Andrej Karpathy 提炼「CLAUDE.md 四大准则」引爆 GitHub，让 AI 写代码准确率飙破 90%

让 AI 乖乖听话的神级 Prompt 曝光！近期在 GitHub 上，一份名为 CLAUDE.md 的文件冲上趋势榜首。这份基于前 OpenAI AI 总监 Andrej Karpathy 观察所提炼的「四大编码准则」，犹如为 AI 植入了资深工程师的灵魂。只需将其放入项目根目录，就能让 Claude Code 等 AI 工具的代码准确率从 65% 飙升至 90% 以上，彻底根治 AI 偷改代码、过度工程化的坏毛病。
（前情提要：Claude Code 新推 /goals 指令：分离执行与评估，避免 AI 代理偷懒说谎）
（背景补充：OpenAI 创始成员 Andrej Karpathy 宣布加入 Anthropic：重返 LLM 研发最前线）

随着 Claude Code、Cursor 等 AI 辅助开发工具日益普及，许多开发者却面临一个共同的痛点：AI 虽然写得快，但经常「自作聪明」，不仅会脑补假设、过度设计，甚至还会擅自乱改原本好端端的程序码。

不过，这个问题现在有了终极解法。知名 AI 大神、前 OpenAI AI 总监 Andrej Karpathy 日前深刻剖析了大型语言模型（LLM）在写程序时的常见失败模式；随后，由 Forrest Chang 等开发者将其核心理念提炼成一份名为 CLAUDE.md 的简单文件。这个项目（forrestchang/andrej-karpathy-skills）近期在 GitHub 上狂飙至趋势榜首，狂揽数十万颗星标（Stars）。

许多开发者实测后惊喜回报，导入该文件后，AI 输出的代码准确率从原本的 65% 左右，大幅跃升至惊人的 90% 以上。

揭密 CLAUDE.md 的「四大黄金准则」

这份神奇的 CLAUDE.md 文件，本质上就是给 AI 装上了一套「资深工程师守则」。当它被放置在项目根目录时，Claude Code 会自动读取并作为整个会话的最高行为指南。其核心包含以下四条铁律：

• 一、先思考再编码（Think Before Coding）：
  「不要假设。不要隐藏困惑。摊开权衡取舍。」
  强迫 AI 必须明确陈述自己的假设。如果遇到不确定的需求，或是存在多种解法，AI 必须主动停下来询问使用者，而不是默默地瞎猜硬写。该反驳不合理需求时，AI 也被赋予了「推回（push back）」的权力。
• 二、极简优先（Simplicity First）：
  「只写能解决问题的『最少代码』。不作任何推测。」
  严禁 AI 随意「加戏」。不允许为了未来不可能发生的场景写防御性代码，也不允许为了单次任务去搞复杂的抽象架构。原则很简单：能用 50 行解决的问题，绝不写 200 行。
• 三、精准外科手术式修改（Surgical Changes）：
  「只动你必须动的地方。只清理你自己弄乱的代码。」
  这是许多开发者的最爱。该准则严格禁止 AI 在修改特定 Bug 时，「顺手」去重构或更改相邻的程序码、注释与排版格式。每一行改动，都必须能直接追溯到使用者的明确需求。
• 四、目标驱动执行（Goal-Driven Execution）：
  「定义成功标准。循环验证直到达成。」
  要求 AI 将模糊的任务转化为可验证的具体目标。例如遇到「修复 Bug」的指令，AI 的标准动作必须是：先写出能复现 Bug 的测试 ➔ 然后修改代码 ➔ 最后让测试通过，形成严谨的验证循环。

为什么这份 Prompt 如此有效？

LLM 的天性喜欢迎合使用者，且极度容易产生「幻觉假设（hallucinate assumptions）」与「范围蔓延（scope creep）」。这份 CLAUDE.md 的伟大之处，在于它将人类资深工程师的「常识与克制」硬编码成了系统提示（System Prompt）。

透过这四大准则，AI 被强迫变得更谨慎、专注且结果可验证。许多受惠的开发者表示，现在的 Git Diff（代码差异比对）变得前所未有地干净，Bug 大幅减少，后续维护也更加轻松。这不再像是在指挥一台失控的机器，而是真正体会到与一位可靠的「资深工程师（Senior Engineer）」进行结对程序设计（Pair Programming）的快感。