导读 / TL;DR
核心价值 ：Andrej Karpathy 总结了 LLM 编程的常见陷阱，提出了四条简单但有效的行为准则。这套指南以单个
CLAUDE.md文件形式存在，可以直接用于改善 Claude Code 的编程行为。关键判断：
- 核心理念：先思考后编码、简洁优先、精准修改、目标驱动
- 设计哲学：这不是要束缚 AI，而是让 AI 的编程行为更透明、可控
- 实操性：每条原则都有可执行的检查清单和检验标准
一句话总结：用四条简单的原则，减少 AI 编程 80% 的常见错误。
一、问题背景：为什么 AI 编程总让人不放心？
1.1 Karpathy 的观察
2024 年，Andrej Karpathy 在 Twitter 上发表了一系列关于 LLM 编程缺陷的观察，字字珠玑：
"模型会替你做出错误的假设，然后不加确认地继续执行。它们不会管理自己的困惑，不会寻求澄清，不会指出不一致的地方，不会呈现权衡取舍，不会在应该时提出反对意见。"
"它们真的很喜欢过度复杂化代码和 API，膨胀抽象，不清理死代码......用 1000 行实现本可用 100 行完成的功能。"
"它们有时会删除或修改它们不理解的代码和注释，即使这些代码与任务无关。"
个人感觉，这些观察非常精准。在实际使用 Claude Code、Cursor 等工具时，这些问题确实经常出现。
1.2 这些问题的本质
在我看来，这些问题的根源在于 LLM 的几个特性：
1. 过度自信
LLM 天生倾向于给出"确定"的答案，即使它并不确定。这种自信让它不会主动说"我不确定，需要澄清"。
2. 缺乏元认知
模型不会管理自己的困惑状态。人类程序员在困惑时会停下来思考、询问，但 LLM 会直接跳过这个环节。
3. 表演欲过强
LLM 倾向于展示"聪明"，倾向于构建复杂的抽象和架构，即使简单的方案就足够了。
1.3 实际影响
这些问题带来的实际后果：
- 代码审查成本增加：需要花更多时间检查 AI 生成的代码
- 技术债务积累：过度设计和不必要的抽象会长期存在
- 开发者信任度下降：逐渐不敢完全依赖 AI 生成的代码
基于这些观察，Karpathy 提出了四条核心原则。下面我来逐一解读。
二、四大原则深度解析
2.1 原则一：Think Before Coding（先思考后编码）
核心要义
不要假设，不要隐藏困惑，呈现权衡取舍
反面案例
让我模拟一个真实的场景：
用户：帮我添加用户验证
❌ 错误做法（直接编码）：
AI 默默假设需要邮箱 + 密码验证
直接实现完整的 OAuth 流程
添加了未请求的"记住我"功能
还顺便加了密码强度检测
结果：用户只需要简单的手机号验证
✅ 正确做法（先思考）：
AI：在开始之前，我需要确认几个问题：
1. 验证方式：需要哪种验证？
- 邮箱 + 密码
- 手机号 + 验证码
- 第三方登录（Google/GitHub）
2. 安全级别：
- 简单应用：基础验证即可
- 金融/医疗：需要双因素认证
3. 额外功能：
- 是否需要"记住我"？
- 是否需要密码找回？
我的建议：如果是 MVP，建议先用手机号 + 验证码，最简单。实践检查清单
根据我的理解，每次 AI 编程前都应该问自己（或要求 AI）：
- 我是否明确陈述了所有假设？
- 如果有多种解释，我是否都呈现出来了？
- 我是否指出了潜在的权衡取舍？
- 如果有更简单的方法，我是否提出了建议？
- 我是否在困惑时停下来寻求澄清？
实战中的价值
在实战中，这个原则可以避免 80% 的返工。很多时候，AI 直接开写，结果写了一半发现理解错了，或者写完了发现不是用户想要的。
关键转变：从"默默假设→直接执行"变成"明确假设→确认→执行"。
2.2 原则二：Simplicity First（简洁优先）
核心要义
用最少的代码解决问题，不添加任何投机性内容
反面案例
来看一个对比示例：
python
# ❌ 错误：过度设计（200 行）
class UserValidator:
def __init__(self, config=None):
self.config = config or self._load_default_config()
self.strategies = self._init_strategies()
self.cache = self._init_cache()
self.observers = []
def _load_default_config(self):
# 加载默认配置
# ... 50 行代码
def _init_strategies(self):
