andrej-karpathy-skills4条规则减少AI生成的废代码【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你只让AI改一行代码它却把整个文件的引号和类型提示都重排了。andrej-karpathy-skills 是一个单文件 CLAUDE.md把先问清楚、只改该改的、能简单就简单、可验证变成你AI编码助手的默认约束。 先看一个改前/改后项目里的官方示例集给了两组前后对照效果最直观。案例一加一个折扣计算。不加约束时AI给出抽象类、两个策略子类、一个配置对象、一个计算器约150行调用方还要写30多行初始化。装上规则后同样的功能是一个3行的函数。两者算法没有差别都是折扣金额×百分比差别在于何时该引入复杂度。案例二修复空邮箱导致校验崩溃的bug。不受控的diff会顺手重写注释措辞、加docstring、把邮箱检查升级成更强的版本还附加一段没人要的用户名校验。受约束的版本只改两行先取出邮箱判空时连同纯空白一起处理结束。值得注意的是一150行版本并没有错它遵循策略模式是教科书写法。问题在时机——复杂度被提前引入了。 它是怎么做到的4条规则如何约束AI编码整个仓库就是一份核心规则文件4节约60行每节管一件事。编码前先问。实现之前把假设明确说出来不确定就问。需求存在多种解释时全部列出来让你选不替你拍板。比如导出用户数据AI会先反问三个问题——导出全部还是部分、用什么格式、包含哪些字段——而不是先写一版代码再等你推翻。简单优先。不写没被要求的功能不为一次性代码建抽象不加以防万一的配置。内置检验200行能写成50行就重写资深工程师会说这过度复杂吗说会就简化。精准修改。动现有代码时每一行改动都要能追溯到你的请求匹配现有风格哪怕你个人偏好不同发现无关的死代码提一句别删只清理你自己改动造成的孤儿代码。目标驱动执行。修复bug转成写一个能复现它的测试然后让它通过加校验转成为非法输入写测试然后让测试通过。多步任务给每一步配一个验证方式AI可以独立循环跑下去不需要你盯着。⚙️ 为什么这套做法有效4条规则没有给模型增加任何新能力它补的是默认值。第一减少决策。需求模糊时模型的默认行为是挑一个最可能的解释继续跑错误要等代码写完才暴露。规则把这个决策挪到写代码之前错误成本从推倒重来降成多问一句话。第二检验成本低。规则几乎全是不要做X的负向约束外加两个可以自问的问题资深工程师会不会嫌它复杂、这行改动能否追溯到请求。模型不需要学会新的写法只需要回答两个问题遵守成本低长对话里也不容易被冲淡。第三顺着模型的长项走。LLM最擅长的是朝着明确的成功标准反复循环这是它最稳定的行为。目标驱动那条规则就是把最不稳定的输入模糊指令翻译成最稳定的输入可验证目标整套体系因此成立。⚠️ 哪些任务别用它AI编码规则的3个边界规则文件自己就声明了取舍它偏向谨慎而不是速度。三类场景应该放宽或跳过。琐碎改动上流程比任务本身更贵修拼写、改日志文案、一眼看出的单行修复。AI动手前先问三个确认问题问的还是你显然知道答案的事。官方口径也是这类任务用判断力不是每个改动都要走完整流程。全新项目里精准修改这条几乎失效。匹配现有风格的前提是存在现有风格绿地项目里这一条基本是空的整套规则退化成三条。工具不读规则文件时规则不生效。这套约束依赖 agent 加载 CLAUDE.mdClaude Code 场景或项目规则文件Cursor 场景。如果你的助手根本不加载这类上下文文件放进根目录只是摆设。✅ 三步上手拿到规则git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills 整个仓库就是几个markdown文件无构建、无依赖。放到工具能读的地方Claude Code 把 CLAUDE.md 拷到项目根目录已有项目就追加进现有 CLAUDE.md下面可以再挂一节你自己的项目规则例如TypeScript 严格模式。用 Cursor 的话把 .cursor/rules/karpathy-guidelines.mdc 拷进对应项目的规则目录详见Cursor使用说明。用3个信号验收diff 里无关改动变少、澄清问题出现在实现之前而不是翻车之后、代码第一版就是简洁的。三条都不成立先检查工具是否真的加载了规则文件。这个项目的价值不在那4条具体规则——每一条你都可以换成团队自己的说法。真正能复用的是用规则文件约束AI行为这个做法把你想要的默认行为写明白放到 agent 读得到的地方然后观察 diff 再迭代。当规则文件逐渐成为编码助手的标配这份60行的文件可以直接当你的起点。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 andrej-karpathy-skills：4条规则，减少AI生成的废代码
