6万程序员连夜抄作业！这4条AI编程铁律，让Bug率直降80%

你有没有遇到过这种情况？让AI写个简单的登录功能，它给你整出一套企业级架构，附带安全校验、流量控制、日志监控...修一个Bug，它顺手把你的代码风格全改了，注释删了，变量名换了，最后你都不知道哪是哪！更气人的是，它从来不会问「你确定要这样吗？」，而是自信满满地给你一堆根本不需要的代码！

就在昨天，一个神奇的.md文件冲上了GitHub热榜第一，连续三天霸榜，本周新增44,465颗星，总星数61.6k！6万程序员连夜抄作业，X上开发者已经炸了锅！

为什么一个.md文件能炸翻GitHub？

💥 连续三天霸榜，6万星一夜暴涨

这个叫CLAUDE.md的文件，里面只写了四条规矩，却让全网程序员疯狂转发！项目地址：https://github.com/forrestchang/andrej-karpathy-skills

更疯狂的是，这四条规矩全部源自AI大神Karpathy对LLM编程陷阱的观察！Kraggich在X上感慨道：「一个Markdown文件冲上趋势榜第一，说明现在的瓶颈不在模型，而在模型周围的脚手架。这些"胶水"才是产品本身。」

🤯 Karpathy的编程神技，化作AI紧箍咒

今年1月26日，Karpathy在X上发了一条长帖，详细吐槽了AI编程Agent的各种毛病。当天，华人开发者Jiayuan Zhang就动手了！他先用Claude Code把这条帖子自动转化成了skills文件，生成约800行描述，然后让Claude自己审查自己，最后砍成了一段约70行的干净指令。

产物就是这个CLAUDE.md，相当于是在Agent脑子里装的一套行为准则！Surajdotdot7从生产环境算了笔账：「模型选错了分支，运行了40分钟，最后碰壁失败。而提前澄清只需要30秒。」

四条铁律，专治AI编程"不听话"

⚠️ 原则一：不确定？先问！别瞎猜

你让AI「加个验证功能」，它不会问你要验证什么、严不严格，而是自己猜一个最复杂的方案，写了一大堆你根本不需要的代码！更糟糕的是，整个过程它不会表现出任何犹豫！

为了解决这个问题，文档在第一个原则中写了三条规定：

• 不确定时必须停下来问，不能猜！
• 存在多种理解时列出选项让用户选，而不是替你做决定！
• 发现有更简单的方案时，主动说出来，该推回来就推回来！

真实案例：有个开发者让AI写个邮箱格式验证，结果AI给他写了一套完整的正则表达式库，附带国际化支持、错误提示模板、日志系统...其实他只需要一个简单的正则判断！

🎯 原则二：能简单就别复杂，砍掉无用代码

你要一个简单的小功能，它给你写出一整套企业级架构！你说「能简单点吗」，它立刻砍掉大半，还来一句「当然可以！」说明它一开始就知道不用写那么多，但就是忍不住！

第二条原则，就是给这些问题预备的：

• 没被要求的功能不写！
• 只用一次的代码不建抽象层！
• 没人要求的「灵活性」和「可配置」不加！
• 不可能发生的异常场景不做错误处理！

检验标准就一条：一个资深工程师看了会不会说「太复杂了」。会的话，直接砍！

✍️ 原则三：只改该改的，别动我的代码风格

你让它修一个bug，它改完bug顺手把旁边的代码也重构了，变量名换了，注释删了，代码风格也按它自己的偏好改了！最后你对比改动记录，改了30处，其中25处跟你的需求毫无关系！

于是，第三条原则给改动范围做了严格的限制：

• 只动你被要求动的部分！
• 匹配项目已有的代码风格，哪怕你觉得自己写得更好！
• 看到不相关的问题，提一嘴就行，别动手！
• 如果你的改动导致某些代码不再被使用，清理掉，那是你的责任。但之前就存在的问题，没人让你改就不要碰！

这就是为什么很多团队用了AI后，代码review工作量反而增加了——因为AI总在改不该改的东西！

🚀 原则四：给目标别给步骤，让AI自己跑

AI特别擅长「循环到达标为止」这件事，那就别告诉它具体步骤，直接给它验收标准让它自己跑！比如你要加一个功能，别说「写一个函数实现X」，改成「先写测试用例，然后让所有测试通过」！要修一个bug，改成「先写一个能复现这个bug的测试，然后让它通过」！

如果任务比较复杂，就要求AI先列出分步计划，然后每一步都带上验证方式！因为，验收标准定得越清晰，AI能独立循环执行的时间就越长，你需要介入的频率就越低！

这是用AI编程时杠杆最大的一条原则！

80%的代码不用自己写了，但有个大问题...

📈 从手写80%到AI写80%，工作流彻底翻转

Karpathy作为一个编了20年代码的人，他说短短几周内，自己的编程工作流从「80%手写+20%AI辅助」彻底翻转成了「80%交给Agent+20%自己修补」！他看着Agent死磕一个问题整整30分钟，要是人类早放弃了，而它就是不停地试，最后居然过了！这种「feel the AGI」的时刻会让你意识到，工作的核心瓶颈之一「耐力」已经彻底被LLM炸开了！

谁做的这个项目？

这个仓库的作者叫Jiayuan Zhang，开源项目Multica的创始人兼CEO！他做的Multica，就是把Claude Code、OpenCode、Codex CLI这些AI编程Agent统一管理起来，像真正的团队成员一样分配任务、汇报进展、交付代码！就连不会用命令行的人，也能通过它用上Claude Code级别的编程Agent能力！

正如项目介绍所说：Your next 10 hires won"t be human. 你接下来招的10名员工，都不会是人类了！他们公司的代码100%由AI编写，每天消耗的token量超过1亿！

⚠️ 警惕"Slopacolypse"：AI生成内容质量垮塌

但Karpathy也看到了硬币的反面。他预言了一个词，「Slopacolypse」！2026年GitHub、arXiv、社交媒体上会涌出大量AI生成的低质量内容。生产力是真的，质量垮塌的风险也是真的！

想象一下：未来你搜一个技术问题的解决方案，前10页全是AI生成的、看似正确实则错误的代码！

🧠 手写代码能力正在萎缩？这是真的

Karpathy说，自己已经开始感觉到手写代码的能力在萎缩！就是那种，你可以看懂代码但写不出来的感觉！

这就像：你会用计算器，但心算能力下降了；你会用导航，但认路能力退化了！

在Karpathy看来，LLM编程带来的不只是加速，更是一种扩展，你能做到以前不值得做的事，能碰以前碰不了的代码！如今，这个概念升级为「agentic engineering」，一种把AI当做需要明确目标、清晰边界和严格测试的协作伙伴来对待的工程学科！

andrej-karpathy-skills这个仓库，就是agentic engineering最早的「教材」之一！它之所以炸了，核心在于它把一个顶级工程师的隐性知识，打包成了Agent可以直接读取的格式！说到底，Karpathy不再只是一个你读的人，而是一个你的Agent可以直接继承行为的人！这才是这个仓库真正疯狂的地方！

---

金句时刻：最好的AI工具，不是替代你思考，而是帮你思考得更清晰！

互动时间：你用过AI编程吗？有没有遇到过AI乱写代码的情况？评论区聊聊你的经历！如果觉得有用，别忘了点赞+分享给身边还在被AI编程折磨的朋友！让更多人知道这四条救命铁律！

参考资料：
https://x.com/Voxyz_ai/status/2045899539526148193?s=20
https://github.com/forrestchang/andrej-karpathy-skills/blob/main/CLAUDE.md