一份 CLAUDE.md 驯服 AI 编程三大坏毛病：andrej-karpathy-skills 快速上手指南-平芜编程栈

一份 CLAUDE.md 驯服 AI 编程三大坏毛病：andrej-karpathy-skills 快速上手指南

【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

让 AI 修一个空邮箱崩溃的 bug，它顺手把整个函数的引号换成了双引号、补上一堆没人要的类型注解，还删了一段"看起来没用"的死代码。代码是修好了，你的 code review 却要翻两倍的量，确认它没顺手改坏别的。这类糟心事的根源不是模型不行，而是没人告诉它"边界在哪"。andrej-karpathy-skills 就是为这件事做的一个开源项目：它把 Andrej Karpathy 对 LLM 编程坑位的观察，压缩成一份核心指南文件，给 AI 编程行为加上一套约束，让 diff 变干净、返工变少。

三步跑起来：从 clone 到验证生效

拿到核心文件。仓库地址：https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills

git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills

按你的工具做最小配置。用 Claude Code 的话，直接在会话里装官方插件，全局生效：

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

用 Cursor 的话，把仓库里的.cursor/rules/karpathy-guidelines.mdc复制到你项目的.cursor/rules/目录下，它带了alwaysApply: true，打开项目即生效，详见 Cursor 使用说明。其他只认根目录说明文件工具的话，把 CLAUDE.md 拷到项目根目录即可；已有该文件就追加合并，别覆盖。

验证准则真的生效了。装完别急着干正事，丢一个故意模糊的小任务，比如"帮我把搜索变快一点"。AI 先反问是响应时间、并发量还是体验问题，说明准则在工作；它直接闷头开始加缓存、加索引，说明没接上，回头检查安装步骤。

它到底改变了什么：四条准则逐条拆解

这份准则就四句话能概括完的东西，核心是把模糊指令转成可验证目标。逐条看它怎么管住 AI 的手：

准则	管住什么
编码前思考	场景：一句"导出用户数据"，范围、格式、字段全是没说清的信息。做法：AI 先列出自己的假设、把多种解释摆出来、没把握就停住提问，而不是挑一个解释闷头跑完。效果：方向性错误在动手前被拦下，而不是交付后你才发现它导出了不该导出的东西。
简单优先	场景：一个百分比折扣计算，AI 爱给你整出策略模式加配置类的抽象。做法：只写解决当前问题的最小代码，没被要求的"灵活性"一概不加，200 行能压到 50 行就重写。效果：代码第一次提交就够简洁，不用等你喊"这也太复杂了"再返工。
外科手术式修改	场景：修一个校验 bug，AI 习惯"顺手"重排格式、改注释、补注解。做法：只动与任务直接相关的行，匹配现有代码风格，发现无关死代码只报告不删，自己改动产生的孤儿代码才负责清理。效果：diff 里每一行变更都能追溯回你的原始请求，review 一眼看完。
目标驱动执行	场景："修好认证系统"这种话没有验收标准，AI 只能靠猜。做法：把任务转成"为非法输入写测试再让它通过""先写复现 bug 的测试再修""重构前后测试全绿"。效果：AI 能自己循环到验证通过，你不用全程盯着逐条确认。

这里有个值得记住的洞察：LLM 特别擅长朝着明确目标循环迭代。所以别告诉它"做什么"，给它成功标准，然后看着它自己跑。示例文档里按这四条准则整理了十几组真实代码正反例，比如"加速率限制"任务被拆成"每步一个验证点"的渐进计划，比通读规则更能帮你建立直觉。

同一个需求，装没装准则的差别

说个典型的下午：你让 AI 加个计算折扣的小函数。没上准则时，它给你端回来一个 30 多行的策略模式——抽象基类、枚举、工厂方法齐活，仿佛你明天就要支持八种折扣。第二天你让它修个邮箱校验的 bug，它顺手把整个函数的引号统一了、加了类型注解，还删掉一段它"判断为无用"的旧逻辑。代码确实修好了，但 PR 里混进了你根本没授权的变更。

装上准则后，同样的两件事：折扣函数是三行就完事的写法，真要多种折扣时再抽象不迟；修 bug 的 diff 只剩邮箱校验那两行的痕迹，旁边那段可疑的死代码，它只在回复里提了一句"这个函数从没被调用过"，没有擅自删。最明显的变化是 AI 开始先问：你丢一句"导出用户数据"，它先问哪些字段、什么格式、大概多少条，再动手——假设被摆上了台面，而不是埋进代码里等你踩雷。

# 没装准则：策略模式 + 配置类，30 行起 class DiscountStrategy(ABC): @abstractmethod def calculate(self, amount): ... # 装上之后： def calculate_discount(amount, percent): return amount * (percent / 100)

新手容易踩的坑

这份指南是万能的吗？不是。它把高频失误压下去，不保证零失误。测试、代码审查该有还是要有的，它解决的是"AI 自己给自己挖的坑"，替代不了验收环节。

是不是每个任务都得走全套流程？不用。修个拼写错误不需要列假设、写验证计划。指南开头就写了它的取舍是"谨慎优先于速度"，琐碎任务用你自己的判断就行，别为了仪式感拖慢简单活。

我用的是 Cursor，还需要 CLAUDE.md 吗？各走各的配置：Claude Code 认根目录的 CLAUDE.md，Cursor 读.cursor/rules/下的规则文件，两者内容一致、互不冲突。团队项目建议根目录放一份 CLAUDE.md，让每个人的 AI 都受同一套约束。