# 初始化策略模式
# ... 80 行代码
def validate(self, email, password):
# 复杂的验证流程
# ... 70 行代码
# ✅ 正确：简洁实现（50 行）
def validate_user(email, password):
"""简单的用户验证"""
if not email or '@' not in email:
return False
if len(password) < 8:
return False
return True为什么会过度设计？
个人感觉，AI 过度设计的原因有几个：
- 训练数据偏差：高质量的开源代码往往有更完善的抽象，AI 学到了这些模式
- 展示欲：AI 倾向于展示"我知道设计模式"
- 防御性编程：为了"将来可能用到"而添加扩展点
实践检查清单
每次 AI 生成代码后，用这些问题检查：
- 我是否添加了超出要求的功能？
- 这个抽象是否真的必要？（还是为了"将来可能用到"）
- 我是否添加了未请求的"灵活性"？
- 这段代码能否再简化 50%？
- 资深工程师会说这是过度设计吗？
检验标准
指南里提供了一个很好的检验标准：
问自己：如果删除这段代码的 50%，功能还能正常工作吗？
如果答案是"能"，那就删掉那 50%。
2.3 原则三：Surgical Changes（精准修改）
核心要义
只修改必须修改的部分，只清理自己造成的混乱
这个原则我个人非常喜欢，因为它解决了一个很常见但容易被忽视的问题。
反面案例
用户：修复这个计算 bug
❌ 错误做法：
- 修复了 bug ✓
- "顺便"重构了相邻的函数 ✗
- 修改了注释风格 ✗
- 删除了"看起来没用"的变量 ✗
结果：Diff 很大，引入了新的 bug，用户很困惑
✅ 正确做法：
- 只修复 bug 相关的代码 ✓
- 保持相邻代码不变 ✓
- 匹配现有风格 ✓
- 如果看到死代码，提及但不删除 ✓
结果：Diff 很小，只改必要的，用户放心为什么这个原则重要？
在我的理解中，这个原则的核心价值是尊重用户的代码所有权。
AI 经常会"好心"地改进代码，但：
- 用户可能故意那样写
- 用户可能有历史原因
- 用户可能不认同你的"改进"
实践检查清单
- 我是否修改了与任务无关的代码？
- 我是否"改进"了相邻的代码或注释？
- 我是否匹配了现有的代码风格？
- 我删除的代码是否都是因为我的修改而变得无用？
- 每一行修改都能直接追溯到用户的要求吗？
检验标准
**Diff 检验标准：每一行修改的代码，都能说出"这是为了 XXX 要求"。
如果某行修改说不清楚为什么改，那就不要改。
2.4 原则四：Goal-Driven Execution（目标驱动执行）
核心要义
定义成功标准，循环直到验证
这个原则可能是四个中最实用的一个。
反面案例
用户：添加输入验证
❌ 错误做法：
- 默默实现验证逻辑
- 没有测试
- 成功标准模糊："让它工作"
结果：不知道是否真的工作了，用户需要手动测试
✅ 正确做法：
- 转换为可验证目标：
1. 编写测试：无效邮箱 → 返回错误
2. 编写测试：空密码 → 返回错误
3. 编写测试：有效输入 → 通过验证
4. 实现代码让测试通过
5. 运行测试确认全部通过
结果：有测试证明功能正确，用户放心核心洞察
指南里有一句话非常精辟：
"强大的成功标准让 LLM 能够独立循环。弱的标准（'让它工作'）需要持续的澄清。"
我的理解是：定义清楚"完成"是什么样子，AI 才能独立完成。
实践检查清单
- 我是否将任务转换为可验证的目标？
- 我是否编写了测试来定义成功？
- 我是否有明确的验证步骤？
- 我能否独立循环直到所有测试通过？
- 成功标准是否足够强，不需要额外澄清？
多步骤任务格式
对于复杂任务，指南推荐使用这种格式：
1. [编写测试：空输入应该失败] → 验证：测试运行失败
2. [实现验证逻辑] → 验证：测试通过
3. [添加边界条件测试] → 验证：所有测试通过这种格式的好处是：
- 每一步都有明确的目标
- 每一步都有验证标准
- 可以独立执行和检查
三、实战应用
3.1 如何在日常开发中使用
场景 1：新功能开发
基于我的理解，推荐这个流程：
1. 先思考（原则 1）
- 明确需求和边界
- 呈现技术方案和权衡
- 确认后再开始
2. 简洁优先（原则 2）
- 从最简单的实现开始
- 不添加"将来可能用到"的功能
- 如果复杂了，重写
3. 精准修改（原则 3）
- 只写必要的代码
- 不影响现有代码
- 匹配现有风格
4. 目标驱动（原则 4）
- 用测试验证功能
- 定义"完成"的标准
- 循环直到通过场景 2：Bug 修复
1. 先思考
