andrej karpathy skills

Andrej Karpathy Skills：给 Claude Code 加四条行为约束

发布日期：2026-05-02

---

发现了一个最近热度很高的仓库： andrej-karpathy-skills 129k star

它做的事情很直接：把 Andrej Karpathy 对 LLM 编码常见问题的观察整理成 Claude Code 的行为约束，落成一份 CLAUDE.md，或者一个 skill。

这哥们从特斯拉跳槽到 OpenAI ,这几天又跳槽到了 Anthropic

这些问题很多人都见过：

• 模型会替你做错误假设
• 自己困惑了也不说
• 明明应该先问一句，却直接开始写
• 很喜欢把简单问题做复杂
• 会顺手改掉它并不理解的旁边代码

这份仓库就是把这些常见问题先收进一组明确的行为规则里，只有四条规则。

四条规则分别在处理什么问题

对应关系很清楚：

• Think Before Coding：减少错误假设和隐藏的困惑
• Simplicity First：减少过度设计和膨胀抽象
• Surgical Changes：减少无关改动和“顺手优化”
• Goal-Driven Execution：减少目标模糊和无法验证的任务

这也解释了为什么这个仓库虽然很小，但很多人装完以后会觉得 Claude Code 的“手感”变了。

核心只有四条规则

README 不复杂，核心就是四条原则：

1. Think Before Coding
2. Simplicity First
3. Surgical Changes
4. Goal-Driven Execution

这四条讲的是 agent 的行为方式，不是代码风格。

第一条：先想清楚，再开始写

Think Before Coding 对应的是一种很常见的情况：LLM 很容易先做一个假设，然后沿着这个假设一路往下跑。

仓库里给出的要求包括：

• 把假设说出来
• 有歧义时，不要自己默默选一个
• 如果有更简单的路，就主动指出来
• 真有困惑时，停下来问

这条规则放到 coding agent 里很重要。很多返工，往往出在前面这几步：

• 一开始就理解错了
• 需求边界没有说清
• 技术路线默认选错了

一旦起步错了，后面代码写得越快，返工也越大。

第二条：简单优先

Simplicity First 对应的是另一类问题：模型很容易过度设计。

仓库里写得很直接：

• 不要加没被要求的功能
• 不要为一次性代码抽象一层
• 不要为了“灵活性”提前做配置
• 不要为不可能发生的场景补一堆错误处理

这条规则很适合日常用 Claude Code 的场景。很多时候最烦的，是它写得太多：

• 多一层 abstraction
• 多一个 config
• 多一套并不必要的 wrapper
• 多一段以后没人敢删的“通用逻辑”

功能做出来了，代码库却更重了。

第三条：只改你该改的

Surgical Changes 对应的是“顺手改了一堆没让它改的东西”。

仓库里要求得很细：

• 不要顺手优化旁边的代码
• 不要改没坏的东西
• 不要顺手重写注释和格式
• 遇到无关死代码，可以提一下，但先别删

它唯一鼓励清理的是：

• 你的改动直接导致没用了的 import
• 你的改动直接导致没用了的变量
• 你的改动直接导致没用了的函数

这条很像 code review 的一条基本原则：
每一行 diff 都应该能追溯回当前这个需求。

对 Claude Code 来说，这一点尤其重要，因为它太容易“顺手帮你一起改了”。人类工程师看到这种提交，通常第一反应都是：

• 你为什么动这里？
• 这个跟需求有什么关系？
• 你怎么证明你没把别的东西弄坏？

第四条：不要只给命令，要给成功条件

Goal-Driven Execution 是这套规则里最有用的一条。

README 把问题讲得很清楚：
不要只给一句：

• add validation
• fix the bug
• refactor X

这种话对模型来说太模糊了。

更合适的写法，是把任务改成一个可验证的目标，比如：

• 给非法输入写测试，然后让测试通过
• 先写一个能复现 bug 的测试，再修到通过
• 重构前后测试都必须通过

两者的区别在于：

• 前者是命令式任务
• 后者是带校验标准的目标

这里有一句话写得很直接：

Don't tell it what to do, give it success criteria and watch it go.

这很像写给 coding agent 的工作单：

• 先把事情交代清楚
• 再把“做到什么算完成”写清楚

成功标准清楚以后，模型更容易自己循环下去。