如何快速让 AI 写出简洁代码：andrej-karpathy-skills 完整上手

如何快速让 AI 写出简洁代码andrej-karpathy-skills 完整上手【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skillsAI 编程助手有个反复出现的毛病替你做假设、爱过度工程化、改两行代码顺手重构半条街。andrej-karpathy-skills 把四条 Karpathy 原则装进一份 CLAUDE.md让 AI 的产出停在“刚好够用”的简洁代码上。这份指南写给用 Claude Code 的个人开发者和小团队读完就能接进项目。先跑起来把 CLAUDE.md 接进项目两条最短路径选一条就行。方式一装成 Claude Code 插件全局生效/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skillskarpathy-skills两条命令敲完之后所有项目都会带上这套行为规范不用逐个配置。方式二一个文件进项目根目录git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills把仓库里的 CLAUDE.md 复制到你的项目根目录如果项目里已经有这份文件把新内容追加到末尾即可。文件开头就写了“按需与项目指令合并”所以和你自己写的规范叠在一起不会打架。四条原则换个方式过一遍文件放进项目后它教给 AI 的其实是一个动作动手之前先过四道关。你也可以把它当成 review AI 产出时的自检清单。第一关编码前先想清楚——拦的是“沉默假设”。AI 最常见的翻车方式不是写错代码而是替你悄悄选定一种解释然后闷头跑完权衡一个都不摊开。第二关简单优先——拦的是“投机性设计”。没人要的灵活性、没人要的抽象层、为不可能的场景兜底的错误处理一律不写。判断标准写得直白一个资深工程师会不会说这写复杂了。第三关外科手术式修改——拦的是“顺手重构”。只碰任务需要的行匹配现有风格看到无关死代码只提一句、不删。验收方法每一行改动都能回溯到你的需求。第四关目标驱动执行——拦的是“含糊交付”。“修好它”会被改写成“写一个能复现它的测试再让它通过”多步任务被拆成带验证项的计划每一步都能独立确认。按动手前的自检顺序排开就是这张表自检顺序原则触发时机验收信号1编码前先想清楚接到需求、还没碰代码时假设逐条列明多种解释全部摆上桌2简单优先开始写新代码时没有未请求的功能资深工程师不觉得复杂3外科手术式修改改动既有代码时每一行 diff 都能对回需求4目标驱动执行任务要拆成多步之前每步都有能独立跑通的验证项看一个真实的 diff需求就一句话加个函数算折扣。第一反应是抽象基类、策略模式、配置对象三十多行才把一个乘法讲完。多数人初看会觉得这“挺规范”——设计模式都用上了。问题不在模式本身而在时机只有一种折扣时这些结构只会让代码更难读、更难测。收敛之后的最终版def calculate_discount(amount: float, percent: float) - float: 计算折扣金额percent 取 0-100。 return amount * (percent / 100) discount calculate_discount(100.0, 10.0) # 折 10 美元等到真出现第二、第三种折扣类型那天再抽抽象不迟而且那时你已经清楚抽象要包什么。仓库里还有一批同类对照见 EXAMPLES.md从“加日志时顺手改引号”到“没复现就改排序”都能找到。这套指南什么时候帮不上你四条原则是行为边界不是信仰有几处它明确不硬撑真有多策略需求时。如果计费规则确实有满减、折扣、阶梯三种并存“简单优先”不该拦你引入策略抽象——它拦的只是“还没需要就先写”。这时该做的不是硬套简单写法而是把抽象一次抽对。个人风格与团队规范冲突时。这份文件约束的是 AI 的行为不是你的代码风格。团队有自己的约定时在 CLAUDE.md 里追加一节项目专属规则即可文件本身支持这样合并。琐碎任务上。改个错别字、挪一行 import走完整套自检流程是浪费。文件里有一句明确的 tradeoff这些规则偏向谨慎而非速度小事上凭判断。怎么确认它真的在起作用接上之后不用凭感觉判断盯三个能数出来的东西。三个可观察的行为变化diff 里的无关行数。拿同一个修 bug 任务对比接入前后改动行从四五十行掉到十行以内说明“外科手术式修改”落了地。澄清问题出现的位置。数一数 AI 在动手前问了几个问题、动手后你才发现了几个假设。理想状态是所有问题都出现在第一次写码之前。返工次数。第一版输出之后你要求“改简单点”的频次稳定在零附近才说明“简单优先”不是写在纸上。最后Karpathy 的原话大意是模型特别擅长朝着具体目标自己循环所以别告诉它该做什么给它成功标准然后看它跑。落到日常建议从一个小项目试一两周只盯上面三个数数字变了这套东西才算真正进了你的工作流。【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys 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