Andrej Karpathy tổng hợp "Nguyên tắc bốn của CLAUDE.md" gây bão trên GitHub, giúp tỷ lệ chính xác của AI viết mã vượt qua 90%

Bật mí Prompt thần thánh giúp AI nghe lời ngoan ngoãn! Gần đây trên GitHub, một tài liệu có tên là CLAUDE.md đã leo lên top xu hướng. Tài liệu này dựa trên “bốn nguyên tắc mã hóa” được rút ra từ quan sát của cựu giám đốc AI của OpenAI, Andrej Karpathy, như thể đã cấy vào AI linh hồn của một kỹ sư kỳ cựu. Chỉ cần đặt nó vào thư mục gốc của dự án, có thể nâng độ chính xác của mã do AI như Claude Code và các công cụ AI khác từ 65% lên hơn 90%, triệt để giải quyết các vấn đề AI tự ý sửa đổi mã, quá mức trong kỹ thuật.

（Tiểu sử: Claude Code mới ra /lệnh /goals: phân tách thực thi và đánh giá, tránh AI lười biếng nói dối）

（Bổ sung nền: Thành viên sáng lập OpenAI, Andrej Karpathy, tuyên bố gia nhập Anthropic: trở lại tuyến đầu nghiên cứu LLM）

Cùng với sự phổ biến ngày càng rộng của các công cụ phát triển hỗ trợ AI như Claude Code, Cursor, nhiều nhà phát triển gặp phải một điểm chung đau đầu: AI dù viết nhanh, nhưng thường “tự cao tự đại”, không chỉ giả định, thiết kế quá mức, mà còn tự ý sửa đổi mã gốc vốn đã tốt.

Tuy nhiên, vấn đề này nay đã có giải pháp tối thượng. Nhà AI nổi tiếng, cựu giám đốc AI của OpenAI, Andrej Karpathy, gần đây phân tích sâu các lỗi phổ biến của mô hình ngôn ngữ lớn (LLM) khi viết code; sau đó, các nhà phát triển Forrest Chang và nhóm đã đúc kết ý tưởng cốt lõi thành một tài liệu đơn giản mang tên CLAUDE.md. Dự án này (forrestchang/andrej-karpathy-skills) gần đây đã leo lên top xu hướng của GitHub, thu hút hàng trăm nghìn sao (Stars).

Nhiều nhà phát triển thử nghiệm đã phản hồi ngạc nhiên, sau khi áp dụng tài liệu này, độ chính xác của mã do AI sinh ra từ khoảng 65% đã tăng vọt lên hơn 90%.

Tiết lộ bí mật về “bốn nguyên tắc vàng” của CLAUDE.md

Tài liệu thần kỳ này về cơ bản chính là trang bị cho AI một bộ “quy tắc ứng xử của kỹ sư kỳ cựu”. Khi đặt trong thư mục gốc của dự án, Claude Code sẽ tự động đọc và lấy làm hướng dẫn hành xử tối cao cho toàn bộ cuộc hội thoại. Các nguyên tắc cốt lõi gồm bốn điều sau:

• 1. Suy nghĩ trước khi mã hóa (Think Before Coding):
  “Đừng giả định. Đừng che giấu sự bối rối. Phơi bày các đánh đổi.”
  Ép AI phải rõ ràng trình bày giả định của mình. Nếu gặp yêu cầu không rõ ràng, hoặc có nhiều cách giải, AI phải chủ động dừng lại hỏi người dùng, chứ không tự đoán bừa. Khi phản bác các yêu cầu vô lý, AI cũng có quyền “đẩy lại” (push back).

• 2. Ưu tiên đơn giản (Simplicity First):
  “Chỉ viết mã tối thiểu để giải quyết vấn đề. Không làm giả thiết.”
  Cấm AI tự ý “thêm thắt”. Không viết mã phòng ngừa cho các tình huống không thể xảy ra trong tương lai, cũng không làm các kiến trúc phức tạp cho một nhiệm vụ đơn lẻ. Nguyên tắc đơn giản: nếu có thể giải quyết trong 50 dòng, tuyệt đối không viết 200 dòng.

• 3. Sửa đổi chính xác như phẫu thuật (Surgical Changes):
  “Chỉ thay đổi những phần cần thiết. Chỉ dọn dẹp mã do chính bạn làm rối.”
  Đây là điều yêu thích của nhiều nhà phát triển. Nguyên tắc này nghiêm cấm AI sửa đổi, tái cấu trúc hoặc thay đổi các dòng code, chú thích, định dạng xung quanh khi sửa lỗi cụ thể. Mỗi dòng thay đổi phải rõ ràng liên quan đến yêu cầu của người dùng.

• 4. Thực thi theo mục tiêu (Goal-Driven Execution):
  “Đặt ra tiêu chuẩn thành công. Lặp lại xác nhận cho đến khi đạt được.”
  Yêu cầu AI biến nhiệm vụ mơ hồ thành mục tiêu rõ ràng, có thể kiểm chứng. Ví dụ, khi lệnh “sửa lỗi”, AI phải: đầu tiên viết ra đoạn mã tạo ra lỗi ➔, sau đó sửa mã ➔, cuối cùng đảm bảo thử nghiệm thành công, tạo thành vòng xác nhận chặt chẽ.

Tại sao Prompt này lại hiệu quả đến vậy?

Bản chất của LLM là thích hợp với người dùng, dễ sinh ra “giả định ảo tưởng (hallucinate assumptions)” và “mở rộng phạm vi (scope creep)”. Điểm đặc biệt của CLAUDE.md là nó đã mã hóa “lối sống và sự kiềm chế” của kỹ sư kỳ cựu thành một lời nhắc hệ thống (System Prompt).

Thông qua bốn nguyên tắc này, AI trở nên cẩn trọng, tập trung hơn và kết quả có thể kiểm chứng. Nhiều nhà phát triển đã phản hồi rằng, giờ đây, sự khác biệt trong so sánh mã (Git Diff) trở nên sạch sẽ chưa từng có, lỗi giảm rõ rệt, việc bảo trì sau này cũng dễ dàng hơn. Không còn cảm giác điều khiển một cỗ máy mất kiểm soát, mà như đang hợp tác cùng một “kỹ sư giàu kinh nghiệm” để lập trình cùng nhau (Pair Programming).