karpathy-guidelines

此技能提供了一套行为准则，专门用于优化 AI 程序编写代理的性能，解决 Andrej Karpathy 指出的常见缺陷。其核心哲学在于减少不必要的代码冗余、防止错误假设，并确保 AI 所做的每一项修改都是有意图的、经过验证且精确的。通过要求代理在编码前进行思考、权衡利弊并定义明确的成功标准，用户可以获得更可靠的代码生成结果、更干净的 Pull Request，并显著减少过度工程化的抽象结构。

• 编码前先思考：促进明确的推理，要求代理陈述假设、识别模糊之处并主动寻求澄清，而非盲目猜测或默认选择。

• 简洁优先：专注于“最小可行代码”原则，主动抑制推测性功能、不必要的配置选项以及超出用户需求的冗长逻辑。

• 精确修改：执行严格的限制政策，仅修改必要的代码，保持既有的代码风格，并避免非必要的重构，以免导致复杂化或产生意外的副作用。

• 目标导向执行：将抽象的任务转换为具体且可验证的成功标准，鼓励使用测试驱动开发，确保代码变更符合特定的性能或功能目标。

• 这些准则旨在与 CLAUDE.md 文件结合使用，或作为 Cursor 等环境中的已提交项目规则，为程序编写代理提供持续性的行为约束层。

• 实际应用限制包括对“谨慎大于速度”的偏好；对于拼写修正或单行代码编辑等琐碎任务，建议用户根据判断灵活调整。

• 输入包括高阶开发任务或功能请求，输出则是更严谨的迭代编码周期，优先考量正确性与可维护性。

• 非常适合开发人员、工程团队以及任何希望将 LLM 整合到软件开发工作流中，且希望最小化虚构功能与维护负债的用户。