一个CLAUDE.md霸榜GitHub第一！蒸馏自Karpathy，6万码农抄作业

【导读】一个毫无代码的文本，竟连霸GitHub热榜第一。Karpathy的编程神技被化作「AI紧箍咒」，让乱写Bug的大模型瞬间老实！

就在刚刚，一个.md文件冲爆了整个GitHub！

本周新增44,465颗星，总星数61.6k。连续三天Trending日榜第一。

它叫CLAUDE.md，一个Markdown配置文件。

里面写着四条规矩，全部源自Karpathy对LLM编程陷阱的观察，用来管住AI编程时最常犯的毛病——

• 不确定的先问别瞎猜

• 代码能简短就别写长

• 没让你改的地方别碰

• 给目标别给步骤

把它丢进项目根目录，AI编程Agent就会自动读取并遵守里面的规则。

项目地址：https://github.com/forrestchang/andrej-karpathy-skills

如今，全网6万码农连夜抄作业，X上开发者已经炸了锅。

Kraggich感慨道，「一个Markdown文件冲上趋势榜第一，说明现在的瓶颈不在模型，而在模型周围的脚手架。这些'胶水'才是产品本身。」

Surajdotdot7从生产环境算了笔账，「模型选错了分支，运行了40分钟，最后碰壁失败。而提前澄清只需要30秒。」

Markdown里写了什么

故事的起点是今年1月26日。Karpathy在X上发了一条长帖，详细吐槽了AI编程Agent的各种毛病。

当天，一个叫Jiayuan Zhang的华人开发者就动了手。

他先是用Claude Code把这条帖子自动转化成了skills文件，并生成了约800行描述，然后让Claude自己审查自己，最后砍成了一段约70行的干净指令。

产物就是这个CLAUDE.md，相当于是在Agent脑子里装的一套行为准则。（现在也有了Cursor版）

里面的四条原则，每一条都精准对应了开发者用AI写代码时最常踩的坑。

原则一，编码前先思考。

你让AI「加个验证功能」，它不会问你要验证什么、严不严格，而是自己猜一个最复杂的方案，写了一大堆你根本不需要的代码。更糟糕的是，整个过程它不会表现出任何犹豫。

为了解决这个问题，文档在第一个原则中写了三条规定：

1. 不确定时必须停下来问，不能猜。

2. 存在多种理解时列出选项让用户选，而不是替你做决定。

3. 发现有更简单的方案时，主动说出来，该推回来就推回来。

原则二，简约至上。

你要一个简单的小功能，它给你写出一整套企业级架构，附带登录认证、安全校验、流量控制。

你说「能简单点吗」，它立刻砍掉大半，还来一句「当然可以！」说明它一开始就知道不用写那么多，但就是忍不住。

第二条原则，就是给这些问题预备的：

1. 没被要求的功能不写。

2. 只用一次的代码不建抽象层。

3. 没人要求的「灵活性」和「可配置」不加。

4. 不可能发生的异常场景不做错误处理。

检验标准就一条，一个资深工程师看了会不会说「太复杂了」。会的话，直接砍。

原则三，精确编辑。

你让它修一个bug，它改完bug顺手把旁边的代码也重构了，变量名换了，注释删了，代码风格也按它自己的偏好改了。最后你对比改动记录，改了30处，其中25处跟你的需求毫无关系。

于是，第三条原则给改动范围做了严格的限制：

1. 只动你被要求动的部分。

2. 匹配项目已有的代码风格，哪怕你觉得自己写得更好。

3. 看到不相关的问题，提一嘴就行，别动手。

4. 如果你的改动导致某些代码不再被使用，清理掉，那是你的责任。但之前就存在的问题，没人让你改就不要碰。

原则四，目标驱动。

AI特别擅长「循环到达标为止」这件事，那就别告诉它具体步骤，直接给它验收标准让它自己跑。

比如你要加一个功能，别说「写一个函数实现X」，改成「先写测试用例，然后让所有测试通过」。要修一个bug，改成「先写一个能复现这个bug的测试，然后让它通过」。

如果任务比较复杂，就要求AI先列出分步计划，然后每一步都带上验证方式。

因为，验收标准定得越清晰，AI能独立循环执行的时间就越长，你需要介入的频率就越低。

这是用AI编程时杠杆最大的一条原则。

谁做的？

这个仓库的作者叫Jiayuan Zhang，开源项目Multica的创始人兼CEO。

他做的Multica，就是把Claude Code、OpenCode、Codex CLI这些AI编程Agent统一管理起来，像真正的团队成员一样分配任务、汇报进展、交付代码。就连不会用命令行的人，也能通过它用上Claude Code级别的编程Agent能力。

正如项目介绍所说：

Your next 10 hires won't be human.

你接下来招的10名员工，都不会是人类了。

他们公司的代码100%由AI编写，每天消耗的token量超过1亿。

80%的代码，不用自己写了

回到Karpathy的原帖，他说的其实是一件更大的事。

作为一个编了20年代码的人，他说短短几周内，自己的编程工作流从「80%手写+20%AI辅助」彻底翻转成了「80%交给Agent+20%自己修补」。

他看着Agent死磕一个问题整整30分钟，要是人类早放弃了，而它就是不停地试，最后居然过了。

这种「feel the AGI」的时刻会让你意识到，工作的核心瓶颈之一「耐力」已经彻底被LLM炸开了。

但他也看到了硬币的反面。他预言了一个词，「Slopacolypse」。

2026年GitHub、arXiv、社交媒体上会涌出大量AI生成的低质量内容。生产力是真的，质量垮塌的风险也是真的。

甚至，他说自己已经开始感觉到手写代码的能力在萎缩。

就是那种，你可以看懂代码但写不出来的感觉。

为什么一个.md文件能炸成这样

在Karpathy看来，LLM编程带来的不只是加速，更是一种扩展，你能做到以前不值得做的事，能碰以前碰不了的代码。

如今，这个概念升级为「agentic engineering」，一种把AI当做需要明确目标、清晰边界和严格测试的协作伙伴来对待的工程学科。

andrej-karpathy-skills这个仓库，就是agentic engineering最早的「教材」之一。

它之所以炸了，核心在于它把一个顶级工程师的隐性知识，打包成了Agent可以直接读取的格式。

说到底，Karpathy不再只是一个你读的人，而是一个你的Agent可以直接继承行为的人。

这才是这个仓库真正疯狂的地方。

参考资料：

https://x.com/Voxyz_ai/status/2045899539526148193?s=20

https://github.com/forrestchang/andrej-karpathy-skills/blob/main/CLAUDE.md