别让你的 AI 拿千行策略模式糊弄 100 行的需求andrej-karpathy-skills 完整实操指南【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加一个计算折扣的函数。你说了这一句它回你一个抽象基类、两种类实现、一个工厂方法外加一份配置文件一百多行策略模式。你其实只想要amount * (1 - percent)这一行。比代码本身更气人的是它全程很自信要等你 review 才发现问题。有没有办法让它别这么干andrej-karpathy-skills 就是一个 CLAUDE.md 行为准则文件把 Andrej Karpathy 观察到的 LLM 编码陷阱浓缩成几条硬性约束贴进你的 Claude Code管住乱假设、过度设计、顺手重构这三种行为。为什么它不先问就动手这种行为不是模型不小心而是结构性倾向。训练目标奖励给出一个完整、看起来像样的答案停下来提问会打断这种流畅而先澄清再动手的高质量样本在训练里很少奖励信号偏向看起来完成了任务而不是真的做对了。于是你说加个导出功能它就把范围、格式、字段全部自己脑补完。它不是不认真——不认真恰恰是默认目标函数下的最优路径只是屏幕上的人要为它的像样买单。它到底改变了 AI 的什么行为 整个项目没有框架、没有工具链交付的就是一个 CLAUDE.md 准则文件附一个现成的 skill 包。思路很直接模型默认倾向猜了再干准则文件就把这件事反过来——猜之前先说清楚只许改能改的干完要能证明。具体变化分三种。让决策可见第一条要求它停止默不作声地想。准则里规定遇到歧义必须把假设说出来或者把多种解释摆出来让你选甚至可以反驳你——有简单方案就说出来。你说让搜索变快标准 AI 一口气把缓存、索引、异步全写上读了这份文件的 AI 会先反问你要的是响应时间、并发量还是观感速度各方案成本多少它不猜。它问。圈死改动边界第二条压缩修改范围。准则里有一句很硬你改的每一行都必须能追溯到你的请求。不改进相邻代码不重构没坏的东西看到死代码可以提一嘴但不能删——除非那堆孤儿代码是你这次改动弄出来的。这直接消灭了 diff 里一大类顺手改动review 时你不用再从四百行里找真正的变更。给目标别给指令第三条把指令式请求翻译成可验证的目标。加验证修 bug没有验证点它只能自我感觉应该好了。准则强制每一步都带验证条件1. 为无效输入写测试 → 验证测试失败 2. 实现校验逻辑 → 验证测试通过成功标准清楚它就能自己循环、自己验证你只负责验收。这份准则文件连自己的效果判断都这么写diff 里无关改动变少、过度设计导致的重写变少、问题在动手前被问出来而不是在翻车后。同一个需求两种行为加一个导出用户数据的功能。标准 AI 直接开写下面是典型产物——全量用户、当前目录生成 users.json、字段随手挑了 email、name、id。看起来很顺直到有人问全部用户都能导吗哪些字段敏感它答不上来因为它从没问过。users User.query.all() with open(users.json, w) as f: json.dump([u.to_dict() for u in users], f)读了准则的 AI 会先停下问四件事范围多大、什么形式文件、后台任务还是 API 端点、哪些字段、数据量级同时给出最简单的选项一个返回分页 JSON 的端点。区别 不在代码在顺序——先澄清再动手。你事后 review 才能发现的问题被挪到了动手前。怎么接进你的项目如果你日常用 Claude Code直接装成插件装完所有项目生效/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skillskarpathy-skills流程固定、或者用 Cursor 的话clone 仓库后把 CLAUDE.md 的内容拷进项目即可——新项目直接用老项目追加在文件末尾能和你的项目专属规则共存仓库里还带了一份现成的 Cursor 规则。git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills开头那个折扣函数最后三行就写完了。值得记住的不是这个文件而是一个习惯让它写代码之前先把怎么算做完的成功标准贴上去。能被验证的模型会提问不能被验证的模型只能猜。下次开工前问自己一句这个需求的目标能被验证吗【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 别让你的 AI 拿千行策略模式糊弄 100 行的需求：andrej-karpathy-skills 完整实操指南
