4条AI编码行为准则：andrej-karpathy-skills安装与用法完整清单-开发者社区

4条AI编码行为准则：andrej-karpathy-skills安装与用法完整清单

【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

你可能遇过这种坑：AI写完了代码，却顺手塞进来一堆用不上的抽象，还把旁边没让动的代码"顺手改进"了。andrej-karpathy-skills 是一套基于 Karpathy 对 LLM 编码毛病观察整理的 AI 编码行为准则，装成一个文件：它不教模型怎么写代码，只约束它写代码时的行为。

下面先装好，再讲 4 条准则怎么对应到你的日常阶段，最后走一遍完整小案例。

🛠️ 五分钟装好

两种方式，二选一：

# 方式一：装成 Claude Code 插件（推荐，所有项目生效） /plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skills@karpathy-skills # 方式二：克隆仓库，把 CLAUDE.md 复制进你的项目根目录 git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills

已有 CLAUDE.md 的老项目，把这份文件内容追加到末尾即可，它的设计就支持与项目专属规则并存。用 Cursor 的话，仓库里另有 CURSOR.md 说明同样的准则怎么搬进规则里。

这些准则治哪些AI毛病

AI常见毛病	对应准则	它要求什么
默默做出错误假设就开干	Think Before Coding（先想后写）	说出假设，不懂就问，卡住就停
200行的活非要上200行抽象	Simplicity First（简单优先）	最小代码，不加臆测功能
修bug时"顺手"改注释、格式、旁边代码	Surgical Changes（外科手术式修改）	只碰必须碰的，只清理自己弄出的垃圾
目标模糊，"让它跑起来"就算完成	Goal-Driven Execution（目标驱动执行）	先定成功标准，循环到验证通过

整套准则偏向"谨慎高于速度"。改个错字这种活，不用走全套流程。

按阶段用起来

动手前：接到模糊需求时

你收到"导出一份用户数据"这样的需求 → 别让 AI 直接开写。让它列假设：全部用户还是子集？导成文件、API 还是发邮件？AI 拿不准时应该停下来，把"我不确定的是X"明说，等你回答。

写代码时：只需要一个小功能时

你要"算个九折" → 交付物就应该是几行函数，别要策略类、别要配置对象、别要缓存钩子。写完自问一句：资深工程师会说这过度设计吗？会，就重写。

改已有代码时：修一个老bug

你要修邮箱校验器空值崩溃 → 只改和 bug 相关的行。别改引号风格、别加类型标注、别动旁边用户名逻辑。看到不相关的死代码？提一句就行，别删。判断标准：每行改动都能追溯到这次需求。

交付前：想说"完成了"时

"修好 bug 了"不算完成 → 改成"写了复现 bug 的测试，修完测试通过，老测试也通过"。多步任务把计划写成一行行：1. [步骤] → 验证：[检查点]。Karpathy 的观察是，LLM 很擅长"循环到目标达成"，给它强成功标准就能自己跑，弱标准只会反复回来问你。

准则的完整措辞在仓库的 SKILL.md 里，可以对照看。

✅ 完整小案例：修一个空邮箱崩溃的bug

任务：项目里的邮箱校验器，email 为空时直接崩溃。

动手前——和 AI 确认 bug 定义：是崩溃还是校验报错？期望是空邮箱抛"必填"错误。不让它猜。
测试先行——让 AI 写一个复现测试，跑一遍，确认崩溃，此时测试应当是红的。
外科手术式修改——只改判空逻辑，保留原有注释和风格：

def validate_user(user_data): # Check email format - if not user_data.get('email'): + email = user_data.get('email', '') + if not email or not email.strip(): raise ValueError("Email required")