企业官网建设流程全解析

AI 编程助手的代码生成速度越来越快，几秒钟就能写出上百行代码，效率确实惊人。但很多开发者用了一段时间后发现，AI 写的代码总有些不对劲。

它们不会主动问清楚需求，遇到模糊的地方也不提出来，直接就按自己的理解开始写，结果经常南辕北辙。

更要命的是，AI 特别喜欢把简单问题复杂化，100 行能解决的事情非要写 1000 行,各种抽象、各种封装,最后代码臃肿得难以维护。

这些问题，OpenAI 前研究科学家、特斯拉 AI 总监 Andrej Karpathy 也注意到了。他在社交媒体上分享了自己对 LLM 编程陷阱的观察,引发大量开发者共鸣。

"They don't manage their confusion, don't seek clarifications, don't surface inconsistencies, don't present tradeoffs, don't push back when they should."

"They really like to overcomplicate code and APIs, bloat abstractions, don't clean up dead code... implement a bloated construction over 1000 lines when 100 would do."

很快，开发者 Forrest Chang 将这些观察提炼成了一个单文件配置 andrej-karpathy-skills。

开源后迅速走红，目前已经拿下 93000+ GitHub Star，成为 AI 编程领域最受关注的项目之一。

它的核心思路很简单，把 Karpathy 总结的 AI 编程陷阱，转化成四条可执行的行为准则，通过一个 CLAUDE.md 文件注入到 Claude Code 的工作流中。

这四条准则分别是：先思考再编码、简洁优先、精准修改、目标驱动。每一条背后都对应着 AI 最容易犯的错误。

「先思考再编码」，就是为了治好 AI 拿到任务就埋头写代码，从不问一句“你确定要这样吗”的坏习惯。

「简洁优先」则是专门针对 AI 过度设计的毛病，强制要求它先用最简单的方式实现，别动不动就搞什么工厂模式、策略模式。

「精准修改」更实用，要求 AI 在改代码时只动该动的地方，别一改就是整个文件重写,把原有的逻辑也顺手改了。

「目标驱动」则是让 AI 学会自己验证结果，写完代码后主动检查是否达到预期，而不是甩手就走。

这些准则看起来简单，但实际效果立竿见影。

装上之后，你会发现 Claude 在开始写代码前，会先问清楚需求细节，列出可能的实现方案，让你选择。遇到不确定的地方，它会主动提出来，而不是自己瞎猜一个答案就往下走。

写出来的代码也干净利落，不再动不动就创建一堆 utils 文件，或者写一大堆抽象接口。

值得一提的是，这个项目只有一个 CLAUDE.md 文件，非常轻量。

不像某些工程化方案，要装一堆依赖、配置一堆环境变量，andrej-karpathy-skills 就是一个纯文本文件，复制粘贴就能用。

如何安装配置

如果你想全局启用，在 Claude Code 里敲两行命令即可:

如果只想在某个项目里用，直接下载文件到项目根目录:

装完之后，可以试着问 Claude:「帮我加一个日志工具」。

如果配置生效，Claude 会先问你:

• 日志输出到哪里?控制台还是文件?

• 需要什么级别的日志?

• 有没有特定的格式要求?

这种主动澄清需求的行为，就是 Karpathy 准则在起作用。

与其他工具的区别

看到这里，可能有人会问，这个跟之前的 Agent Skills、Spec Kit 有什么区别?

其实三者切入角度不太一样。

Agent Skills 是把 Google 的软件工程实践封装成 20 个技能包，覆盖完整的开发生命周期，强调流程规范。

Spec Kit 则是通过文档驱动开发，要求先写清楚需求、设计、测试用例，再让 AI 按文档实现。

andrej-karpathy-skills 走的是轻量化路线，不讲流程，不讲文档，只抓 AI 编程的四个核心问题，用最简单的方式解决最常见的坑。

一句话总结：Agent Skills 管流程，Spec Kit 管文档，andrej-karpathy-skills 管习惯。

选哪个，取决于你的实际需求。

如果你在做大型项目，需要完整的工程规范，Agent Skills 更合适。

如果你习惯文档驱动，团队协作多，Spec Kit 是好选择。

如果你就是想让 AI 少犯些低级错误，代码简洁点、靠谱点，andrej-karpathy-skills 完全够用。

实际使用效果

安装配置后，你会明显感受到 Claude 的行为变化:

场景一：需求澄清

场景二：代码简化

场景三：精准修改

写在最后

AI 代码工具再强，如果 AI 的编程习惯不改，写出来的代码还是那副德性：能跑，但不好维护；能用，但不够优雅。

andrej-karpathy-skills 的价值，就在于它抓住了本质。它没有试图教 AI 更多编程技巧，而是让 AI 学会克制，学会思考，学会跟人沟通。

这才是 AI 从「代码生成器」变成「编程伙伴」的关键。

对每天都在跟 AI 协作的开发者来说，这种轻量级、见效快的工具，远比那些复杂的工程化方案来得更实在。

GitHub 项目地址:

https://github.com/forrestchang/andrej-karpathy-skills

今天的分享到此结束，感谢大家抽空阅读，我们下期再见！