AI 亂寫代碼的問題被一個 57 行的小文件解決了
整理版優先睇
Karpathy 嘅吐槽變成 57 行 CLAUDE.md，解決 AI 亂寫代碼問題
Karpathy，前 Tesla AI 總監、OpenAI 聯合創始人，最近加入咗 Anthropic。佢之前喺社交媒體上狠批 AI 寫代碼嘅兩大毛病：一係 AI 會擅自改動無關嘅代碼，二係愈寫愈複雜，仲自以為係。呢啲吐槽引起共鳴，冇幾耐就有人將佢嘅意見整成一個叫 CLAUDE.md 嘅 Skill，得 57 行，放上 GitHub 後爆紅，至今有 14.6 萬星。
呢個檔案係畀 AI 睇嘅「行為守則」，入面有四條簡單規矩：先問清楚先做、保持簡單、只改指定位置、定明成功標準。佢嘅核心概念係「唔好話畀 AI 做乜，而係畀佢一個成功標準，等佢自己 loop 到達到為止」。作者話呢個方法唔單止寫代碼用得，任何用 AI 嘅任務都適用。
用家可以將 CLAUDE.md 放入項目，或者直接記低四條規矩自己用。效果好明顯：改動唔會多餘、代碼簡潔、唔明會問、交付乾淨。呢個項目開源免費，人人都可以即刻改善同 AI 協作嘅體驗。
- Karpathy 指出 AI 寫代碼有兩大坑：亂改沒要求嘅代碼同埋過度假設亂寫一餐。
- 有人將佢嘅吐槽整成 57 行 CLAUDE.md，作為 AI 嘅行為守則，GitHub 上 14.6 萬星。
- 四條規矩：先問清楚先做、保持簡單、只改指定位置、定明成功標準。
- 核心心法：唔好話畀 AI 做乜，而係畀佢成功標準，等佢自己 loop 到達成為止。
- 呢個 Skill 唔單止寫代碼用得，任何人用 AI 工具嘅時候跟住呢四點，效果即刻改善。
CLAUDE.md - AI 行為守則
57 行純文字，定義四條規矩，改善 AI 寫代碼習慣。直接放入項目或用 curl 下載。
GitHub 項目 andrej-karpathy-skills
原始專案，有 14.6 萬星，支援 Claude Code 同其他 AI Coding 工具。
Karpathy 嘅吐槽引起共鳴
Karpathy 係 AI 圈嘅重量級人物，前 Tesla AI 總監、OpenAI 聯合創始人，最近宣佈加入 Anthropic。佢之前公開鬧 AI 寫代碼嘅問題，話呢啲模型會 偷偷替你做假設，不停咁自己猜，唔核實。
佢仲話 AI 好鍾意將代碼搞到好複雜，100 行能解決嘅事非要寫 1000 行，仲會手滑改咗自己都搞唔明嘅代碼。呢啲觀點一出，即刻引起網上大量共鳴。
Karpathy 嘅一條推文足以引起整個行業討論
AI 會擅自「優化」無關代碼，導致新問題
57 行文件改變遊戲規則
冇幾耐，就有人將 Karpathy 嘅吐槽變成一個實際可用嘅 Skill，核心係一份 CLAUDE.md 文件，全文得 57 行。呢個檔案可以理解成畀 AI 睇嘅「行為守則」，放喺項目入面，AI 寫代碼前會先讀佢。
- 1 先想清楚，再動手：有不確定嘅地方，先問清楚，唔好自己亂猜。
- 2 能簡單絕不複雜：只寫要求嘅部分，50 行搞得掂就唔好寫 200 行。
- 3 只動讓你動的地方：冇被要求嘅地方，一行都唔準改。
- 4 告訴它「做到什麼程度算完」：畀成功標準，等 AI 自己 loop 到達成為止。
核心心法：畀標準，唔係畀指令
Karpathy 話最重要嘅係：「不要告訴 AI 做什麼，給它成功標準，然後看它自己跑。」 LLMs 好擅長 loop 到達到某個目標，所以只要定義清楚成功係點，AI 就可以自動搞掂。
呢個心法唔單止寫代碼，任何用 AI 嘅任務都通用。好多人用 AI 嘅習慣係交代任務，但冇諗過要定標準。有咗可以自我驗證嘅目標，AI 先真正做到獨立完成。
