andrej-karpathy-skills
andrej-karpathy-skills 是一个在 GitHub 上爆火的单文件 CLAUDE.md 项目，由 Andrej Karpathy（前 OpenAI 创始成员、前特斯拉 AI 总监）的公开批评言论提炼而成。仅用约 60 行指令，就将 Claude Code 的代码生成准确率从 41% 提升到 89%，斩获 17 万+ Star，被誉为 AI 编程的"四条铁律"。
andrej-karpathy-skills 项目封面

项目简介

这个项目不是一个库，也不是一个框架，而是一个纯粹的提示工程产物——一个单独的 CLAUDE.md 文件。它的灵感来源于 Andrej Karpathy 对 LLM 编程行为的公开批评：AI 写代码时经常默默假设、隐藏困惑、过度工程、无关编辑。

项目作者将这些批评提炼成四条行为准则，写成一个可直接作为 Claude Code 插件安装、或放入项目根目录使用的 CLAUDE.md 文件。它不追求让模型"更聪明"，而是先把模型最常见的失败模式堵死，让 AI 从"会写代码"变成"会做事"。

四条核心铁律

1. 编码前思考（Think Before Coding）

  • 不要假设，不要隐藏困惑

  • 呈现权衡，而不是直接选一个方案

  • 遇到不确定的地方先提问，而不是猜

  • 解决问题：错误假设、隐藏困惑、缺少权衡

  • LLM 经常默默做出错误假设，导致后续全部返工

2. 简洁优先（Simplicity First）

  • 优先选择最简单的解决方案

  • 避免过度抽象和不必要的复杂性

  • 能用 10 行解决的不要写 100 行

  • 解决问题：过度复杂、臃肿抽象

  • AI 倾向于"展示能力"而写出过度工程的代码

3. 精准修改（Surgical Edits）

  • 只修改需要改的地方，不碰无关代码

  • 不要顺手重命名变量、调整格式

  • 每次修改都有明确目的

  • 解决问题：无关编辑、触碰不应碰的代码

  • AI 经常"顺手"改一堆东西，导致代码审查困难

4. 目标驱动执行（Goal-Driven Execution）

  • 通过测试优先，定义可验证的成功标准

  • 每一步都有明确的目标和验证方式

  • 完成后验证是否真正达到目标

  • 解决问题：做了很多事但没解决核心问题

  • AI 容易"看起来很忙"但实际没有产出

核心设计理念

偏向谨慎而非速度

  • 这些准则偏向谨慎，牺牲一定速度换取质量

  • 对于简单任务可以灵活判断，不必死守

  • 适合生产环境代码和复杂任务

  • 减少返工，长期来看反而更快

指令模式为主

  • 文件超过 60% 的内容是指令而非示例

  • 明确告诉 AI "做什么"和"不做什么"

  • 避免模糊的建议和模棱两可的表述

  • 每条准则都有明确的适用场景

使用方法

方式一：作为 Claude Code 插件安装
/plugin marketplace add forrestchang/andrej-karpathy-skills
方式二：直接放入项目

  1. 将 CLAUDE.md 文件复制到项目根目录

  2. 与项目特有的指令合并（如需要）

  3. Claude Code 会自动读取并遵循

方式三：追加到现有 CLAUDE.md

  • 如果项目已有 CLAUDE.md，可将内容追加进去

  • 建议放在文件开头，确保优先级

  • 可根据项目需要调整和补充

效果验证

  • 在标准编程基准测试中，准确率从 41% 提升到 89%

  • 减少无关编辑，代码审查更轻松

  • 降低返工率，一次通过率大幅提升

  • 社区大量用户反馈实际效果显著

  • 被 FAANG 等大厂内部团队广泛采用

适用范围

  • Claude Code（原生支持 CLAUDE.md）

  • 其他支持系统提示词的 AI 编程工具（需手动配置）

  • 可作为 AI 代码审查的标准参考

  • 适合团队统一 AI 编程规范

  • 个人项目和企业项目均可使用

项目地址

GitHub 开源仓库：https://github.com/forrestchang/andrej-karpathy-skills

中文 README：https://github.com/forrestchang/andrej-karpathy-skills/blob/main/README.zh.md

授权方式：免费 + 开源（MIT License）

授权方式：��免费 + 开源（MIT License）