企业官网建设流程全解析

3 步装好 andrej-karpathy-skills：4 条准则让 Claude Code 不再自作主张

【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

如果你也用 Claude Code 写过代码，多半被它坑过：让你加个小功能，它顺手把旁边三行代码重构得你不认识；一句话的需求，它默默脑补出一整套没人要的"可配置项"。andrej-karpathy-skills 就是冲着这些毛病来的——它把 Andrej Karpathy 对 LLM 编码弊病的观察浓缩成一个 CLAUDE.md 文件，写进 4 条行为准则，让 AI 助手先想清楚再动手、只改该改的、做完能自己验证。下面从症状讲起，到装好跑通，大概 10 分钟读完。

🔍 先认症状：AI 写代码最常见的 4 种"自作主张"

在装任何东西之前，先对照一下你是不是中过招。这 4 条症状就是这个项目要治的病：

1. 藏着假设不吭声。需求有歧义，它悄悄挑一种解释就开干，错了才回来说"我理解错了"。
2. 过度工程化。一个 50 行能解决的事，给你生成 300 行，抽象层、策略模式、配置开关一应俱全——每个单独看都"符合最佳实践"，但时机全错了。
3. 顺手乱改。修一个空指针，diff 里却冒出注释被删、引号统一、类型标注被加进来，全跟你的任务无关。
4. 没有成功标准。你说"把这块优化一下"，它就开始改，改到什么程度算完，双方都没定义，最后靠人肉验收。

andrej-karpathy-skills 的思路很直接：不训练新模型、不改工具，就用一个约定文件把 AI 的行为往回拽。

andrej-karpathy-skills 是什么：一个文件，四条规则

这个项目的全部核心就是一个 CLAUDE.md——Claude Code 会自动读取项目根目录下的这个文件，把它当作用户级指令。所以玩法很简单：把 4 条准则放进 CLAUDE.md，AI 每次写代码前都会"看到"这套规矩。

仓库里几个文件各司其职，知道它们在哪，后面排查问题时好查：

• CLAUDE.md：准则正文，也就是真正生效的那份文件
• EXAMPLES.md：每个准则对应的真实正反案例
• CURSOR.md：给 Cursor 用户的配套说明（仓库里已提交了一份 Cursor 规则文件）
• skills/karpathy-guidelines/：打包成 Claude Code 插件时用的技能定义

它本质是"行为补丁"，所以和你自己写的 CLAUDE.md 不冲突，后面装的时候会说怎么合并。

四条准则逐条拆：误区、做法、判断标准

准则一：动手前，先让它把假设说出口

• 误区：AI 默认自己猜对了。"导出数据"它替你决定了导谁、什么格式、存哪儿。
• 做法：CLAUDE.md 要求它在实现前明确列出假设；有多个解释就摆出来让你选；有更简单的方案要主动提；卡住了就停下来说卡在哪。
• 判断标准：实现之前出现"我假设了 X，如果不对请告诉我"这类话，就算合格。

准则二：只写够用的代码，拒绝提前设计

• 误区：为一次性的逻辑建抽象层，为"以后可能需要"加配置项，为不可能发生的场景写错误处理。
• 做法：只实现你要的功能；单点使用的代码不抽象；没被要求的"灵活性"一律不加；200 行能压到 50 行就重写。
• 判断标准：问自己"一个资深工程师会说这写复杂了吗"，会，就让它砍掉。

准则三：外科手术式改动，别顺手重构

• 误区：修 bug 时"顺手"把相邻代码格式化、换引号、加文档字符串，diff 越滚越大。
• 做法：只改任务直接相关的行；风格跟现有代码走，哪怕你个人不喜欢；发现无关死代码，提一句就好，别删。唯一例外：它自己改出来的孤儿代码（没用的导入、变量），清掉。
• 判断标准：diff 里每一行改动，都能一句话追溯到你的需求。追溯不到，就是越界。

