仓库里的 CLAUDE.md 拷到教学项目根目录即可已有该文件就追加合并。团队统一用 Claude Code 的话也可以走 /plugin 命令装成插件一次覆盖所有项目。一次课堂任务的 4 个卡点从需求到干净 diff拿一次真实的修 bug 加功能课堂任务走一遍。每个卡点都对应 AI 最容易翻车的一种姿势课上可以直接当检查清单用。卡点 1写码前逼它把假设摆出来要点任务有歧义时说清楚假设或者提问不许默默选一种解释硬跑。例子任务加一个导出数据功能AI 默认动作是导出全部用户到 JSON 文件范围、字段、隐私全靠自己猜。加了准则后它会先问全部还是筛选后的生成文件还是走接口哪些字段算敏感课堂上可以让学生先猜 AI 会问哪三个问题再对照实际输出。卡点 2实现只写最小代码要点不加没被要求的功能不做单次使用的抽象200 行能写成 50 行就重写。例子加个折扣计算没约束时 AI 爱端出策略模式、配置类、校验钩子30 行铺垫算一次乘法约束之后def discount(amount: float, percent: float) - float: percent 取 0-100 return amount * percent / 100课上补一句自检提问资深工程师会觉得这个实现过度复杂吗觉得就让它简化。卡点 3存量代码只动任务相关行要点不顺手改进相邻代码、注释、格式自己改动造成的孤儿代码要清无关的死代码只提不删。例子修空邮箱让校验崩溃这个 bug合格的 diff 长这样- if not user_data.get(email): email user_data.get(email, ) if not email or not email.strip(): raise ValueError(Email required)四处改动每一行都能追溯回任务。评审时这个卡点最好量化多出来的一行都是红旗。卡点 4先写成功标准再动手要点把指令式任务翻译成可验证的目标多步骤任务每一步挂验证方式。例子修一下这个 bug变成先写一个能复现 bug 的测试修复后让它通过加限流这种大任务AI 该交出这样的计划1. 单接口加内存限流 → 验证第 11 次请求返回 429 2. 抽成中间件 → 验证现有接口测试全绿学生在这里最自然地学会测试先行AI 的计划模板本身就是一张答题纸。落地节奏从一次作业到班级习惯第一阶先试一小步挑一个小项目放进 CLAUDE.md让 AI 完成修一个 bug的任务评审时逐行过 diff只问一句这行是任务要求的吗让学生对比加文件前后两次输出记录哪里变干净了第二阶嵌进日常流程每次作业先要求 AI 输出假设 成功标准再允许它写代码批改时用资深工程师测试抽查有没有单次使用的抽象Cursor 用户把规则文件拷进项目的 .cursor/rules/ 目录第三阶沉淀成团队习惯在 CLAUDE.md 追加班级自己的规则例如所有接口改动必须带测试PR 自检清单固化有没有顺带重构有没有动格式交作业前要求学生先写一行成功标准项目 README 里引用的 Karpathy 原话是LLM 非常擅长循环执行直到达成特定目标……不要告诉它该做什么给它成功标准然后看着它完成。今晚就把这个文件塞进你最想管教AI 的那个项目跑一个小任务看一遍 diff——约束有没有生效它会自己告诉你。【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AI 改代码总顺手“优化“？andrej-karpathy-skills 在编程课堂的 4 个卡点
AI 改代码总顺手优化andrej-karpathy-skills 在编程课堂的 4 个卡点【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills让学生让 AI 给一个函数加日志diff 回来引号风格变了、类型注解多了、print 换成了 logger逻辑没动评审却比写代码还费劲。andrej-karpathy-skills 是从 Karpathy 对 LLM 编码陷阱的观察里提炼出来的一份行为准则文件往项目里放一个 CLAUDE.mdAI 的假设、啰嗦和改动范围就被约束住。它的课堂价值把事后挑代码毛病变成写代码前立规矩。项目速览一个 CLAUDE.md治三类毛病项目由 forrestchang 维护MIT 协议核心产物就是根目录一份 CLAUDE.md同内容还有一份 SKILL.md可当个人 skill 复用。它针对 LLM 最容易翻车的三类习惯默默选定一种解释就往下跑、100 行能写完的事写成 1000 行抽象、顺手改动自己没吃透的代码和注释。文件内部组织成四组行为约束编码前思考、简单优先、外科手术式修改、目标驱动执行。两行命令装进项目git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills把仓库里的 CLAUDE.md 拷到教学项目根目录即可已有该文件就追加合并。团队统一用 Claude Code 的话也可以走 /plugin 命令装成插件一次覆盖所有项目。一次课堂任务的 4 个卡点从需求到干净 diff拿一次真实的修 bug 加功能课堂任务走一遍。每个卡点都对应 AI 最容易翻车的一种姿势课上可以直接当检查清单用。卡点 1写码前逼它把假设摆出来要点任务有歧义时说清楚假设或者提问不许默默选一种解释硬跑。例子任务加一个导出数据功能AI 默认动作是导出全部用户到 JSON 文件范围、字段、隐私全靠自己猜。加了准则后它会先问全部还是筛选后的生成文件还是走接口哪些字段算敏感课堂上可以让学生先猜 AI 会问哪三个问题再对照实际输出。卡点 2实现只写最小代码要点不加没被要求的功能不做单次使用的抽象200 行能写成 50 行就重写。例子加个折扣计算没约束时 AI 爱端出策略模式、配置类、校验钩子30 行铺垫算一次乘法约束之后def discount(amount: float, percent: float) - float: percent 取 0-100 return amount * percent / 100课上补一句自检提问资深工程师会觉得这个实现过度复杂吗觉得就让它简化。卡点 3存量代码只动任务相关行要点不顺手改进相邻代码、注释、格式自己改动造成的孤儿代码要清无关的死代码只提不删。例子修空邮箱让校验崩溃这个 bug合格的 diff 长这样- if not user_data.get(email): email user_data.get(email, ) if not email or not email.strip(): raise ValueError(Email required)四处改动每一行都能追溯回任务。评审时这个卡点最好量化多出来的一行都是红旗。卡点 4先写成功标准再动手要点把指令式任务翻译成可验证的目标多步骤任务每一步挂验证方式。例子修一下这个 bug变成先写一个能复现 bug 的测试修复后让它通过加限流这种大任务AI 该交出这样的计划1. 单接口加内存限流 → 验证第 11 次请求返回 429 2. 抽成中间件 → 验证现有接口测试全绿学生在这里最自然地学会测试先行AI 的计划模板本身就是一张答题纸。落地节奏从一次作业到班级习惯第一阶先试一小步挑一个小项目放进 CLAUDE.md让 AI 完成修一个 bug的任务评审时逐行过 diff只问一句这行是任务要求的吗让学生对比加文件前后两次输出记录哪里变干净了第二阶嵌进日常流程每次作业先要求 AI 输出假设 成功标准再允许它写代码批改时用资深工程师测试抽查有没有单次使用的抽象Cursor 用户把规则文件拷进项目的 .cursor/rules/ 目录第三阶沉淀成团队习惯在 CLAUDE.md 追加班级自己的规则例如所有接口改动必须带测试PR 自检清单固化有没有顺带重构有没有动格式交作业前要求学生先写一行成功标准项目 README 里引用的 Karpathy 原话是LLM 非常擅长循环执行直到达成特定目标……不要告诉它该做什么给它成功标准然后看着它完成。今晚就把这个文件塞进你最想管教AI 的那个项目跑一个小任务看一遍 diff——约束有没有生效它会自己告诉你。【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考