Karpathy用Claude的秘密武器：一份CLAUDE.md文件，专门对抗AI编程常见错误

事件概述

一份号称是Andrej Karpathy实际使用的CLAUDE.md文件在开发者社区流传。该文件是专为Claude AI编写的项目级说明文档，放在项目根目录后，Claude会在辅助编程时自动读取。文件以规则形式列出大模型写代码时最常见、最可预测的错误，并逐一给出纠正方法。

核心规则提炼

文件强调以下关键原则：

• 写之前先读：在编写新代码前，必须先阅读即将修改的文件，查看项目类似功能的实现模式，并阅读测试文件。避免生成与代码库风格格格不入的代码。
• 想清楚再写：在动手前明确需求假设、列出方案取舍，对不确定之处直接提问，不要用“看似合理”的代码填补理解空白。
• 保持简单：写出能解决当前问题的最少代码，抵制过早抽象、臆想式错误处理和不必要的可配置性。“以防以后需要”不是需求。
• 外科手术式修改：改动diff应尽可能小，只改被要求改的部分，不顺手清理其他问题，不重新格式化，匹配现有风格。
• 验证：修bug前先写复制bug的测试，改动前后都运行现有测试，测试行为而非实现。
• 目标驱动执行：每个任务前明确成功标准，复杂任务先列出执行计划。
• 调试：阅读完整错误信息和stack trace，先复现问题，一次只改一件事，不盲目加workaround。
• 依赖：不经思考不添加依赖，优先使用项目已有或标准库能力，添加时说明原因。
• 沟通：说明做了什么及为什么，主动指出隐患，精确表达不确定性，commit message要具体。
• 常见失败模式：包括大杂烩、错误抽象、隐形决策、乐观路径、知识幻觉、风格漂移、失控重构等。

值得关注

• 该文件真实性未获证实，但内容完全源自Karpathy本人对LLM编程的公开吐槽与观察。社区已有基于其思想的开源项目（如andrej-karpathy-skills），据测试可将Claude代码错误率从41%降至11%。
• 这反映出即使顶尖AI专家，使用Claude时仍需要细致指导文件，说明当前大模型辅助编程仍存在系统性的可预测错误，而非随机问题。