Andrej Karpathy 的一條推，炸出來一個 149K Stars 的 Agent Skill
整理版優先睇
Karpathy 推文引爆 149K Stars Agent Skill - CLAUDE.md 四規則對症 LLM 三毛病
呢篇文章講嘅係 Andrej Karpathy 喺 X 上分享佢用 Claude coding 嘅體感。佢發現自己由 80% 手寫 code 變成 80% 由 agent 寫，形容係「用英文寫程式」。呢個現象引起好大迴響，Hacker News 有八百幾條評論，GitHub 上仲有人專門整咗一份 CLAUDE.md 嚟對應佢講嘅問題，三個月攞到 149K stars。
文章拆開嚟睇 Karpathy 總結 LLM 嘅三個老毛病：沉默地假設、過度複雜化、順手亂改。佢提出解決方法係由 imperative 轉 declarative，即係唔好下命令，而係定成功標準，等 agent 自己跑。不過 Karpathy 無詳細講點樣寫 CLAUDE.md，而 multica-ai/andrej-karpathy-skills 呢個倉庫就做到咗——用四條規則對症下藥：先思考再編碼、先求簡單、外科手術式修改、目標驅動執行。
整體結論係：同 LLM 合作嗰陣，寫清楚規則可以大幅提升效率，令 agent 更可靠、少亂改。呢份 CLAUDE.md 得 65 行，貼入 project root 就用得，值得試。
- Karpathy 發現自己從 80% 手寫 code 變成 80% 由 agent 寫，形容係「用英文寫程式」，體感似作弊。
- LLM 有三個老毛病：沉默地假設、過度複雜化、順手亂改，至今未改。
- 解決方法係由 imperative 轉 declarative：唔好落命令，而係定成功標準，等 agent 自己跑。
- multica-ai/andrej-karpathy-skills 嘅 CLAUDE.md 用四條規則對症：先思考、求簡單、做手術、目標驅動。
- 真正生效嘅信號係 diff 變細、重寫變少、澄清出而家動手之前。
multica-ai/andrej-karpathy-skills
對應 Karpathy 推文嘅 CLAUDE.md 倉庫，包含四條規則，65行 markdown 檔
一條推文炸出集體共鳴
Karpathy 呢條推開篇就話，11月仲係80%手敲、20%俾 agent 寫；到12月直接顛倒——80%俾 agent 寫，自己只做20%收尾。佢話「我而家係用英文寫程式」，感覺有啲傷自尊，好似作弊咁，仲話過去20年未見過咁大嘅工作流變化。
用英文寫程式
傷自尊
作弊
工作流變化
LLM 嘅三個老毛病
- 1 沉默地假設——模型替你做錯誤假設，然後一路跑落去，唔驗證、唔澄清、唔暴露不一致。
- 2 過度複雜化——100行搞得掂嘅事，佢寫成1000行嘅臃腫建築。
- 3 順手亂改——修一個 bug，佢順手將冇讀懂嘅註釋刪咗，將佢覺得風格不對嘅函數重構咗。
沉默地假設
過度複雜化
順手亂改
Karpathy 嘅處方係一句好核心嘅話：「Don't tell it what to do, give it success criteria and watch it go.」即係由 imperative 轉 declarative，唔好下命令，而係定成功標準。
四條規則對症下藥
一個叫 multica-ai/andrej-karpathy-skills 嘅倉庫將呢套理念濃縮成一份 65 行嘅 CLAUDE.md，三個月攞到 149K stars。四條規則正好對應前面三個毛病：
- 1 先思考，再編碼（對症沉默假設）：唔好假設，將權衡攤出嚟。加用戶登錄前要先確認認證方式、session/JWT、數據庫現狀。
- 2 先求簡單（對症過度複雜化）：解決問題嘅最少代碼，冇要嘅唔好加。讀 JSON 就兩行 with open，唔好整 factory class。
- 3 外科手術式修改（對症順手亂改）：只動你必須動嘅，只清理你自己製造嘅爛攤子。每一行 diff 都要追溯到用戶請求。
- 4 目標驅動執行（對症標準模糊）：將指令翻譯成可驗證目標，例如寫 test 然後跑 pytest，全綠就係做完。
# 先求簡單嘅例子：
# BAD - 你只是想讀個 JSON 文件
class JSONLoaderFactory:
def __init__(self, strategy, cache):
self.parser_pool = ParserPool()
def load_async(self, path, **kw):
return self._with_retry(...)