LLMs are exceptionally good at looping until they meet specific goals
點樣用同判斷有冇效
呢個 Skill 同時支援 Claude Code 同其他主流 AI Coding 工具。你可以直接喺 GitHub 下載 CLAUDE.md，或者用指令 curl -o CLAUDE.md ... 拎返嚟。就算唔寫代碼，都可以記低四條規矩，以後用任何 AI 工具時跟住做。
- ✓ 每次改動只包含你要求嘅內容，冇多餘嘢
- ✓ 代碼第一次就寫得簡潔，唔使再叫佢刪嘢
- ✓ 遇到唔清楚嘅地方，佢會先問你，唔會出錯先解釋
- ✓ 交付結果乾淨清晰，冇一堆冇要嘅「額外優化」
呢個項目開源免費，MIT License，任何人都可以直接用。Karpathy 加入 Anthropic 係想令 AI 更快變聰明，而呢個 Skill 係令而家嘅 AI 少犯錯，一個治本，一個治標。
14.6 萬 GitHub Star，超過大多數代碼庫
糾正 Vibe Coding 壞習慣嘅 Skill
約 2080 字 · 閲讀 6 分鐘
呢幾日，AI 圈發生咗一件大事。
Karpathy，前特斯拉 AI 總監、OpenAI 聯合創始人，宣佈加入 Anthropic —— 即係做 Claude 嗰間公司，正式回歸 AI 研究前線。
Karpathy 係邊個
史丹福 AI 博士，主導特斯拉 Autopilot 視覺系統，係全球深度學習領域最有影響力嘅研究者之一。佢喺 YouTube 免費講嘅神經網絡課程，俾全球數百萬人當教材用。喺 AI 圈，佢一條推文就可以引起整個行業討論。
之前，Karpathy 公開吐槽過 AI 寫代碼嘅一堆毛病。呢啲吐槽俾人整咗個 Skill，放咗上 GitHub，而家已經有 14.6 萬 Star，變咗今年最火嘅開源項目之一。
佢吐槽咗啲乜
用過 AI 寫代碼嘅人，大概都踩過呢兩個坑。
第一個坑：你叫佢改一個地方，佢改完仲順手「優化」咗旁邊一堆你冇叫佢鬱嘅嘢。結果代碼面目全非，出咗新問題根本揾唔到原因。
第二個坑：你話「幫我加個登錄功能」，佢冇問任何問題，直接寫咗 800 行，全部係你唔要嘅嘢，真正需要嘅邏輯反而淹沒喺裏面。
Karpathy 將呢啲毛病講得好直白，大意係：
「呢啲模型會偷偷幫你做假設，然後就咁繼續做落去，從來唔核實。遇到搞唔掂嘅地方，佢唔停低問，而係自己估，估完繼續做。」
「佢哋特別鍾意將代碼搞複雜，100 行搞得掂嘅嘢非要寫 1000 行。仲會手滑改咗佢自己都搞唔掂嘅代碼，明明同任務冇關係，就係改咗。」
呢段話一出，下面一片「講到我心坎裏」。冇幾耐，就有人將呢啲吐槽變成咗一個實際用到嘅嘢。
有人將佢嘅吐槽整成咗 Skill
呢個項目叫 andrej-karpathy-skills，核心係一個叫CLAUDE.md嘅文件，全文 57 行。
你可以將佢理解成一份俾 AI 睇嘅「行為守則」。放佢入項目文件夾，AI 寫代碼之前會先讀佢，然後跟返裏面嘅規矩嚟做。
146,000+
GitHub Star
15,000+
Fork
57
Line
一份純文本配置文件，收藏 14 萬次，超過大多數代碼庫。
呢 57 行寫咗啲乜
四條規矩，全部用生活語言解釋，唔識代碼都聽得明。
先諗清楚，再鬱手
你叫裝修師傅「將牆油白」，啞白定亮白？負責任嘅師傅會先問，而唔係隨便揀一種油完先講。
呢條規矩要求 AI 都一樣：有唔確定嘅地方，先講出嚟，先問清楚，唔好自己估完就鬱手。
搞得簡單就唔好複雜
你叫人幫你寫一封追數信，佢交俾你一套企業法律文書管理系統，話「第時可能用得着」。呢種「做多咗你唔蝕」嘅想法，其實先係最大嘅麻煩。
