Claude Code 行为指南完整指南andrej-karpathy-skills 如何治住 AI 编程的 3 个毛病【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-skillsandrej-karpathy-skills 是一套 Claude Code 行为指南把 4 条驯服 LLM 编程坑的原则压进一个 CLAUDE.md 文件让 AI 助手不再乱猜假设、过度设计、顺手改无关代码。它不是框架也没有代码要跑就是一份 Markdown 行为指南文件附带 Cursor 规则版和 skill 版。适合每天用 Claude Code 这类 AI 编程助手、受够了 AI 产出臃肿难审的你。它解决的是代码写出来了没人敢合并的那类麻烦。 你正在踩的坑AI 默默瞎猜然后一路狂奔你说加个用户数据导出功能它不问范围、不问字段自己猜导出全部用户到 JSON 文件就动手。等你 review发现敏感字段也导进去了推倒重来。Think Before Coding 逼它先亮出假设、列出所有可能的解释、卡住就问而不是默默选一种然后狂奔。100 行的题写出 1000 行让它加个折扣计算函数它递来一个抽象基类、两个子类、一个配置 dataclass——30 多行抽象只为一次乘法。Simplicity First 划了条线单一用途的代码不建抽象、没人要的灵活性不加、200 行能压到 50 行就重写。自检标准只有一句资深工程师会不会说这过度设计了修 bug 时顺手改相邻代码你只想修空邮箱让校验器崩溃它递回来的 diff 里注释被重写、类型标注被加上、还多了一段你从没要的 username 校验。真正的修复只有 3 行diff 却膨胀到 10 行以上。Surgical Changes 的做法是不该碰的不碰每一处改动都要能对应到它的请求发现无关的死代码提一嘴就行不删。 最快跑起来的路径2 条命令接入 CLAUDE.mdgit clone https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills拉取仓库核心就是一份 CLAUDE.md。cp andrej-karpathy-skills/CLAUDE.md your-project/CLAUDE.md拷到项目根目录Claude Code 每次启动会自动加载。项目已有 CLAUDE.md 的话改用cat andrej-karpathy-skills/CLAUDE.md CLAUDE.md追加别覆盖。Cursor 用户可以把仓库里.cursor/rules/下的规则文件拷进自己项目对应目录配置说明见 CURSOR.md。 一个看得见的变化接入前后的差异还是加用户导出功能这个场景。没有指南时它直接开写def export_users(formatjson): users User.query.all() with open(users.json, w) as f: json.dump([u.to_dict() for u in users], f) return fExported {len(users)} users5 行全是它猜的全量用户、固定文件名、全部字段没有一项经过你确认。有了指南它先停住实现前先确认 4 件事 1. 导出全部用户还是筛选后的子集涉及敏感字段 2. 导出指浏览器下载 / 后台任务 / API 端点 3. 要哪些字段 4. 数据量大概多大 最简做法先加一个分页 JSON 端点。对比项接入前接入后折扣计算30 行的策略模式3 行函数空邮箱 bug10 行 diff顺带改注释和 username 校验3 行 diff模糊需求直接猜一个实现先确认范围和成功标准最后一行来自第四条原则 Goal-Driven Execution修 bug 被翻译成先写测试复现它再修到通过每一步都有可验证的标准。更多前后代码对比仓库里的 EXAMPLES.md 有 10 余个完整案例。好代码是简单解决今天的问题而不是提前解决明天的问题。下一步跑一遍上面 2 条命令把 CLAUDE.md 放进项目根目录再提一个需求看它的第一反应是不是先问你。【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