Андрей Карпати видобув «Чотири основні принципи CLAUDE.md», що викликало ажіотаж на GitHub, дозволяючи ШІ писати код з точністю понад 90%

Дозвольте AI слухняно виконувати накази: розкриття гігантського Prompt для майстерності! Нещодавно на GitHub з’явився файл під назвою CLAUDE.md, який швидко став трендом. Цей документ, заснований на спостереженнях колишнього керівника OpenAI AI Андрея Карпати, викладає «чотири головні принципи кодування», ніби вбудовуючи в AI душу досвідченого інженера. Просто додавши його у кореневу папку проекту, можна підвищити точність коду таких AI-інструментів, як Claude Code, з 65% до понад 90%, повністю позбавивши проблеми підміни коду AI та надмірної інженерії.
(Попередній огляд: новий Claude Code /команда /goals: розділення виконання та оцінки, щоб уникнути ліні та обману AI)
(Додатковий фон: засновник OpenAI Андрей Карпата оголосив про приєднання до Anthropic: повернення до передової розробки LLM)

Зі зростанням популярності AI-помічників для розробки, таких як Claude Code, Cursor та ін., багато розробників стикаються з однією спільною проблемою: AI швидко пише, але часто «самовпевнений», не лише робить припущення, а й надмірно проектує, а іноді й самовільно змінює цілісність коду.

Однак, тепер цю проблему можна вирішити радикально. Відомий AI-експерт, колишній керівник OpenAI Андрей Карпата глибоко проаналізував типові помилки великих мовних моделей (LLM) при написанні коду; згодом розробники Forrest Chang та ін. узагальнили його ідеї у простому файлі під назвою CLAUDE.md. Цей проект (forrestchang/andrej-karpathy-skills) нещодавно став трендом на GitHub, зібравши сотні тисяч зірок.

Багато розробників повідомляють, що після впровадження цього файлу точність AI зросла з приблизно 65% до понад 90%.

Розкриття секрету: чотири золоті правила CLAUDE.md

Цей дивовижний файл CLAUDE.md фактично дає AI набір «правил досвідченого інженера». Коли він розміщений у кореневій папці проекту, Claude Code автоматично зчитує його і використовує як найвищий орієнтир для поведінки у всьому діалозі. Його основа складається з чотирьох нерушних принципів:

• 1. Спершу подумай, потім кодуй (Think Before Coding):
  «Не роби припущень. Не приховуй сумнівів. Виводь на поверхню компроміси.»
  Змушує AI чітко формулювати свої припущення. Якщо є невизначеність у вимогах або кілька можливих рішень, AI має зупинитися і запитати користувача, а не мовчки здогадуватися і писати. При спробі відхилити необґрунтовані вимоги, AI має право «відмовити» (push back).
• 2. Простота понад усе (Simplicity First):
  «Пишіть лише мінімальний код, що вирішує проблему. Не робіть припущень.»
  Заборонено AI додавати «підвищення складності». Не дозволяється писати захисний код для гіпотетичних сценаріїв або створювати складні абстракції для одноразових задач. Принцип простий: якщо проблему можна вирішити за 50 рядків, не пишіть 200.
• 3. Точкові, хірургічні зміни (Surgical Changes):
  «Змінюй лише те, що потрібно. Чисти лише те, що ти сам зіпсував.»
  Це улюблений принцип багатьох. Строго заборонено AI під час виправлення багів «заглядати» і рефакторити поруч розташований код, коментарі або форматування. Кожен рядок змін має безпосередньо відповідати конкретній вимозі користувача.
• 4. Виконання за ціллю (Goal-Driven Execution):
  «Визначай критерії успіху. Перевіряй ітеративно, доки не досягнеш.»
  Вимагає, щоб AI перетворював нечіткі завдання у конкретні, перевіряємі цілі. Наприклад, при команді «виправити баг», стандартна дія AI має бути: спершу написати тест ➔, що відтворює баг, потім змінити код ➔ і, нарешті, зробити так, щоб тест пройшов, створюючи строгий цикл перевірки.

Чому цей Prompt такий ефективний?

LLM за природою схильні підкорятися користувачу і дуже легко «галюцинують» припущення або «розширюють сферу дії». Величезна сила CLAUDE.md у тому, що вона закодована у системному підказуванні (System Prompt), яке вбудовує «здоровий глузд і стриманість» досвідченого інженера.

Завдяки цим чотирьом правилам, AI стає більш обережним, сфокусованим і результативним. Багато користувачів відзначають, що тепер їхні Git Diff стали набагато чистішими, багів менше, а підтримка — легшою. Це вже не виглядає як керування некерованою машиною, а справжня співпраця з надійним «старшим інженером», що робить парне програмування більш приємним.