你有没有遇到过这种情况让 AI 改一个 bug结果它顺手把旁边的代码优化了一遍还删掉了几行注释最后代码跑不通了你都不知道它动了哪里或者更崩溃的一个 50 行就能搞定的功能AI 给你写了 500 行还嵌套了三层抽象每一层都有扩展性考虑……这不是你用法的问题这是 AI 编码助手的系统性缺陷。而一个 GitHub 上 14.3 万 Star 的开源项目正在用一种极其优雅的方式解决它。这个库是什么项目名叫andrej-karpathy-skills由开发者 jiayuan_jy 发布在 GitHub 上组织名 multica-ai核心内容就是一个CLAUDE.md 文件。听起来很简单但它的 Star 数量说明了一切——143,000 Star14,700 Fork这是目前 GitHub 上增长最快的 AI 编码规范类项目之一。它的灵感来源于 AI 领域大神Andrej Karpathy前特斯拉 AI 负责人、OpenAI 联合创始人在 X 上对 LLM 编码缺陷的那条著名推文。Karpathy 精准地点出了 AI 写代码时的三大顽疾而这个库把他的观察转化成了可执行的行为规范。它到底在解决什么痛点Karpathy 原文提到了三个核心问题可以说是戳中了每个用过 AI 写代码的人的心痛点一模型会悄悄做假设还不告诉你AI 在碰到模糊需求时不会问你你的意思是 A 还是 B它会默默选一个然后一路执行下去。等你发现不对劲代码已经写了几百行了。更可怕的是它们不暴露自己的困惑不呈现权衡不在该反驳时反驳——哪怕它内心已经知道有更简单的方案。痛点二过度复杂化是刻在 AI DNA 里的100 行能搞定的非要写成 1000 行的臃肿结构。AI 特别喜欢加抽象层、加灵活性、加未来扩展性。它们天然倾向于把代码丰富化即便你只是想要一个简单的工具函数。死代码不清理旧接口不删除结果代码库越来越像一片丛林。痛点三改一处动一片你让它修改函数 A它可能顺手把函数 B 的注释改了把文件顶部的 import 重新排序了甚至把一段看起来不规范的代码格式化了——即使这些代码跟你的需求完全无关。这种副作用修改让代码 diff 变得噪声极大code review 的时候极其痛苦。它的解决原理四大核心原则andrej-karpathy-skills 的解法非常直接用自然语言写成行为规范注入到 AI 的上下文里。具体来说它定义了四条核心原则原则一Think Before Coding — 先思考再动手明确陈述假设不确定时询问而非猜测存在歧义时呈现多种解读不默默选择必要时反驳——如果有更简单的方案说出来遇到困惑时先暂停说明不清楚的地方并请求澄清这条原则的本质是把 AI 从执行机器变成思考伙伴。原则二Simplicity First — 简洁是第一优先级不添加未被要求的功能单次使用的代码不做抽象不添加未被要求的灵活性或可配置性如果 200 行可以写成 50 行就重写它检验标准资深工程师会说这太复杂了吗如果是就简化。原则三Surgical Changes — 外科手术式修改不改进相邻代码、注释或格式不重构没有问题的代码匹配现有风格即使你会用不同方式写发现无关死代码时提及它——但不要删除它只清理你自己的修改产生的孤立代码检验标准每一行修改都应该能直接追溯到用户的请求。原则四Goal-Driven Execution — 目标驱动执行把命令式任务转化为可验证的目标“添加验证” → “为无效输入编写测试然后让它们通过”“修复 bug” → “编写能复现 bug 的测试然后让它通过”“重构 X” → “确保重构前后测试均通过”这条原则的精髓是把模糊的需求变成有边界的任务让 AI 知道什么叫完成了。如何安装使用这个库支持三种接入方式覆盖了主流的 AI 编码工具方式 AClaude Code 插件推荐全局生效如果你在用 Claude Code这是最推荐的方式安装后对所有项目生效打开 Claude Code执行/plugin marketplace add forrestchang/andrej-karpathy-skills然后安装插件/plugin install andrej-karpathy-skillskarpathy-skills安装完成后Claude Code 在所有项目中都会遵循这套规范无需重复配置。方式 BCLAUDE.md 文件按项目生效如果你想只在某个项目里使用可以直接下载 CLAUDE.md 文件放到项目根目录新项目curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md已有项目追加到现有 CLAUDE.mdcat andrej-karpathy-skills/CLAUDE.md CLAUDE.md方式 CCursor 用户仓库内置了 Cursor 专属规则文件.cursor/rules/karpathy-guidelines.mdc在 Cursor 中打开项目时同样适用这套规范详见仓库内的CURSOR.md。装了之后有什么变化项目文档里列出了四个已生效的信号我觉得总结得很精准diff 中无关修改减少— 只出现被请求的变更再也不用花时间区分这行是我改的还是 AI 顺手改的因过度复杂化导致的重写减少— 代码第一次就写得简洁不需要让 AI 反复精简澄清性问题在实现前提出— AI 会先问清楚再动手而不是做了一半发现方向错了PR 干净、最小化— 没有顺手重构或改进code review 终于可以聚焦在真正的变更上一个 143k Star 的项目核心就是一个文本文件。这说明 AI 工具的问题很多时候不需要复杂的技术方案——一份写清楚的行为规范就够了。一个值得思考的问题这个库的意义远不止让 AI 少犯错这么简单。它告诉我们AI 编码工具的能力上限很大程度上取决于我们给它的上下文质量。同样是 Claude Code有的人用来写出一堆乱码有的人用来交付生产级代码——差距不在模型在于你有没有告诉它该怎么工作。CLAUDE.md 这类文件本质上是在做一件事把你对好代码的定义翻译成 AI 能理解的行为规范。Karpathy 发现了问题社区用一个文件给出了答案。143k Star是整个开发者社区对这个答案的投票。如果你在用 Claude Code 或 Cursor这个库值得花 5 分钟装上试试。代码变干净的那一刻你会明白为什么它能拿到这么多 Star。你在用 AI 写代码时遇到过哪些翻车经历欢迎评论区分享一起看看这套规范能不能解决你的问题。