# 200 行,只被調用 1 次
# GOOD - 就這兩行
with open(path) as f:
data = json.load(f)先思考，再編碼
先求簡單
外科手術式修改
目標驅動執行
點樣用同埋 tradeoff
用法好簡單：cd 入 project 目錄，將份 CLAUDE.md 拉落嚟，或者直接放喺 project root。可以用 curl 指令：curl -O https://raw.githubusercontent.com/multica-ai/andrej-karpathy-skills/main/CLAUDE.md
要留意一個 tradeoff：呢套規則偏向謹慎而非速度。瑣碎任務你自己用判斷力就好，唔使每次都行曬成個流程。
判斷佢有冇生效，睇三件事：
- diff 更細
- 重寫更少
- 澄清出而家動手之前
diff 更細
重寫更少
澄清出而家動手之前
一月底，Andrej Karpathy 喺 X 度發咗段 claude coding 嘅隨手記。冇標題，冇分章節，成段意識流。
三日之內被瘋轉，Hacker News 八百幾條評論，GitHub 上面有人專登畀佢整咗份配套嘅 CLAUDE.md，三個月儲咗 149K stars。倉庫叫 multica-ai/andrej-karpathy-skills。
我會將 Karpathy 畀 LLM 總結嘅 3 個老毛病同 multica-ai/andrej-karpathy-skills 嘅 4 條規則一齊拆開嚟睇 - Karpathy 描述嘅體感係咩、對應嘅 CLAUDE.md 點寫、貼入項目根目錄之後應該睇邊幾個信號判斷佢生效。希望對大家有幫助。
一條令到所有 20 年老程序員都中招嘅推
Karpathy 呢條推開頭就係一記重錘。佢話，11 月份仲係 80% 自己打、20% 畀 agent 寫；到咗 12 月，直接掉轉咗 - 80% 畀 agent 寫，自己只做 20% 嘅收尾。
"I'm mostly programming in English now."
佢冇迴避嗰種感覺，原話有三句幾有意思 - 第一，有啲傷自尊；第二，好似喺度作弊；第三，過去 20 年未見過比呢個更大嘅工作流程變化。
嗰種感覺相信好多人都有體會過。坐喺度睇 agent 唰唰唰將兩個鐘嘅嘢喺兩分鐘之內交咗。理智上知道呢個係工程進步，情感上仲係想問一句 - 我呢 20 年係咪白學咗。
LLM 呢 3 個老毛病，到依家都未改
不過 Karpathy 冇只係讚，佢幫 LLM 總結咗 3 個老毛病。
第一單，沉默噉假設。 模型代你做錯嘅假設，然後一路行落去 - 唔驗證、唔澄清、唔暴露唔一致，應該反推嘅時候都唔反推。講白咗，佢唔係睇唔到歧義，佢係扮睇唔到。
第二單，過度複雜化。 100 行搞得掂嘅嘢，佢寫成 1000 行嘅臃腫建築。你話「做個待辦應用」，佢默認畀你交一份企業級解決方案。
第三單，順手亂改。 修一個 bug，佢順手將冇讀明嘅註釋刪咗，將佢覺得風格唔啱嘅函數重構咗 - 就算同你嘅任務完全冇關。
Karpathy 都畀咗處方，呢句話好核心：
"Don't tell it what to do, give it success criteria and watch it go. Change your approach from imperative to declarative to get the agents looping longer and gain leverage."
唔好下命令，定標準，等佢自己跑。將命令式改成聲明式。
但 Karpathy 並冇分享點樣編寫咁樣一份 CLAUDE.md 文件。
一個 149K stars 嘅倉庫復現咗佢
倉庫名叫 multica-ai/andrej-karpathy-skills。一個文件，65 行 markdown，文件名就叫 CLAUDE.md，貼入項目根目錄就用得。3 個月，149K stars，28 日 GitHub trending 第一。
爆紅唔係因為佢發明咗啲咩新嘢，而係因為佢將嗰種「我都係咁覺得」嘅集體認同，蒸餾成咗 4 條命名規則。呢 4 條規則正好對症前面嗰 3 個老毛病。
先思考，再編碼
對症「沉默噉假設」。唔假設，唔收起困惑，將權衡攤喺枱面。英文名 Think Before Coding。
舉個例，用戶話，加個用戶登錄，你點處理？
差嘅反應係噉：「收到，我用 email + password 默認 hash 一下，加個 JWT，順便將 users 表建咗，加咗 6 個字段。」 - 認證方式、加密、過期時長、數據庫結構，4 個假設佢已經代你拍板咗，成程你一句說話都冇講。
好嘅反應係：「開始之前我要確認 3 件事 - email/password 定係 OAuth？session 定係 JWT？數據庫裏面 users 表已經存在咗未？」 - 唔確定就問先，唔好寫先。
先求簡單
對症「過度複雜化」。解決問題嘅最少代碼，冇要嘅唔好加，推測嘅唔好用。英文名 Simplicity First。
# BAD - 你只是想讀個 JSON 文件
class JSONLoaderFactory:
def __init__(self, strategy, cache):
self.parser_pool = ParserPool()
def load_async(self, path, **kw):
return self._with_retry(...)
