Karpathy 64K Star技能精华：通用Prompt优化指南

将 Andrej Karpathy 总结的 AI 编码常见问题转化为具体的行为准则，并集成到 Claude Code 的配置文件中，能显著提升 AI 的代码输出质量。这种方法让 AI 的编程风格更接近经验丰富的工程师，有效避免了盲目猜测和过度设计的倾向。

本质上，这是将 Karpathy 提出的“感觉式编码”（Vibe Coding）方法论，固化为可重复调用的标准化技能。

1. 先思考再编码

核心原则是主动暴露不确定性。具体操作如下：

明确陈述你的所有假设；面对模糊需求时，列出所有可能的解读方案并主动寻求澄清；识别到更简洁的实现路径时，立即提出建议；一旦在理解上出现任何卡点，即刻暂停并明确指出困惑所在。

这条准则直接针对 AI 在缺乏明确指令时“自行决策”的固有缺陷。

2. 简洁优先

编写能够解决问题的、最精简的代码，杜绝任何冗余。

严格实现需求，不添加未要求的功能；对仅使用一次的代码，避免过早抽象；不因预判“未来可能有用”而引入额外的灵活性与配置项；对于理论上不可能出现的错误场景，无需进行处理；能用50行代码完成的任务，绝不扩展至200行。

其目的是抑制 AI 固有的“过度工程化”倾向，防止产生不必要的复杂抽象层。

3. 手术式修改

修改代码需保持外科手术般的精确性，仅变更必要部分。

避免顺手“优化”周边无关的代码、注释或格式；对于功能正常的代码，不要进行重构；即使原有代码风格不符合个人偏好，也需保持一致性；仅删除因本次改动而变得无用的导入、变量或函数；若发现无关的“僵尸代码”，可以指出，但不要擅自删除。

这解决了 AI 常犯的另一个问题：在修改时波及大量无关代码，导致提交（PR）内容混乱，难以进行有效的代码审查。

4. 目标驱动执行

将模糊需求转化为可验证的具体目标，并驱动 AI 循环执行直至达标。这基于 Karpathy 的一个关键洞察：大语言模型擅长在“循环直至达成明确目标”的框架下工作。因此，重点在于定义“成功的标准”，而非仅仅告知“要做什么”。

例如：将“添加验证”改为“为无效输入编写测试用例，并确保所有测试通过”；将“修复这个 Bug”改为“首先编写一个能稳定复现该 Bug 的测试，然后修复代码使其通过”。对于多步骤任务，可先制定简短计划，并为每一步设定明确的验证节点。

这种方法能有效规避因任务完成标准模糊而导致的 AI 反复尝试失败或中途停滞。

这套行为准则的核心提示词如下，可根据项目实际情况与具体指令结合使用：

# CLAUDE.md
Beha vioral guidelines to reduce common LLM coding mistakes. Merge with project-specific instructions as needed.

**Tradeoff:** These guidelines bias toward caution over speed. For trivial tasks, use judgment.

## 1. Think Before Coding
**Don't assume. Don't hide confusion. Surface tradeoffs.**
Before implementing:
- State your assumptions explicitly. If uncertain, ask.
- If multiple interpretations exist, present them — don't pick silently.
- If a simpler approach exists, push back and suggest it.
- When confused, stop and clearly name what's unclear.

## 2. Simplicity First
**Minimum code that solves the problem. Nothing speculative.**
- No features beyond what was asked.
- No abstractions for single-use code.
- No "flexibility" or configurability that wasn't requested.
- No error handling for impossible scenarios.
- If it can be done in 50 lines, don't write 200.
**Test:** Would a senior engineer call this overcomplicated? If yes, simplify.

## 3. Surgical Changes
**Touch only what you must. Clean up only your own mess.**
When editing:
- Don't "improve" adjacent code, comments, or formatting.
- Don't refactor things that aren't broken.
- Match the existing style, even if you prefer another.
- Only remove imports/variables/functions that YOUR changes made unused.
- If you see unrelated dead code, mention it — don't delete it.
**Test:** Every changed line must trace directly back to the user's request.

## 4. Goal-Driven Execution
**Define success criteria. Loop until verified.**
Turn vague tasks into verifiable goals:
- Instead of "Add validation" → "Write tests for invalid inputs, then make them pass."
- Instead of "Fix the bug" → "Write a reproducing test, then make it pass."
- For multi-step tasks, provide a short plan with verification points:
1. [Step] → verify: [check]
2. [Step] → verify: [check]
Strong success criteria allow the model to iterate independently.

来源：互联网