andrej-karpathy-skills实操指南:三步搭出你的自定义规则插件
【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
你让 AI 写代码时,有没有被它"热心过头"坑过:需求没讲清它自己脑补,你让它改一行它顺手重构半屏代码。andrej-karpathy-skills 这个仓库做的事就一件:用一份行为规范约束 LLM 编码习惯,帮你把这类返工压到最少。它不是一个代码库,核心就是一份 CLAUDE.md,里面装着四条原则,再往上面叠你自己的项目规则,就是你想要的自定义规则插件。
📦 任务一:把规则装进你的工具链
先看看这四条原则各管什么事,它们正好对应四类常见翻车现场:
| 原则 | 治什么病 | 一句话做法 |
|---|---|---|
| 动手前先想 | 乱假设、闷头写 | 不确定就问,把假设摆到台面上 |
| 能短就别长 | 过度工程 | 200 行能压到 50 行就重写 |
| 改动要克制 | diff 失控 | 每一行变更都得对得上你的需求 |
| 给目标不给步骤 | "让它能用"式的模糊任务 | 先写失败测试,再让它变绿 |
装好它的路子有几种,按你的工具选:
- 装成 Claude Code 插件,全局项目都生效(推荐):
/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skills@karpathy-skills- 只对当前项目生效:把 CLAUDE.md 拷到项目根目录。仓库里直接就有这份文件,拿到手就能用;已有 CLAUDE.md 的项目注意追加合并,别直接覆盖。
- Cursor 用户:把
.cursor/rules/karpathy-guidelines.mdc拷进项目的.cursor/rules/目录即可。
装好之后跑一个平时的小任务感受一下,有没有区别马上能看出来。
✍️ 任务二:写上你自己的规则
装完只是打底。想让它长成你自己的规则插件,就往 CLAUDE.md 末尾加一节项目特定指南:
## 项目特定指南 - 所有 API 路由必须有集成测试 - 错误统一走 src/utils/errors.ts 的现有处理模式 - 禁止在业务代码里新增抽象层,除非明确要求写规则有两个讲究。一是清单式短句,一行一条;二是说清适用边界,"所有 API 路由必须有集成测试"就比"代码要有测试"好用得多。四条原则的详细写法可以参考规则定义文件 skills/karpathy-guidelines/SKILL.md,每条原则该写什么、写到什么程度都有模板可抄。
✅ 任务三:跑个真实任务验证效果
规则写完了,怎么确认它真的在干活?拿一个你平时会让 AI 干的任务试一遍,对照下面几点:
- 它有没有先提问。需求含糊时,AI 应该先抛澄清问题,而不是自己选一个解释闷头开写。
- 看 diff。只出现你要求的改动,没有顺手的"改进"、引号风格变化、多余的类型标注。
- 看抽象。它又写了一堆没人要求的策略类?说明规则没起作用,或者写得不够具体。
- 把任务说成可验证的目标。"修 bug"换成"先写一个能复现的失败测试,再让它通过",AI 会自己循环验证,不用你反复催。
具体什么样的做法算错、什么样的算对,仓库里有一份带真实代码的对照示例:EXAMPLES.md,里面每个原则都配了一对"翻车版 vs 正确版"的代码 diff,值得翻一遍。
⚠️ 三个容易踩的坑
- 规则没生效:确认文件放的位置对了。Claude Code 读根目录 CLAUDE.md,Cursor 读
.cursor/rules/,两边互不相通。 - AI 该克制时没克制:规则太笼统。把"注意代码质量"改成"单次提交的 diff 不超过 100 行,超出先说明理由"这种可执行的写法。
- 简单任务也卡壳:这套规则偏向稳妥,改个错别字之类的一行改动不用走完整流程,自己看着办。
说到底,这个插件就是一份约束 AI 行为的说明书:装好它、写上你的规则、拿真实任务验证。成不成,看 PR 干不干净、返工多不多。
【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
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考