# 200 行,只被調用 1 次
# GOOD - 就這兩行
with open(path) as f:
data = json.load(f)判據好簡單：senior 睇一眼會唔會皺眉。會，就重寫。
外科手術式修改
對症「順手亂改」。只係鬱你一定要鬱嘅，只清理你自己製造嘅爛攤子。英文名 Surgical Changes。
修一個 token 過期嘅 bug，兩種 diff：
# BAD
auth.py | +248 -187
login.tsx | +92 -84
utils.py | +34 -29
PR 標題:"修 token 過期 bug" - review 的人根本不知道動了啥
# GOOD
auth.py | +3 -1
PR 標題:"修 token 過期 bug" - 每一行 diff 都能解釋為啥要改看見 utils.py 有死代碼？喺 PR 入面提一句，但唔鬱佢。判據 - 每一行 diff 都可以追溯到嗰個用戶請求。
目標驅動執行
對症「標準模糊靠反覆問」。先定成功標準，然後自己走一輪驗證。英文名 Goal-Driven Execution。
「加個郵箱校驗」唔係一個可以令 agent 獨立跑完嘅指令。弱標準嘅反應係寫個 validate_email，return "@" in e，然後停喺度等你確認。
強標準嘅反應係將指令翻譯成可驗證目標：
寫 test_invalid_email()，verify 佢失敗實現 validate_email()，verify 測試通過跑全套 pytest，verify 0 failures
全綠就係「做咗」，佢自己判斷到。呢個就係 declarative，唔係 imperative。
點用，同一個 tradeoff
用法好簡單。cd 入項目目錄，將嗰份 CLAUDE.md 拉落嚟，同你已經有嘅合併，或者直接放落項目根目錄：
curl -O https://raw.githubusercontent.com/multica-ai/andrej-karpathy-skills/main/CLAUDE.md要講一個 tradeoff - 呢套規則偏向謹慎而唔係速度。瑣碎任務你自己用判斷力就得，唔使每次都要 agent 行完整套澄清流程。
判斷佢有冇生效，睇三件事：diff 更細，重寫更少，澄清出現喺動手之前。呢三件事變成常態，佢就係度做緊嘢喇。
Karpathy 嗰條推打動人嘅唔係論點新鮮 - 而係佢將一種大家都隱約感覺到嘅體感寫清咗。LLM 係會代你做決定嘅實習生。你唔話畀佢知邊啲決定應該問、邊啲應該等，佢就一路代你拍板。multica-ai/andrej-karpathy-skills 這份 CLAUDE.md 做嘅事，就係將呢條邊界寫出嚟畀佢睇。65 行，貼入項目，你同你嗰位「實習生」嘅合作，就上一個台階。
一月底，Andrej Karpathy 在 X 上發了一段 claude coding 的隨手記。沒標題，沒分章節，一整段意識流。
三天之內被瘋轉，Hacker News 八百多條評論，GitHub 上有人專門給它做了一份配套的 CLAUDE.md，三個月攢下 149K stars。倉庫叫 multica-ai/andrej-karpathy-skills。
我會把 Karpathy 給 LLM 總結的 3 個老毛病和 multica-ai/andrej-karpathy-skills 的 4 條規則一起拆開來看 - Karpathy 描述的體感是什麼、對應的 CLAUDE.md 怎麼寫、貼進項目根目錄之後該看哪幾個信號判斷它生效。期望對大家有所幫助。
一條把所有 20 年老程序員都點了的推
Karpathy 這條推開篇就是一記重錘。他說，11 月份還是 80% 手敲、20% 讓 agent 寫；到了 12 月，直接顛倒了 - 80% 讓 agent 寫，自己只做 20% 的收尾。
"I'm mostly programming in English now."
他沒回避那種感覺，原話有三句挺有意思的 - 第一，有點傷自尊；第二，像在作弊；第三，過去 20 年沒見過比這更大的工作流變化。
那種感覺相信很多人都體會過。坐在那兒看 agent 唰唰唰把兩小時的活兒在兩分鐘裏交了。理智上知道這是工程進步，情感上還是想問一句 - 我這 20 年是不是白學了。
LLM 這 3 個老毛病，至今沒改
不過 Karpathy 沒只誇，他給 LLM 總結了 3 個老毛病。
第一樁，沉默地假設。 模型替你做錯誤假設，然後一路跑下去 - 不驗證、不澄清、不暴露不一致，該反推時也不反推。說白了，它不是沒看到歧義，它是裝沒看到。
第二樁，過度複雜化。 100 行能搞定的事，它寫成 1000 行的臃腫建築。你說“做個待辦應用”，它默認給你交一份企業級解決方案。
第三樁，順手亂改。 修一個 bug，它順手把沒讀懂的註釋刪了，把它覺得風格不對的函數重構了 - 哪怕跟你的任務毫不相關。
Karpathy 也給了處方，這句話挺核心的：
"Don't tell it what to do, give it success criteria and watch it go. Change your approach from imperative to declarative to get the agents looping longer and gain leverage."