准则四：先定成功标准，再让它自己循环

Karpathy 原话的大意是：LLM 特别擅长"朝着明确目标反复循环"，所以别告诉它"做什么"，给它"做到什么算成"。做法是把模糊指令翻译成可验证的目标：

多步任务则要求它先报一个"步骤 → 验证方式"的短计划，每一步都能单独验收。

⚙️ 实战走一遍：把"订单超时自动取消"做对

拿一条中等难度的需求串一遍这 4 条准则。你提出："帮我加个功能，超过 24 小时没支付的订单自动取消。"

第一步，它会先反问（准则一）。没装准则前，AI 大概率直接开写。装了之后，你更可能看到这样的开场：

动手前确认三点：1）"24 小时"写死还是可配置？2）谁来触发——定时任务扫描，还是查询时惰性判断？3）只改状态字段，还是要通知用户？如果只改状态，我可以先给最小实现。

问题问在动手之前，就省掉了后面一整轮返工。

第二步，写最小实现（准则二）。这是典型的"过度设计"高发区，两种写法的差距：

class CancelStrategy(ABC): @abstractmethod def should_cancel(self, order) -> bool: ... class TimeBasedStrategy(CancelStrategy): ... @dataclass class CancelPolicy: # 策略+宽限期+通知渠道，共120行 strategy: CancelStrategy grace_period: int

def cancel_stale_orders(max_age_hours=24): """取消超过 max_age_hours 未支付的订单""" stale = db.orders.filter(paid=False, created_lt=now() - hours(max_age_hours)) for order in stale: order.status = 'cancelled' order.save()

上面那个策略模式没毛病，问题在时机——今天只有一个取消规则，抽象就是纯开销。等真出现第二种取消条件时再抽，成本几乎为零。

第三步，控制改动面（准则三）。它应该只做两件事：新增上面的函数，在定时任务里挂一行调用。相邻代码的变量命名、注释、缩进一律不动；如果它注意到调度模块里有个一直没被调用的旧函数，正确反应是提一嘴，而不是删掉。

第四步，闭环验证（准则四）。它给你一句收尾的话应该是："测试已加：构造一条 25 小时前的未支付订单，断言状态变为 cancelled；原有订单测试全部通过。" 而不是"我改完了，应该没问题"。

📦 安装 andrej-karpathy-skills：插件版和文件版

方式一：装成 Claude Code 插件（推荐）

插件版一次安装，所有项目生效。在 Claude Code 里依次执行：

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

方式二：CLAUDE.md 文件版（按项目配置）

适合只想给个别项目套规矩、或想自己改过再用的人：

git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills cp andrej-karpathy-skills/CLAUDE.md 你的项目根目录/CLAUDE.md

新项目直接放文件即可；已有 CLAUDE.md 的老项目，把准则内容追加到文件末尾就行——它明确设计为可以和你的项目规则共存，比如你再补一节"TypeScript 用严格模式""所有接口必须有测试"这类自己的条款。

✅ 怎么判断准则真的在起作用

装上之后不用盯着看，过几天检查 diff 和对话记录，看有没有这几个信号：

• diff 里只剩你点名的改动，"附带改进"消失了
• 第一次生成的代码就是简单版，不再反复推翻重写
• 澄清问题出现在实现之前，而不是翻车之后
• 提交的 PR 干净、最小，没有顺手重构

有一点要心里有数：这套准则整体偏"谨慎"而非"速度"。改个拼写、挪一行这种小事，不用走完整流程，它自己会用判断。设计目标就是减少非琐碎任务上的贵错误，不是把简单任务拖慢。

❓ 常见疑问

会不会拖慢日常开发？会稍微多几句"确认"，但只发生在需求有歧义的时候。经验上，一次动手前的确认，比一次方向错的返工便宜得多。

我已经有自己的 CLAUDE.md 了，要覆盖吗？不用覆盖。追加合并即可，项目规则在前，这套通用准则在后，互不干扰。

用 Cursor 的能装吗？可以。仓库里已经提交了一份对应的 Cursor 规则文件，照着 CURSOR.md 的说明把规则复制到你自己的项目规则里就行，内容就是同样这 4 条。

装完之后，建议先只用准则四跑一次：下次让 AI 修 bug，别直接说"修一下"，而是让它先写一个复现 bug 的失败测试。看到它真的按这个节奏走，再决定要不要全量信任这套准则。

【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