不再写上千行废代码andrej-karpathy-skills 用 4 条规则让 Claude Code 好好写代码【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加个登录校验。 好的已完成。顺便重构了用户模块还加了个缓存层。 ……我只要校验。这种好心办坏事的场景在用 LLM 写代码时非常常见。andrej-karpathy-skills 解决的就是它一个单独的 CLAUDE.md 文件内置从 Andrej Karpathy 对 LLM 编码坑点观察中提炼出的 4 条行为准则让 Claude Code 写得简单、稳定、切题。一句话讲清这个项目在干什么它面向每天用 Claude Code也兼容 Cursor干活的人专治 LLM 写代码的四个顽疾瞎猜需求、过度设计、乱改无关代码、写完不验证。使用成本低到几乎没有你得到什么付出什么4 条约束编码行为的准则一个 CLAUDE.md 文件插件模式全项目生效或按项目单独生效两条命令3 分钟内搞定没有框架没有配置项不发起任何 API 调用。模型把它当成行为底线读取仅此而已。四条编码规则逐条对应踩坑点CLAUDE.md 里的四条规则和四个坑点一一对应。逐条看。坑 1闷头瞎猜需求 → 规则先亮假设再动手问题你一句含糊的需求模型挑了个自己顺手的解释直接开干错了等你跑完才发现。规则不要假设不要藏困惑。不确定就问有多种解释就全部摆出来有更简单的路子直接说出来。落地动作动手前模型必须先列出自己的假设。有不懂的地方点名不懂什么并提问而不是自己悟。坑 2100 行能干的活写 1000 行 → 规则只写最小代码问题让你加个折扣函数它给你整抽象基类、策略模式、配置对象全是没人要的设计。规则用最少的代码解决问题。不加没要求的功能不建一次性的抽象不写以防万一的兜底。落地动作交活前问自己一句资深工程师会说这写复杂了吗答案是就简化200 行能压到 50 行的直接重写。坑 3改一行带出一整片重构 → 规则外科手术式修改问题改个 bug 时模型顺手优化了旁边的注释、格式甚至动了它自己都没吃透的代码。规则只动必须动的只清理自己弄出的烂摊子。跟随现有代码风格哪怕你会用别的写法。落地动作每一行改动都必须能回溯到你的请求。顺手看见的死代码提一嘴即可别擅自删。坑 4写完 ≠ 做完 → 规则定可验证的成功标准问题指令式的搞定它没有退出条件模型写完自认为完事剩下全靠你逐行查。规则把指令翻译成可验证的目标。LLM 天生擅长朝一个明确目标循环推进给它标准它自己会跑到位。落地动作加校验 → 先写非法输入的测试再让测试通过修 bug → 先写一个能复现该 bug 的测试再让它通过多步任务先给步骤 → 验证方式的简短计划改造前 vs 改造后用两个小需求看行为差异重点不在代码在过程。案例 1加个计算折扣的函数❌ 改造前模型直接交出一套策略模式——抽象基类、两个子类、配置对象外加 30 多行初始化。你只想要一个函数。 ✅ 改造后三行收工def calculate_discount(amount: float, percent: float) - float: return amount * percent / 100行为差异复杂度不再提前到位。真出现多种折扣类型的需求时再重构不迟。案例 2导出用户数据❌ 改造前直接写导出函数——默认导出全部用户、默认存成本地 JSON 文件、字段清单自己拍板。 ✅ 改造后模型先回四个问题导全量还是子集导出是下载、邮件还是 API 返回要哪些字段部分敏感量级多大然后给出最简方案分页 JSON 接口供你拍板。行为差异提问从出错之后挪到了动手之前返工成本直接归零。三分钟安装并启用方式一Claude Code 插件推荐全项目生效在 Claude Code 对话里依次输入/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skillskarpathy-skills方式二CLAUDE.md 放进项目目录按项目生效git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills cp andrej-karpathy-skills/CLAUDE.md 你的项目目录/已有 CLAUDE.md 的项目别覆盖把内容追加到文件末尾即可。想用 Cursor参考 CURSOR.md 把同一套规则挂过去。自查清单用上一两周对照下面几条打勾勾得越多说明规则真的在生效diff 里只剩你要求的改动没有顺手的格式调整或重构代码第一遍就是简单的没再出现写复杂了推倒重来模型在动手前提出澄清问题而不是出错后打补丁PR 小而干净没混入优化和改进带测试的任务由模型自己循环到通过不再需要你逐项验收给它成功标准而不是步骤这套准则的本质是换一种下指令的方式别教模型怎么做告诉它做到什么程度算完。模型最强的能力是朝着明确目标反复循环把标准交出去路让它自己跑。想看得更具体EXAMPLES.md 里有一整套真实案例和反模式分析准则全文在 CLAUDE.md 和 skills/karpathy-guidelines/SKILL.md。【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