別下命令，定標準，讓它自己跑。把命令式改成聲明式。
但 Karpathy 並沒有分享如何編寫這麼一份 CLAUDE.md 文件。
一個 149K stars 的倉庫復現了它
倉庫名字叫 multica-ai/andrej-karpathy-skills。一個文件，65 行 markdown，文件名就叫 CLAUDE.md，貼進項目根目錄就能用。3 個月，149K stars，28 天 GitHub trending 第一。
爆火不是因為它發明了什麼新東西，而是因為它把那種“我也這麼覺得”的集體認同，蒸餾成了 4 條命名規則。這 4 條規則正好對症前面那 3 個老毛病。
先思考，再編碼
對症“沉默地假設”。不假設，不藏起困惑，把權衡攤到桌面上。英文名 Think Before Coding。
舉個例子，用戶說，加個用戶登錄，你怎麼接？
爛的反應是這樣：“收到，我用 email + password 默認 hash 一下，加個 JWT，順便把 users 表建了，加了 6 個字段。” - 認證方式、加密、過期時長、數據庫結構，4 個假設它已經替你拍板了，全程你一句話沒說。
好的反應是：“開始之前我得確認 3 件事 - email/password 還是 OAuth？session 還是 JWT？數據庫裏 users 表已經存在嗎？” - 不確定就先問，別先寫。
先求簡單
對症“過度複雜化”。解決問題的最少代碼，沒要的別加，推測的別上。英文名 Simplicity First。
# BAD - 你只是想讀個 JSON 文件
class JSONLoaderFactory:
def __init__(self, strategy, cache):
self.parser_pool = ParserPool()
def load_async(self, path, **kw):
return self._with_retry(...)
# 200 行,只被調用 1 次
# GOOD - 就這兩行
with open(path) as f:
data = json.load(f)判據很簡單：senior 看一眼會不會皺眉。會，就重寫。
外科手術式修改
對症“順手亂改”。只動你必須動的，只清理你自己製造的爛攤子。英文名 Surgical Changes。
修一個 token 過期的 bug，兩種 diff：
# BAD
auth.py | +248 -187
login.tsx | +92 -84
utils.py | +34 -29
PR 標題:"修 token 過期 bug" - review 的人根本不知道動了啥
# GOOD
auth.py | +3 -1
PR 標題:"修 token 過期 bug" - 每一行 diff 都能解釋為啥要改看見 utils.py 有死代碼？在 PR 裏提一句，但不動它。判據 - 每一行 diff 都能追溯到那個用戶請求。
目標驅動執行
對症“標準模糊靠反覆問”。先定成功標準，然後自己跑一輪驗證。英文名 Goal-Driven Execution。
“加個郵箱校驗”不是一個能讓 agent 獨立跑完的指令。弱標準的反應是寫個 validate_email，return "@" in e，然後停在那兒等你確認。
強標準的反應是把指令翻譯成可驗證目標：
寫 test_invalid_email()，verify 它失敗實現 validate_email()，verify 測試通過跑全套 pytest，verify 0 failures
全綠就是“做完了”，它自己能判定。這就是 declarative，不是 imperative。
怎麼用，以及一個 tradeoff
用法很簡單。cd 進項目目錄，把那份 CLAUDE.md 拉下來，跟你已有的合併，或者直接放到項目根目錄：
curl -O https://raw.githubusercontent.com/multica-ai/andrej-karpathy-skills/main/CLAUDE.md要說一個 tradeoff - 這套規則偏向謹慎而非速度。瑣碎任務你自己用判斷力就好，不必每次都讓 agent 走完整套澄清流程。
判斷它有沒有在生效，看三件事：diff 更小，重寫更少，澄清出現在動手之前。這三件事變成常態，它就在幹活兒了。
Karpathy 那條推打動人的不是論點新鮮 - 而是它把一種大家都隱約感覺到的體感寫明白了。LLM 是會替你做決定的實習生。你不告訴它哪些決定該問、哪些該等，它就一路替你拍板。multica-ai/andrej-karpathy-skills 這份 CLAUDE.md 做的事，就是把這條邊界寫出來給它看。65 行，貼進項目，你跟你那位“實習生”的合作，就上一個台階。