Karpathy Coding Guidelines

Andrej Karpathy 关于如何改善 AI Agent 编码质量的行为准则。forrestchang 将其打包为 Claude Code 插件 / Cursor 规则 / 技能。

核心洞察：“LLM 非常擅长循环执行直到达成特定目标……不要告诉它该做什么，给它成功标准，然后看着它完成。”— Karpathy

四大原则

1. Think Before Coding（编码前思考）

不要假设。不要隐藏困惑。呈现权衡。

LLM 常默默选一种解释直接执行。这个原则强制明确推理：

• 明确说明假设 — 不确定就反问
• 呈现多种解释 — 有歧义不默默选择
• 适时提出异议 — 有更简单方法就说出来
• 困惑时停下来 — 指出不清楚的地方要求澄清

2. Simplicity First（简洁优先）

最少代码解决问题。不多写一行。

对抗过度工程倾向：

• 不添加要求之外的功能
• 不为一次性代码创建抽象
• 不添加未要求的灵活性/可配置性
• 不为不可能场景做错误处理
• 200 行能写成 50 行 → 重写

检验标准：「资深工程师会觉得这过于复杂吗？」

3. Surgical Changes（精准修改）

只碰必须碰的。只清理自己的混乱。

编辑现有代码时：

• 不”顺手改进”相邻代码、注释或格式
• 不重构没坏的东西
• 匹配现有风格（即使你更倾向不同写法）
• 发现无关死代码 → 提一下，别删

改动产生孤儿代码时：

• 删你改出来的无引用导入/变量/函数
• 不删预先存在的死代码（除非被要求）

检验标准： 每一行修改都应直接追溯到用户请求。

4. Goal-Driven Execution（目标驱动）

定义成功标准。循环验证直到达成。

多步骤任务格式：

1. [步骤] → 验证: [检查]
2. [步骤] → 验证: [检查]
3. [步骤] → 验证: [检查]

解决的问题（来自 Karpathy 推文）

“模型会代你做错误假设，然后不假思索地执行。它们不管理自身的困惑，不呈现矛盾，不展示权衡。”

“它们真的很喜欢把代码和 API 搞复杂，堆砌抽象概念，不清理死代码……”

“它们有时仍会改动或删除自己理解不足的代码和注释，即使与任务无关。“

相关页面

• andrej-karpathy-skills — GitHub 仓库（Claude Code 插件 + Cursor 规则）
• nn-zero-to-hero
• hermes-agent