北京
新智元報道
編輯：好困
【新智元導讀】一個毫無代碼的文本，竟連霸GitHub熱榜第一。Karpathy的編程神技被化作「AI緊箍咒」，讓亂寫Bug的大模型瞬間老實！
就在剛剛，一個.md文件沖爆了整個GitHub！
本周新增44,465顆星，總星數61.6k。連續三天Trending日榜第一。
它叫CLAUDE.md，一個Markdown配置文件。
里面寫著四條規矩，全部源自Karpathy對LLM編程陷阱的觀察，用來管住AI編程時最常犯的毛病——
不確定的先問別瞎猜
代碼能簡短就別寫長
沒讓你改的地方別碰
給目標別給步驟
把它丟進項目根目錄，AI編程Agent就會自動讀取并遵守里面的規則。
項目地址：https://github.com/forrestchang/andrej-karpathy-skills
如今，全網6萬碼農連夜抄作業，X上開發者已經炸了鍋。
Kraggich感慨道，「一個Markdown文件沖上趨勢榜第一，說明現在的瓶頸不在模型，而在模型周圍的腳手架。這些'膠水'才是產品本身。」
Surajdotdot7從生產環境算了筆賬，「模型選錯了分支，運行了40分鐘，最后碰壁失敗。而提前澄清只需要30秒。」
Markdown里寫了什么
故事的起點是今年1月26日。Karpathy在X上發了一條長帖，詳細吐槽了AI編程Agent的各種毛病。
當天，一個叫Jiayuan Zhang的華人開發者就動了手。
他先是用Claude Code把這條帖子自動轉化成了skills文件，并生成了約800行描述，然后讓Claude自己審查自己，最后砍成了一段約70行的干凈指令。
產物就是這個CLAUDE.md，相當于是在Agent腦子里裝的一套行為準則。（現在也有了Cursor版）
里面的四條原則，每一條都精準對應了開發者用AI寫代碼時最常踩的坑。
原則一，編碼前先思考。
你讓AI「加個驗證功能」，它不會問你要驗證什么、嚴不嚴格，而是自己猜一個最復雜的方案，寫了一大堆你根本不需要的代碼。更糟糕的是，整個過程它不會表現出任何猶豫。
為了解決這個問題，文檔在第一個原則中寫了三條規定：
1. 不確定時必須停下來問，不能猜。
2. 存在多種理解時列出選項讓用戶選，而不是替你做決定。
3. 發現有更簡單的方案時，主動說出來，該推回來就推回來。
原則二，簡約至上。
你要一個簡單的小功能，它給你寫出一整套企業級架構，附帶登錄認證、安全校驗、流量控制。
你說「能簡單點嗎」，它立刻砍掉大半，還來一句「當然可以！」說明它一開始就知道不用寫那么多，但就是忍不住。
第二條原則，就是給這些問題預備的：
1. 沒被要求的功能不寫。
2. 只用一次的代碼不建抽象層。
3. 沒人要求的「靈活性」和「可配置」不加。
4. 不可能發生的異常場景不做錯誤處理。
檢驗標準就一條，一個資深工程師看了會不會說「太復雜了」。會的話，直接砍。
原則三，精確編輯。
你讓它修一個bug，它改完bug順手把旁邊的代碼也重構了，變量名換了，注釋刪了，代碼風格也按它自己的偏好改了。最后你對比改動記錄，改了30處，其中25處跟你的需求毫無關系。
于是，第三條原則給改動范圍做了嚴格的限制：
1. 只動你被要求動的部分。
2. 匹配項目已有的代碼風格，哪怕你覺得自己寫得更好。
3. 看到不相關的問題，提一嘴就行，別動手。
4. 如果你的改動導致某些代碼不再被使用，清理掉，那是你的責任。但之前就存在的問題，沒人讓你改就不要碰。
原則四，目標驅動。
AI特別擅長「循環到達標為止」這件事，那就別告訴它具體步驟，直接給它驗收標準讓它自己跑。
比如你要加一個功能，別說「寫一個函數實現X」，改成「先寫測試用例，然后讓所有測試通過」。要修一個bug，改成「先寫一個能復現這個bug的測試，然后讓它通過」。
如果任務比較復雜，就要求AI先列出分步計劃，然后每一步都帶上驗證方式。
因為，驗收標準定得越清晰，AI能獨立循環執行的時間就越長，你需要介入的頻率就越低。
這是用AI編程時杠桿最大的一條原則。
誰做的？
這個倉庫的作者叫Jiayuan Zhang，開源項目Multica的創始人兼CEO。
他做的Multica，就是把Claude Code、OpenCode、Codex CLI這些AI編程Agent統一管理起來，像真正的團隊成員一樣分配任務、匯報進展、交付代碼。就連不會用命令行的人，也能通過它用上Claude Code級別的編程Agent能力。
正如項目介紹所說：
Your next 10 hires won't be human.
你接下來招的10名員工，都不會是人類了。
他們公司的代碼100%由AI編寫，每天消耗的token量超過1億。
80%的代碼，不用自己寫了
回到Karpathy的原帖，他說的其實是一件更大的事。
作為一個編了20年代碼的人，他說短短幾周內，自己的編程工作流從「80%手寫+20%AI輔助」徹底翻轉成了「80%交給Agent+20%自己修補」。
他看著Agent死磕一個問題整整30分鐘，要是人類早放棄了，而它就是不停地試，最后居然過了。
這種「feel the AGI」的時刻會讓你意識到，工作的核心瓶頸之一「耐力」已經徹底被LLM炸開了。
但他也看到了硬幣的反面。他預言了一個詞，「Slopacolypse」。
2026年GitHub、arXiv、社交媒體上會涌出大量AI生成的低質量內容。生產力是真的，質量垮塌的風險也是真的。
甚至，他說自己已經開始感覺到手寫代碼的能力在萎縮。
就是那種，你可以看懂代碼但寫不出來的感覺。
為什么一個.md文件能炸成這樣
在Karpathy看來，LLM編程帶來的不只是加速，更是一種擴展，你能做到以前不值得做的事，能碰以前碰不了的代碼。
如今，這個概念升級為「agentic engineering」，一種把AI當做需要明確目標、清晰邊界和嚴格測試的協作伙伴來對待的工程學科。
andrej-karpathy-skills這個倉庫，就是agentic engineering最早的「教材」之一。
它之所以炸了，核心在于它把一個頂級工程師的隱性知識，打包成了Agent可以直接讀取的格式。
說到底，Karpathy不再只是一個你讀的人，而是一個你的Agent可以直接繼承行為的人。
這才是這個倉庫真正瘋狂的地方。
參考資料：
https://x.com/Voxyz_ai/status/2045899539526148193?s=20
https://github.com/forrestchang/andrej-karpathy-skills/blob/main/CLAUDE.md
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