别让你的 AI 拿千行策略模式糊弄 100 行的需求andrej-karpathy-skills 完整实操指南【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加一个计算折扣的函数。你说了这一句它回你一个抽象基类、两种类实现、一个工厂方法外加一份配置文件一百多行策略模式。你其实只想要amount * (1 - percent)这一行。比代码本身更气人的是它全程很自信要等你 review 才发现问题。有没有办法让它别这么干andrej-karpathy-skills 就是一个 CLAUDE.md 行为准则文件把 Andrej Karpathy 观察到的 LLM 编码陷阱浓缩成几条硬性约束贴进你的 Claude Code管住乱假设、过度设计、顺手重构这三种行为。为什么它不先问就动手这种行为不是模型不小心而是结构性倾向。训练目标奖励给出一个完整、看起来像样的答案停下来提问会打断这种流畅而先澄清再动手的高质量样本在训练里很少奖励信号偏向看起来完成了任务而不是真的做对了。于是你说加个导出功能它就把范围、格式、字段全部自己脑补完。它不是不认真——不认真恰恰是默认目标函数下的最优路径只是屏幕上的人要为它的像样买单。它到底改变了 AI 的什么行为 整个项目没有框架、没有工具链交付的就是一个 CLAUDE.md 准则文件附一个现成的 skill 包。思路很直接模型默认倾向猜了再干准则文件就把这件事反过来——猜之前先说清楚只许改能改的干完要能证明。具体变化分三种。让决策可见第一条要求它停止默不作声地想。准则里规定遇到歧义必须把假设说出来或者把多种解释摆出来让你选甚至可以反驳你——有简单方案就说出来。你说让搜索变快标准 AI 一口气把缓存、索引、异步全写上读了这份文件的 AI 会先反问你要的是响应时间、并发量还是观感速度各方案成本多少它不猜。它问。圈死改动边界第二条压缩修改范围。准则里有一句很硬你改的每一行都必须能追溯到你的请求。不改进相邻代码不重构没坏的东西看到死代码可以提一嘴但不能删——除非那堆孤儿代码是你这次改动弄出来的。这直接消灭了 diff 里一大类顺手改动review 时你不用再从四百行里找真正的变更。给目标别给指令第三条把指令式请求翻译成可验证的目标。加验证修 bug没有验证点它只能自我感觉应该好了。准则强制每一步都带验证条件1. 为无效输入写测试 → 验证测试失败 2. 实现校验逻辑 → 验证测试通过成功标准清楚它就能自己循环、自己验证你只负责验收。这份准则文件连自己的效果判断都这么写diff 里无关改动变少、过度设计导致的重写变少、问题在动手前被问出来而不是在翻车后。同一个需求两种行为加一个导出用户数据的功能。标准 AI 直接开写下面是典型产物——全量用户、当前目录生成 users.json、字段随手挑了 email、name、id。看起来很顺直到有人问全部用户都能导吗哪些字段敏感它答不上来因为它从没问过。users User.query.all() with open(users.json, w) as f: json.dump([u.to_dict() for u in users], f)读了准则的 AI 会先停下问四件事范围多大、什么形式文件、后台任务还是 API 端点、哪些字段、数据量级同时给出最简单的选项一个返回分页 JSON 的端点。区别 不在代码在顺序——先澄清再动手。你事后 review 才能发现的问题被挪到了动手前。怎么接进你的项目如果你日常用 Claude Code直接装成插件装完所有项目生效/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skillskarpathy-skills流程固定、或者用 Cursor 的话clone 仓库后把 CLAUDE.md 的内容拷进项目即可——新项目直接用老项目追加在文件末尾能和你的项目专属规则共存仓库里还带了一份现成的 Cursor 规则。git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills开头那个折扣函数最后三行就写完了。值得记住的不是这个文件而是一个习惯让它写代码之前先把怎么算做完的成功标准贴上去。能被验证的模型会提问不能被验证的模型只能猜。下次开工前问自己一句这个需求的目标能被验证吗【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