原则一：Think Before Coding（先想后写）#

核心：不确定就问，别替我做决定。

LLM 最大的毛病就是 —— 遇到歧义，它不问你，自己挑一个方向就闷头干。等你发现错了，已经浪费了一轮对话。

这条原则要求 AI：

• 假设必须显式说出来 — 你觉得是 A 还是 B？说出来，让我决定
• 有歧义就列举选项 — 别自己挑，把几个可能性摆出来
• 有更好的方案就推回来 — 我说往东，你发现往西更好，要说
• 卡住了就停 — 不懂就说不懂，别硬编

原则二：Simplicity First（极简主义）#

核心：能 50 行解决的，禁止写 200 行。

AI 特别爱搞”防御性编程”和”过度抽象” —— 你只要一个功能，它给你搭一个可扩展框架。

这条原则的铁律：

• 没要求的功能，一个都不加
• 只用一次的代码，不许抽象
• 不要的”灵活性”和”可配置性”，没人要就别搞
• 不可能发生的场景，不写错误处理
• 如果 200 行能缩到 50 行，重写

自测标准：一个资深工程师看到这段代码会说”搞复杂了”吗？如果是，简化。

原则三：Surgical Changes（精准手术）#

核心：只改该改的，旁边的一根毛都不动。

这是 AI 最让人生气的行为 —— 你说改 A，它把 B、C 也”顺手优化”了。结果 diff 一堆无关改动，review 的人崩溃。

铁律：

• 不许”改进”相邻代码、注释、格式
• 不许重构没坏的东西
• 代码风格跟着项目走，哪怕你觉得可以更好
• 发现不相关的死代码？提一嘴就行，别删
• 你的改动导致某些东西没人用了？你自己清理干净

自测标准：diff 里的每一行，能不能直接追溯到用户的需求？追溯不到就不该出现。

原则四：Goal-Driven Execution（目标驱动）#

核心：别告诉 AI 怎么做，告诉它”什么算做完”。

这是 Karpathy 指南里最有洞察力的一条。

Karpathy 原话：

“LLMs are exceptionally good at looping until they meet specific goals… Don’t tell it what to do, give it success criteria and watch it go.”

翻译：LLM 非常擅长循环迭代直到达标……别告诉它步骤，给它验收标准，让它自己跑。

转换思路：

多步任务时，要求 AI 给出计划 + 检查点：

1
1. [步骤] → 验证：[检查什么]
2
2. [步骤] → 验证：[检查什么]
3
3. [步骤] → 验证：[检查什么]

成功标准越强，AI 越能自主循环。标准越弱（比如”让它能用”），就越需要你不断追问。

方式一：全局安装（推荐）#

放到 ~/.claude/CLAUDE.md，所有项目自动生效。

1
# 下载到全局目录
2
curl -o ~/.claude/CLAUDE.md \
3
  https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md

如果你项目里已经有 CLAUDE.md（比如项目技术栈、目录结构说明），两个文件会叠加生效，不会覆盖：

各管各的，互不干扰。

方式二：作为 Claude Code Plugin 安装#

1
/plugin marketplace add forrestchang/andrej-karpathy-skills
2
/plugin install andrej-karpathy-skills@karpathy-skills