andrej-karpathy-skills4条规则减少AI生成的废代码【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你只让AI改一行代码它却把整个文件的引号和类型提示都重排了。andrej-karpathy-skills 是一个单文件 CLAUDE.md把先问清楚、只改该改的、能简单就简单、可验证变成你AI编码助手的默认约束。 先看一个改前/改后项目里的官方示例集给了两组前后对照效果最直观。案例一加一个折扣计算。不加约束时AI给出抽象类、两个策略子类、一个配置对象、一个计算器约150行调用方还要写30多行初始化。装上规则后同样的功能是一个3行的函数。两者算法没有差别都是折扣金额×百分比差别在于何时该引入复杂度。案例二修复空邮箱导致校验崩溃的bug。不受控的diff会顺手重写注释措辞、加docstring、把邮箱检查升级成更强的版本还附加一段没人要的用户名校验。受约束的版本只改两行先取出邮箱判空时连同纯空白一起处理结束。值得注意的是一150行版本并没有错它遵循策略模式是教科书写法。问题在时机——复杂度被提前引入了。 它是怎么做到的4条规则如何约束AI编码整个仓库就是一份核心规则文件4节约60行每节管一件事。编码前先问。实现之前把假设明确说出来不确定就问。需求存在多种解释时全部列出来让你选不替你拍板。比如导出用户数据AI会先反问三个问题——导出全部还是部分、用什么格式、包含哪些字段——而不是先写一版代码再等你推翻。简单优先。不写没被要求的功能不为一次性代码建抽象不加以防万一的配置。内置检验200行能写成50行就重写资深工程师会说这过度复杂吗说会就简化。精准修改。动现有代码时每一行改动都要能追溯到你的请求匹配现有风格哪怕你个人偏好不同发现无关的死代码提一句别删只清理你自己改动造成的孤儿代码。目标驱动执行。修复bug转成写一个能复现它的测试然后让它通过加校验转成为非法输入写测试然后让测试通过。多步任务给每一步配一个验证方式AI可以独立循环跑下去不需要你盯着。⚙️ 为什么这套做法有效4条规则没有给模型增加任何新能力它补的是默认值。第一减少决策。需求模糊时模型的默认行为是挑一个最可能的解释继续跑错误要等代码写完才暴露。规则把这个决策挪到写代码之前错误成本从推倒重来降成多问一句话。第二检验成本低。规则几乎全是不要做X的负向约束外加两个可以自问的问题资深工程师会不会嫌它复杂、这行改动能否追溯到请求。模型不需要学会新的写法只需要回答两个问题遵守成本低长对话里也不容易被冲淡。第三顺着模型的长项走。LLM最擅长的是朝着明确的成功标准反复循环这是它最稳定的行为。目标驱动那条规则就是把最不稳定的输入模糊指令翻译成最稳定的输入可验证目标整套体系因此成立。⚠️ 哪些任务别用它AI编码规则的3个边界规则文件自己就声明了取舍它偏向谨慎而不是速度。三类场景应该放宽或跳过。琐碎改动上流程比任务本身更贵修拼写、改日志文案、一眼看出的单行修复。AI动手前先问三个确认问题问的还是你显然知道答案的事。官方口径也是这类任务用判断力不是每个改动都要走完整流程。全新项目里精准修改这条几乎失效。匹配现有风格的前提是存在现有风格绿地项目里这一条基本是空的整套规则退化成三条。工具不读规则文件时规则不生效。这套约束依赖 agent 加载 CLAUDE.mdClaude Code 场景或项目规则文件Cursor 场景。如果你的助手根本不加载这类上下文文件放进根目录只是摆设。✅ 三步上手拿到规则git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills 整个仓库就是几个markdown文件无构建、无依赖。放到工具能读的地方Claude Code 把 CLAUDE.md 拷到项目根目录已有项目就追加进现有 CLAUDE.md下面可以再挂一节你自己的项目规则例如TypeScript 严格模式。用 Cursor 的话把 .cursor/rules/karpathy-guidelines.mdc 拷进对应项目的规则目录详见Cursor使用说明。用3个信号验收diff 里无关改动变少、澄清问题出现在实现之前而不是翻车之后、代码第一版就是简洁的。三条都不成立先检查工具是否真的加载了规则文件。这个项目的价值不在那4条具体规则——每一条你都可以换成团队自己的说法。真正能复用的是用规则文件约束AI行为这个做法把你想要的默认行为写明白放到 agent 读得到的地方然后观察 diff 再迭代。当规则文件逐渐成为编码助手的标配这份60行的文件可以直接当你的起点。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考