不再写上千行废代码andrej-karpathy-skills 用 4 条规则让 Claude Code 好好写代码【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加个登录校验。 好的已完成。顺便重构了用户模块还加了个缓存层。 ……我只要校验。这种好心办坏事的场景在用 LLM 写代码时非常常见。andrej-karpathy-skills 解决的就是它一个单独的 CLAUDE.md 文件内置从 Andrej Karpathy 对 LLM 编码坑点观察中提炼出的 4 条行为准则让 Claude Code 写得简单、稳定、切题。一句话讲清这个项目在干什么它面向每天用 Claude Code也兼容 Cursor干活的人专治 LLM 写代码的四个顽疾瞎猜需求、过度设计、乱改无关代码、写完不验证。使用成本低到几乎没有你得到什么付出什么4 条约束编码行为的准则一个 CLAUDE.md 文件插件模式全项目生效或按项目单独生效两条命令3 分钟内搞定没有框架没有配置项不发起任何 API 调用。模型把它当成行为底线读取仅此而已。四条编码规则逐条对应踩坑点CLAUDE.md 里的四条规则和四个坑点一一对应。逐条看。坑 1闷头瞎猜需求 → 规则先亮假设再动手问题你一句含糊的需求模型挑了个自己顺手的解释直接开干错了等你跑完才发现。规则不要假设不要藏困惑。不确定就问有多种解释就全部摆出来有更简单的路子直接说出来。落地动作动手前模型必须先列出自己的假设。有不懂的地方点名不懂什么并提问而不是自己悟。坑 2100 行能干的活写 1000 行 → 规则只写最小代码问题让你加个折扣函数它给你整抽象基类、策略模式、配置对象全是没人要的设计。规则用最少的代码解决问题。不加没要求的功能不建一次性的抽象不写以防万一的兜底。落地动作交活前问自己一句资深工程师会说这写复杂了吗答案是就简化200 行能压到 50 行的直接重写。坑 3改一行带出一整片重构 → 规则外科手术式修改问题改个 bug 时模型顺手优化了旁边的注释、格式甚至动了它自己都没吃透的代码。规则只动必须动的只清理自己弄出的烂摊子。跟随现有代码风格哪怕你会用别的写法。落地动作每一行改动都必须能回溯到你的请求。顺手看见的死代码提一嘴即可别擅自删。坑 4写完 ≠ 做完 → 规则定可验证的成功标准问题指令式的搞定它没有退出条件模型写完自认为完事剩下全靠你逐行查。规则把指令翻译成可验证的目标。LLM 天生擅长朝一个明确目标循环推进给它标准它自己会跑到位。落地动作加校验 → 先写非法输入的测试再让测试通过修 bug → 先写一个能复现该 bug 的测试再让它通过多步任务先给步骤 → 验证方式的简短计划改造前 vs 改造后用两个小需求看行为差异重点不在代码在过程。案例 1加个计算折扣的函数❌ 改造前模型直接交出一套策略模式——抽象基类、两个子类、配置对象外加 30 多行初始化。你只想要一个函数。 ✅ 改造后三行收工def calculate_discount(amount: float, percent: float) - float: return amount * percent / 100行为差异复杂度不再提前到位。真出现多种折扣类型的需求时再重构不迟。案例 2导出用户数据❌ 改造前直接写导出函数——默认导出全部用户、默认存成本地 JSON 文件、字段清单自己拍板。 ✅ 改造后模型先回四个问题导全量还是子集导出是下载、邮件还是 API 返回要哪些字段部分敏感量级多大然后给出最简方案分页 JSON 接口供你拍板。行为差异提问从出错之后挪到了动手之前返工成本直接归零。三分钟安装并启用方式一Claude Code 插件推荐全项目生效在 Claude Code 对话里依次输入/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skillskarpathy-skills方式二CLAUDE.md 放进项目目录按项目生效git clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills cp andrej-karpathy-skills/CLAUDE.md 你的项目目录/已有 CLAUDE.md 的项目别覆盖把内容追加到文件末尾即可。想用 Cursor参考 CURSOR.md 把同一套规则挂过去。自查清单用上一两周对照下面几条打勾勾得越多说明规则真的在生效diff 里只剩你要求的改动没有顺手的格式调整或重构代码第一遍就是简单的没再出现写复杂了推倒重来模型在动手前提出澄清问题而不是出错后打补丁PR 小而干净没混入优化和改进带测试的任务由模型自己循环到通过不再需要你逐项验收给它成功标准而不是步骤这套准则的本质是换一种下指令的方式别教模型怎么做告诉它做到什么程度算完。模型最强的能力是朝着明确目标反复循环把标准交出去路让它自己跑。想看得更具体EXAMPLES.md 里有一整套真实案例和反模式分析准则全文在 CLAUDE.md 和 skills/karpathy-guidelines/SKILL.md。【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
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
