一个70行的文件，20万Star，Karpathy让AI编程终于不乱猜了

你有没有这种感觉——AI 编程助手用久了，Token 账单蹭蹭往上涨，但代码质量并没有明显提升？

这不是错觉。Karpathy 早在年初就发过一条长帖吐槽：AI 喜欢闷头猜、猜错了继续跑、跑完了把代码改成一团糟再交差。评论区一片共鸣——太真实了。

一个叫 Forrest Chang（Jiayuan Zhang）的华人开发者看到这条帖子后，第二天就折腾出了一个解法。一个文件，70 行，GitHub Trending 霸榜 48 小时，Star 破了 20 万。整个项目就一个文件：CLAUDE.md。

它的核心逻辑很简单——给 AI 立规矩，强制它在下笔之前先”想一想”。

第一条：Think Before Coding
需求不明确时，直接停下来问，不能猜。有多种解法时依次列出，让人类选。这个规则精准命中了”AI 默认导出全部字段、默认 JSON 格式、默认全部用户”这类高血压操作。提前澄清 30 秒，总比方向跑偏 40 分钟后再重来要好。

第二条：Simplicity First
就提一个小需求，AI 给你整出了一套登录认证 + 安全校验 + 流量控制，还附赠了”以后也许用得上”的抽象架构。这条规则直接锁死：没被要求的功能不写，只用一次的代码不做抽象，根本不可能发生的异常不做处理。检验标准就一句：一个资深工程师看了会不会说”太复杂了”？

第三条：Surgical Changes
修一个 Bug，Diff 里 30 行改了 25 行跟需求毫无关系——这是社区里最常见的吐槽。规则要求：只动被要求修改的部分，严格匹配项目已有风格，看到不相关的问题最多提一嘴，绝不擅自动手。

第四条：Goal-Driven Execution
这是最有意思的一条。Karpathy 有一个核心判断：大模型特别擅长围绕明确目标反复迭代直到达标，它不擅长的是猜人类脑子里那个模糊的画面。所以不要告诉 AI”怎么做”，给它一个可以验证的终点。”修 Bug”变成”写一个能复现这个报错的测试，然后改代码让所有测试通过”。AI 自己闭环，人工介入的频率大幅降低。

安装方式也极简——在 Claude Code 里两条命令搞定：

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

或者直接在项目根目录放一个 CLAUDE.md 文件，AI 的行为方式立刻改变。

社区有人在 Cursor 上测了测，据说接入后准确率到 94%。数据没经过第三方核实，但大量工程师愿意把它引入日常工作，这本身就说明问题。

一个纯文本文件，没有框架依赖，不需要复杂的 Agent 编排，往项目根目录一放，AI 就安静了很多。Token 账单是否真的降了，装完跑两天试试就知道。

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

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