- 重现 bug
- 理解根因
- 确认修复方案
2. 简洁优先
- 最小修复方案
- 不"顺便"重构
3. 精准修改
- 只改 bug 相关代码
- 不影响其他功能
4. 目标驱动
- 编写重现测试
- 确保修复
- 回归测试场景 3：代码审查
用四大原则作为审查清单：
Review Checklist:
- [ ] 是否先思考了假设和权衡？
- [ ] 代码是否足够简洁？
- [ ] 修改是否精准？
- [ ] 是否有明确的验证标准？3.2 与现有工作流整合
整合到 Code Review
在 PR 模板中添加四大原则检查项：
markdown
## AI 编程检查清单
- [ ] Think Before Coding: 是否明确了假设和权衡？
- [ ] Simplicity First: 代码是否足够简洁？
- [ ] Surgical Changes: 修改是否精准？
- [ ] Goal-Driven: 是否有验证测试？整合到 CI/CD
- 自动化测试覆盖（原则 4）：所有 AI 生成的代码必须有测试
- 代码复杂度检查（原则 2）：使用工具检查圈复杂度
- Diff 大小限制（原则 3）：单次修改不超过 N 行
3.3 常见误区与规避
误区 1：过度谨慎
问题：每个小任务都要写长篇分析
用户：把这个变量改名
AI：（开始长篇分析）
- 假设你要改这个变量...
- 有多种改名方案...
- 权衡如下...
用户：我只是改个名啊！规避：指南里说了，"这些指南偏向谨慎而非速度。对于琐碎的任务，需要运用判断力。"
我的建议：对于简单任务，简化流程，直接做。
误区 2：教条主义
问题：死守原则，不考虑实际情况
用户：快速修复这个 typo
AI：根据原则 1，我需要先确认...
根据原则 2，我应该考虑最简方案...
根据原则 4，我需要编写测试...
用户：我只是为了修个拼写错误啊！规避：原则是指导，不是铁律。根据实际情况调整。
误区 3：忽视速度
问题：过度追求完美，拖延交付
规避：在谨慎和速度之间找到平衡。MVP 阶段可以牺牲一些完美度，快速迭代。
四、这套指南的牛逼之处
4.1 设计上的精妙
个人感觉，这套指南有几个很聪明的地方：
1. 极简设计
- 单个文件，易于分发和维护
- 可以直接合并到项目中
- 没有复杂的配置
2. 问题驱动
- 直接针对 Karpathy 观察到的具体问题
- 每条原则都有明确的针对性
- 不是空洞的"最佳实践"
3. 可操作性强
- 每条原则都有具体的行为指导
- 有检查清单
- 有检验标准
4. 可验证
- 提供了明确的检验标准
- 可以量化评估
- 不是模糊的建议
4.2 与其他实践的区别
vs 传统最佳实践
| 维度 | 传统最佳实践 | Karpathy 指南 |
|---|---|---|
| 目标 | 人类程序员 | LLM 编程助手 |
| 重点 | 代码质量 | 行为透明度 |
| 形式 | 文档/规范 | 可执行指令 |
| 验证 | Code Review | 自动化检查 |
vs Code Review 标准
| 维度 | Code Review | Karpathy 指南 |
|---|---|---|
| 时机 | 事后检查 | 事前预防 |
| 重点 | 代码质量 | 编程行为 |
| 执行 | 人工审查 | AI 自律 |
我的理解是：这套指南不是要替代 Code Review，而是让 Code Review 更容易。
五、最后的思考
个人感觉，这套指南的本质是让 AI 更透明。
它不是要束缚 AI，而是让 AI 的行为更可预测、更可控。最终目标是人机协作更高效。
在实践中，我发现遵循这些原则的 AI 编程：
- 返工更少
- 代码更干净
- 信任度更高
或许，这就是 AI 编程的最佳实践。
参考文献
- Andrej Karpathy 原始推文：https://x.com/karpathy/status/2015883857489522876
- Karpathy-Inspired Claude Code Guidelines: https://github.com/multica-ai/karpathy-code-guidelines
- CLAUDE.md:
andrej-karpathy-skills-main/CLAUDE.md - SKILL.md:
andrej-karpathy-skills-main/skills/karpathy-guidelines/SKILL.md - README.md:
andrej-karpathy-skills-main/README.md