3步告别AI过度工程化：用 andrej-karpathy-skills 引导AI写出简洁代码

3步告别AI过度工程化用 andrej-karpathy-skills 引导AI写出简洁代码【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-skillsandrej-karpathy-skills 是一个基于 Karpathy 观察的 AI 编程指南用一份 CLAUDE.md 规则文件约束 AI 助手避免过度工程化让它写出只解决当前问题的简洁代码。 先说一个熟悉的场景你让 AI 加一个折扣计算功能它可能顺手给你搭出一套抽象基类、策略模式和配置系统代码翻了几倍。这就是过度工程化用一大堆提前预留的复杂结构去解决一个本来很简单的问题。更麻烦的是下次你只让它修一个小 bug它还会热心地把旁边的注释、格式一起改了review 代码时看得人头皮发麻。问题不在 AI 不会写代码而在于没人教它克制。这个项目把 Karpathy 总结的四条原则写进一个规则文件专门管住这件事。 拆解四大原则给 AI 立下的四条规矩编码前先想一句话不假设、不装懂有歧义就开口问。场景你说加个校验AI 默默选了其中一种理解就往下写。这条原则要求它先把假设摆出来存在多种解释时全部列给你拿不准的地方直接停下来问。简单优先一句话用最少的代码解决当前问题不为假想需求多写一行。场景你想加保存用户偏好AI 却给你造了个带缓存、合并、通知的管理器类。这条原则只允许它实现你点名的功能真的用起来了再谈扩展。外科手术式修改一句话只改必须改的行风格跟着老代码走。场景修空邮箱导致校验崩溃的 bugAI 却把整个函数的注释和格式都翻新了一遍。这条原则下它只会动那两三行相关代码顺便发现的死代码只提一句不擅自删。目标驱动执行一句话把模糊任务翻译成可验证的目标循环到通过为止。场景你说让搜索更快AI 上来就加缓存和索引。这条原则要求它先弄清更快指响应时间还是吞吐量再把修 bug改写成先写能复现的测试 → 修复 → 确认没有回归。 3步把指南接入项目第一步推荐安装 Claude Code 插件一次配置所有项目生效/plugin marketplace add forrestchang/andrej-karpathy-skills /plugin install andrej-karpathy-skillskarpathy-skills第二步已有项目把仓库里的 CLAUDE.md 内容追加到项目根目录规则文件的末尾。第三步新建项目直接把 CLAUDE.md 放到根目录即可。想先看实际案例翻一翻 EXAMPLES.md。✅ 判断指南是否生效的4个信号用几天之后看这几个迹象diff 变小改动列表里只有你点名的功能没有顺手的修改重写变少代码第一次交出来就是克制的不用你说太复杂了重写提问更早AI 在动手前就把疑问抛出来而不是做错之后才问PR 更干净没有无关的重构和我顺便优化了AI 会主动劝简发现更简单的做法时它会主动提出来 让它写最合适的代码而不是最复杂的这个项目的本质是把下指令换成给目标。Karpathy 有句话说得很准LLMs 非常擅长循环直到达到特定目标……不要告诉它做什么给它成功标准然后看着它行动。AI 编程时代好帮手不是写出最炫代码的那个而是每次只写刚刚好的那个。【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