呢條規矩好簡單：只寫你要嘅部分，50 行搞得掂嘅，就唔好寫 200 行。
只改你叫佢改嘅地方
你叫鐘錶師傅換粒電，佢順手將個錶面設計都改埋，覺得「咁樣靚啲」。好心做壞事，你隻錶返嚟完全認唔出。
呢條規矩規定：冇被要求嘅地方，一行都唔準鬱。就算睇唔順眼，只能提出嚟，唔可以自作主張。
話俾佢知「做到咩程度算完成」
你同保潔阿姨話「將屋企打掃一下」，佢掃完地就交差。但你其實仲想抹枱。怪得邊個？只能怪當時冇講清楚。
但如果你話「枱面要鏡面反光、地板冇水痕先算完成」，佢就知要達到咩標準先交得差。
呢條精髓在於：唔好只話俾 AI 聽做咩，要話俾佢聽做到咩程度先算啱。
Karpathy 講嘅核心
「唔好話俾 AI 聽做咩，俾成功標準佢，然後睇佢自己行。
LLMs are exceptionally good at looping until they meet specific goals.
呢句嘢對用 AI 工具嘅人都啱用，唔止係寫代碼。好多人用 AI 嘅習慣係「交代任務」，但冇諗過要「定好標準」。有咗可以自我驗證嘅目標，AI 先可以真正獨立將件事做完。
怎麼用
呢個項目同時支援 Claude Code 同其他主流嘅 AI Coding 工具。
Claude Code
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
其他 Harness 可以直接掟俾佢
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
唔寫代碼嘅人都可以直接去 GitHub 睇呢個文件，將四條規矩背低，以後用任何 AI 工具時跟住做，效果一樣。
點樣判斷有冇用
每次改動淨係包含你要嘅內容，冇多餘嘅嘢
代碼第一次就寫得簡潔，唔使再叫佢刪走多餘嘅部分
遇到唔清楚嘅地方，佢先問你，而唔係出錯之後先解釋
交付嘅結果乾淨清晰，冇一堆冇叫佢做嘅「額外優化」
故事未完
Karpathy 今次加入嘅 Anthropic，正在研究嘅係讓 Claude 自己加速自己嘅預訓練。換句話講，佢去嘅呢個團隊，目標係讓 AI 更快咁變聰明。
而呢個受佢啟發整出嚟嘅項目，目標係讓而家嘅 AI 少啲犯錯。
一個治標，一個治本。
github.com/multica-ai/andrej-karpathy-skills
糾正 Vibe Coding 壞習慣的 Skill
約 2080 字 · 閲讀 6 分鐘
這幾天，AI 圈發生了一件大事。
Karpathy，前特斯拉 AI 總監、OpenAI 聯合創始人，宣佈加入 Anthropic —— 也就是做 Claude 的那家公司，正式迴歸 AI 研究前線。
Karpathy 是誰
斯坦福 AI 博士，主導特斯拉 Autopilot 視覺系統，是全球深度學習領域最有影響力的研究者之一。他在 YouTube 上免費講的神經網絡課程，被全球數百萬人當教材用。在 AI 圈，他的一條推文能引起整個行業討論。
在之前，Karpathy 公開吐槽過 AI 寫代碼的一堆毛病。這些吐槽被人做成了一個 Skill，放到 GitHub 上，現在已經有 14.6 萬 Star，成了今年最火的開源項目之一。
他吐槽了什麼
用過 AI 寫代碼的人，大概都踩過這兩個坑。
第一個坑：你讓它改一個地方，它改完還順手"優化"了旁邊一堆你沒讓它動的東西。結果代碼面目全非，出了新問題根本找不到原因。
第二個坑：你說"幫我加個登錄功能"，它沒問任何問題，直接寫了 800 行，全是你不要的東西，真正需要的邏輯反而淹沒在裏面。
Karpathy 把這些毛病說得非常直白，大意是：
