andrej-karpathy-skills 研究筆記¶
資料來源¶
| 項目 | 連結 |
|---|---|
| GitHub Repo | forrestchang/andrej-karpathy-skills |
| Karpathy 原始推文 | x.com/karpathy |
| Antigravity 完整分析 | Karpathy CLAUDE.md Skills Guide |
| The Unwind AI 分析 | Karpathy's AI Coding Agent Rant |
| 10x Claude Skills 分析 | Linas Substack |
作者： Forrest Chang（同時也是 Multica 的作者）
專案狀態： ⭐ 44.1K+ stars · 純 Markdown · MIT · 2026-01-27 創建 · GitHub 最快成長的 repo 之一
專案概述¶
andrej-karpathy-skills 是一個只有一份 CLAUDE.md 檔案的 repo，卻獲得 44K+ stars——因為它把 Andrej Karpathy（OpenAI 共同創辦人、前 Tesla AI 負責人、「vibe coding」一詞創造者）對 LLM 編程的痛點觀察，轉化為四條可執行的行為準則。
Karpathy 的三大痛點¶
"The models make wrong assumptions on your behalf and just run along with them without checking."
"They really like to overcomplicate code and APIs, bloat abstractions... implement a bloated construction over 1000 lines when 100 would do."
"They still sometimes change/remove comments and code they don't sufficiently understand as side effects."
四大原則¶
| 原則 | 解決的問題 | 核心規則 |
|---|---|---|
| 1. Think Before Coding | 隱含假設、隱藏困惑、缺少取捨 | 不確定就問，不要靜默猜測；有多種解讀要列出來；更簡單的方法存在就反推 |
| 2. Simplicity First | 過度工程、膨脹抽象 | 不加沒被要求的功能；不為一次性程式碼做抽象；不寫不可能場景的 error handling；200 行能用 50 行就重寫 |
| 3. Surgical Changes | 附帶影響、改不該改的東西 | 不「改善」相鄰程式碼；不重構沒壞的東西；match 現有風格；只清理自己造成的 dead code |
| 4. Goal-Driven Execution | 模糊指令、無法驗證的結果 | 把「加驗證」轉成「寫測試 → 讓測試通過」；多步驟任務列出計畫+驗證點；給成功標準而非步驟指令 |
Goal-Driven Execution 的轉換範例¶
| 不要這樣說 | 改成這樣說 |
|---|---|
| "Add validation" | "Write tests for invalid inputs, then make them pass" |
| "Fix the bug" | "Write a test that reproduces it, then make it pass" |
| "Refactor X" | "Ensure tests pass before and after" |
Before/After 實際效果¶
Export 功能需求¶
- Without： 靜默假設範圍、格式、敏感欄位
- With： 列出 4 個假設，問 pagination 偏好
折扣計算¶
- Without： Strategy pattern + 多個 class，50+ 行
- With： 單一函式，相同功能，最小程式碼
Bug 修復¶
- Without： 改 15 行，包含不相關的 docstring、type hints、引號格式
- With： 只改 3 行，直接修 bug
安裝¶
# 方法一：Plugin（推薦）
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
# 方法二：直接下載 CLAUDE.md
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
# 方法三：附加到現有 CLAUDE.md
echo "" >> CLAUDE.md
curl https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md >> CLAUDE.md
如何知道有效？¶
- diff 更乾淨 — 只有被要求的變更
- 更少因過度工程而重寫 — 第一次就簡單正確
- 先問再做 — 釐清問題在實作之前
- PR 更精簡 — 沒有附帶重構或「改善」
目前限制 / 注意事項¶
- 偏向謹慎而非速度 — 對瑣碎任務（typo fix、one-liner）可能過度嚴格
- 不保證正確性 — 行為準則改善風格，但 LLM 仍可能幻覺或誤解領域需求
- 依賴使用者紀律 — 效果取決於人寫好 success criteria 的能力
- 純文字檔 — 不含腳本、不含驗證工具、不含 agent 定義
- 可能與其他 CLAUDE.md 衝突 — 原則 3（Surgical Changes）可能與「主動重構」類 skill 矛盾
研究價值與啟示¶
關鍵洞察¶
-
一份檔案 44K stars 說明了「控制 AI 行為」是最大痛點。 不是缺工具、不是缺模型——而是「AI 太自作主張」。這個 repo 的爆紅證明：教 AI 「不要做什麼」比教它「怎麼做」更有價值。
-
Karpathy 的痛點觀察本質上是「AI junior engineer 問題」。 社群稱之為「confident junior developer」——有速度但缺判斷力。四大原則就是資深工程師對 junior 的標準要求：先想再做、保持簡單、只改需要改的、用測試驗證。
-
Goal-Driven Execution 是最深刻的原則。 前三條是「限制」（不要假設、不要過度工程、不要亂改），第四條是「賦能」——把模糊指令轉成可驗證目標，讓 LLM 可以自主 loop 直到完成。這呼應了 Karpathy 的觀察：「LLMs are exceptionally good at looping until they meet specific goals.」
-
Forrest Chang 同時做了 Karpathy Skills 和 Multica，這不是巧合。 Karpathy Skills 控制單個 Agent 的行為品質，Multica 管理多個 Agent 的團隊協作——這是同一個問題的兩個面向：先讓一個 Agent 不犯蠢（skills），再讓多個 Agent 協同工作（platform）。
-
這份 CLAUDE.md 不到 70 行，刻意精簡。 因為 CLAUDE.md 佔 context window——太長反而降低效果。這是「less is more」的極致：與其寫 500 行規範，不如寫 70 行精煉原則讓 LLM 自行推導適用情境。
與其他專案的關聯¶
- vs Boris Cherny 57 Tips： Boris 的 tips 覆蓋 Claude Code 的全部功能（並行、排程、語音、自動化），Karpathy Skills 只聚焦一件事——改善 AI 的編程行為。Boris 教你「如何用 Claude Code 做更多事」，Karpathy 教你「如何讓 Claude Code 犯更少錯」。
- vs Multica（筆記庫中）： 同一作者。Karpathy Skills 是「單 Agent 行為規範」，Multica 是「多 Agent 團隊平台」——先讓每個 Agent 表現好，再把它們組成團隊。
- vs OpenAI Agent 建構指南： 指南說「Instructions 減少模糊性 → 改善決策 → 更少錯誤」——Karpathy Skills 就是這個理念的極簡實踐。
- vs Asgard Skills： Asgard 封裝 263 個領域方法論（做什麼），Karpathy Skills 封裝 4 條行為原則（怎麼做）。兩者互補——一個提供知識，一個控制行為。
- 對個人 CLAUDE.md 的啟示： 可以直接 append 到你的 CLAUDE.md。四條原則不與專案特定規則衝突，是通用的「行為底線」。