这几天，AI 圈发生了一件大事。
Karpathy，前特斯拉 AI 总监、OpenAI 联合创始人，宣布加入 Anthropic —— 也就是做 Claude 的那家公司，正式回归 AI 研究前线。
这位斯坦福 AI 博士曾主导特斯拉 Autopilot 视觉系统，是全球深度学习领域最有影响力的研究者之一。他在 YouTube 上免费讲的神经网络课程，被全球数百万人当教材用。在 AI 圈，他的一条推文能引起整个行业讨论。
在此之前，Karpathy 公开吐槽过 AI 写代码的一堆毛病。这些吐槽被人做成了一个 Skill，放到 GitHub 上，现在已经有 14.6 万 Star，成了今年最火的开源项目之一。
他吐槽了什么
用过 AI 写代码的人，大概都踩过这两个坑：
第一个坑： 你让它改一个地方，它改完还顺手“优化”了旁边一堆你没让它动的东西。结果代码面目全非，出了新问题根本找不到原因。
第二个坑： 你说“帮我加个登录功能”，它没问任何问题，直接写了 800 行，全是你不要的东西，真正需要的逻辑反而淹没在里面。
Karpathy 把这些毛病说得非常直白，大意是：
“这些模型会偷偷替你做假设，然后就这么跑下去，从不核实。遇到搞不懂的地方，它不停下来问，而是自己猜，猜完继续干。”
“它们特别爱把代码搞复杂，100 行能解决的事非要写 1000 行。还会手滑改掉它自己都没搞懂的代码，明明和任务没关系，就是改了。”
这段话发出来，底下一片“说到我心坎里了”。没多久，就有人把这些吐槽变成了一个实际能用的东西。
有人把他的吐槽做成了 Skill
这个项目叫 andrej-karpathy-skills，核心是一个叫 CLAUDE.md 的文件，全文 57 行。
你可以把它理解成一份给 AI 看的“行为守则”。把它放进项目文件夹，AI 写代码之前会先读它，然后按照里面的规矩来。
一份纯文本配置文件，收藏 14 万次，超过大多数代码库。
这 57 行写了什么
四条规矩，全用生活语言解释，不懂代码也能听懂。
规矩一：先想清楚，再动手
你让装修师傅“把墙刷白”，哑白还是亮白？负责任的师傅会先问，而不是随便选一种刷完再说。
这条规矩要求 AI 也一样：有不确定的地方，先说出来，先问清楚，不要自己猜完就动手。
规矩二：能简单绝不复杂
你让人帮你写一封催款信，他交给你一套企业法律文书管理系统，说“以后说不定用得上”。这种“多做了你不亏”的想法，其实才是最大的麻烦。
这条规矩很简单：只写你要求的部分，50 行能搞定的，就不要写 200 行。
规矩三：只动让你动的地方
你让钟表师傅换块电池，他顺手把表盘设计也改了，觉得“这样更好看”。好心办坏事，你的表回来完全认不出来了。
这条规矩规定：没被要求的地方，一行不许动。就算看着不顺眼，只能提出来，不能自作主张。
规矩四：告诉它“做到什么程度算完”
你跟保洁阿姨说“把家里打扫一下”，她扫完地就交差了。但你其实还想要擦桌子。怪谁呢，只能怪当时没说清楚。
但如果你说“桌面能镜面反光、地板无水痕才算完”，她就知道达到什么标准才能交差。
这条精髓在于：不要只告诉 AI 做什么，要告诉它做到什么程度才算对。
Karpathy 说的核心
“不要告诉 AI 做什么，给它成功标准，然后看它自己跑。”
LLMs are exceptionally good at looping until they meet specific goals.
这句话对用 AI 工具的人都有用，不只是写代码。很多人用 AI 的习惯是“交代任务”，却没想过要“定好标准”。有了可以自我验证的目标，AI 才能真正独立把事情做完。
怎么用
这个项目同时支持 Claude Code 和其他主流的 AI Coding 工具。
Claude Code 安装
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
其他平台直接下载 CLAUDE.md
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
不写代码的人也可以直接去 GitHub 看这个文件，把四条规矩背下来，以后用任何 AI 工具时照着来，效果是一样的。
怎么判断有没有用
- ✓ 每次改动只包含你要求的内容，没有多余的东西
- ✓ 代码第一次就写得简洁，不用再让它删掉多余的部分
- ✓ 遇到不清楚的地方，它先问你，而不是出错之后才来解释
- ✓ 交付的结果干净清晰，没有一堆没要的“额外优化”
故事还没完
Karpathy 这次加入的 Anthropic，正在研究的是让 Claude 自己加速自己的预训练。换句话说，他去的这个团队，目标是让 AI 更快地变聪明。
而这个受他启发做出来的项目，目标是让现在的 AI 少犯浑。
一个治标，一个治本。
github.com/multica-ai/andrej-karpathy-skills
MIT License · 开源免费
想了解更多 AI 编码技巧？来云栈社区一起聊聊。
发表于 2 小时前
|
查看: 3|
回复: 0