"這些模型會偷偷替你做假設，然後就這麼跑下去，從不核實。遇到搞不懂的地方，它不停下來問，而是自己猜，猜完繼續幹。"
"它們特別愛把代碼搞複雜，100 行能解決的事非要寫 1000 行。還會手滑改掉它自己都沒搞懂的代碼，明明和任務沒關係，就是改了。"
這段話發出來，底下一片"說到我心坎裏了"。沒多久，就有人把這些吐槽變成了一個實際能用的東西。
有人把他的吐槽做成了 Skill
這個項目叫 andrej-karpathy-skills，核心是一個叫CLAUDE.md的文件，全文 57 行。
你可以把它理解成一份給 AI 看的"行為守則"。把它放進項目文件夾，AI 寫代碼之前會先讀它，然後按照裏面的規矩來。
146,000+
GitHub Star
15,000+
Fork
57
Line
一份純文本配置文件，收藏 14 萬次，超過大多數代碼庫。
這 57 行寫了什麼
四條規矩，全用生活語言解釋，不懂代碼也能聽懂。
先想清楚，再動手
你讓裝修師傅"把牆刷白"，啞白還是亮白？負責任的師傅會先問，而不是隨便選一種刷完再說。
這條規矩要求 AI 也一樣：有不確定的地方，先說出來，先問清楚，不要自己猜完就動手。
能簡單絕不復雜
你讓人幫你寫一封催款信，他交給你一套企業法律文書管理系統，說"以後說不定用得上"。這種"多做了你不虧"的想法，其實才是最大的麻煩。
這條規矩很簡單：只寫你要求的部分，50 行能搞定的，就不要寫 200 行。
只動讓你動的地方
你讓鐘錶師傅換塊電池，他順手把錶盤設計也改了，覺得"這樣更好看"。好心辦壞事，你的表回來完全認不出來了。
這條規矩規定：沒被要求的地方，一行不許動。就算看着不順眼，只能提出來，不能自作主張。
告訴它"做到什麼程度算完"
你跟保潔阿姨說"把家裏打掃一下"，她掃完地就交差了。但你其實還想要擦桌子。怪誰呢，只能怪當時沒說清楚。
但如果你說"桌面能鏡面反光、地板無水痕才算完"，她就知道達到什麼標準才能交差。
這條精髓在於：不要只告訴 AI 做什麼，要告訴它做到什麼程度才算對。
Karpathy 說的核心
"不要告訴 AI 做什麼，給它成功標準，然後看它自己跑。"
LLMs are exceptionally good at looping until they meet specific goals.
這句話對用 AI 工具的人都有用，不只是寫代碼。很多人用 AI 的習慣是"交代任務"，卻沒想過要"定好標準"。有了可以自我驗證的目標，AI 才能真正獨立把事情做完。
怎麼用
這個項目同時支持 Claude Code 和其他主流的 AI Coding 工具。
Claude Code
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
其他 Harness 可以直接丟給它
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
不寫代碼的人也可以直接去 GitHub 看這個文件，把四條規矩背下來，以後用任何 AI 工具時照着來，效果是一樣的。
怎麼判斷有沒有用
每次改動只包含你要求的內容，沒有多餘的東西
代碼第一次就寫得簡潔，不用再讓它刪掉多餘的部分
遇到不清楚的地方，它先問你，而不是出錯之後才來解釋
交付的結果乾淨清晰，沒有一堆沒要的"額外優化"
故事還沒完
Karpathy 這次加入的 Anthropic，正在研究的是讓 Claude 自己加速自己的預訓練。換句話說，他去的這個團隊，目標是讓 AI 更快地變聰明。
而這個受他啓發做出來的項目，目標是讓現在的 AI 少犯渾。
一個治標，一個治本。
github.com/multica-ai/andrej-karpathy-skills