Karpathy 一条吐槽变成 20 万 Star 的 Skill：让 AI 写代码从凭运气到有规范

Karpathy 一个月前那条吐槽 AI 写代码的推文，直接被做成了一个 20 万 star 的 Skill。一条 CLAUDE.md，4 条原则，让 Claude Code 写代码的姿势从「瞎猜—过载—乱改」变成「先想—简单—精准—可验证」。今天必须聊这个前沿玩法。

开发者 Forrest Chang 把 Karpathy 吐槽 LLM 编程的几个通病 —— 「不会主动问、自己脑补、过度工程、顺手乱改无关代码」 —— 蒸馏成了 4 条机器能读懂的约束指令。整个项目就一个 CLAUDE.md 文件，不到 70 行，却在 GitHub 拿下了 198k+ stars，被各种 AI 编程工具（Claude Code、Cursor、Codex、Gemini CLI）直接拿来当默认规范用。

四条原则，每条都打在 LLM 的七寸上

这份 Skill 没讲任何花活儿，把 AI 写代码的毛病拆成 4 条指令，每条都对应一个具体病灶：

• Think Before Coding（先想再写）：遇到歧义必须先问，别偷偷做假设；同一个需求有多种解读时，把 tradeoffs 摆出来；不确定就停下来叫一声，不要硬猜。
• Simplicity First（简洁优先）：不写未要求的功能、不为单次使用做抽象、不加「灵活性」、不为不可能的边界做异常处理。200 行能解决的事，坚决不写 1000 行。
• Surgical Changes（精准修改）：只动该动的代码，旁边再乱也不碰；不重构没坏的东西；风格迁就现有代码，自己觉得丑也忍着。每一行改动都得能追溯到用户原话。
• Goal-Driven Execution（目标驱动）：把命令式任务转成可验证目标。「加个校验」→「写测试覆盖无效输入，然后再让它通过」；多步任务先列计划，每步带验证点。

这 4 条不是哲学，是给 LLM 拴的缰绳。装上之后你再看 AI 写代码的输出，会发现它跑偏的概率断崖式下降。

为什么这个 Skill 能爆？

原因很简单：大多数 AI 编程 Skill 都在拼「能力」（能连 MCP、能跑工具、能调 API），而这个 Skill 反过来 —— 它在约束能力。当所有人都在卷「AI 能干什么」，Karpathy 站出来说「先别干那么多，干对再说」。在 AI 编程泛滥的 2026 年，这种「克制」反而成了最稀缺的工程能力。

用 /plugin marketplace add forrestchang/andrej-karpathy-skills + /plugin install andrej-karpathy-skills@karpathy-skills 一行命令就能装到 Claude Code 里全局生效；手动党也可以 curl 拉到本地 CLAUDE.md，单个项目生效。Cursor 用户直接吃仓库里写好的规则文件。

前沿视角：这个 Skill 改变了 Agent 调教的范式

在所有「外部知识注入式」Skill（喂文档、喂工具、喂 prompt）之外，andrej-karpathy-skills 走出了一条「专家经验蒸馏式」路线：把行业顶级专家的第一性吐槽，压缩成 LLM 能直接消费的约束指令。这条路的本质不是 Skill，是「可机读化的工作方法论」。

类似的玩法正在被复制：gstack、caveman、impeccable、taste-skill 都在做类似的事 —— 把资深工程师/设计师的隐性经验，编译成 AI Agent 能照做的清单。Andrej Karpathy 这个 Skill 本质上是个样板工程：证明了「经验蒸馏」比「能力堆砌」更适合做 Skill。

如果你只装一个 Skill 改善 AI 写代码的输出，就装这个。几十万 star 不是充的，是真正让 AI 写代码从「赌运气」变成「有规范」的拐点。

GitHub：https://github.com/multica-ai/andrej-karpathy-skills （198k ⭐）

GitHub: https://github.com/multica-ai/andrej-karpathy-skills