让AI写文档or代码总翻车?Karpathy爆火的《AI工作说明书》来了
“让AI改个小问题,它擅自把整个文件都改了。”“让AI写个功能,最后多出我根本没要的东西。”“最气人的是,它信誓旦旦说‘改好了’,结果全是错的。”
如果你也有过上面这些血压飙升的瞬间,然后开始怀疑:是AI太蠢,还是我Prompt写得烂?
说实话,可能都不是。
最近,AI大神Andrej Karpathy(前特斯拉AI总监、OpenAI创始成员)开源了一个叫 claude.md 的文件,在技术圈刷屏。
虽然初衷是给AI Coding用的,但我看完后觉得是:👉 这哪是什么编程秘籍?这分明是一套通用的AI员工手则。
一、你越用越烦的根源:你在“许愿”,不是在“管理”
我们大多数人和AI的协作,都陷入了一个死循环:
-
你下一个模糊的指令(“修好这个问题”);
-
AI开始一顿疯狂输出,自由发挥;
-
你拿到一堆“惊喜”或“惊吓”,然后花更多时间返工、核对、骂街。
问题出在哪?
你把AI当成了“许愿池”,希望它一次就懂你心。但现实是,你连需求都没跟它对齐。
二、Karpathy的《AI工作说明书》:4条规则,让AI变“靠谱员工”
Karpathy没有去卷更复杂的Prompt,而是直接为AI撰写了一份《工作说明书》,我把这个文件翻译成任何岗位都能秒懂的4条规则:
规则1:先“对齐认知”,再动手
❌ 错误做法:“帮我写个登录功能。”✅ 正确管理:“接下来这个任务,你先别写代码。用你的话复述一遍你的理解,列出你的所有假设,并指出任何不确定的地方。”
这一步的本质,和我之前说过Vibe Coding五步法里的“需求评审会”是一样的。在AI开干之前,强行把你们的“脑回路”拉到同一个频道,避免它用一套错误的理解,埋头苦干出完全没用的东西,那只会浪费token。

规则2:简单优先,只做用户要求的事
AI有个大缺点,就是太热心、太想表现了。你让它修个按钮颜色,它可能“顺便”把整个页面的UI框架都改了。
Karpathy的规则里有一条非常冷酷的指令:
“只做用户明确要求的事,不要进行任何未要求的‘优化’或重构。”
任何额外的、未经许可的改动,都是增加审查成本和出错风险的垃圾代码。

规则3:外科手术式修改,只动该动的
这是保证“可控性”的核心。AI最容易闯的祸就是“牵一发而动全身”,改一行代码,污染了十个文件。
规则要求:必须精确指出要修改的范围,并且只修改这些范围。
这背后的产品思维是:可控性,远大于理论上的“完美性”。你宁愿要一个精准、可预测的小补丁,也不要一个充满未知风险的“优化版”。

规则4:所有交付物,必须“可验证”
最经典的翻车现场:AI说“搞定了”,你说“好的”,然后发现根本没搞定。
Karpathy把这条路彻底堵死。他规定:每一个任务,都必须附带明确的验证方式。
-
“你怎么测试它?”
-
“运行哪条命令可以证明它成功了?”
-
“预期的输出是什么?”
这意味着AI的交付,必须是一个可以立即被验证的、客观的结果。

三、为什么这套方法能行?
我们吐槽AI“不靠谱”、“不稳定”,本质是吐槽它的输出不可预测——同一个Prompt,今天和明天的输出结果可能有天壤之别。
Karpathy这套《工作说明书》,就是在做一件事:
把AI从一个依赖灵感的“天才型选手”,强制改造成一个遵守流程的“标准型员工”。
通过固定的工作流程(先理解 → 再执行 → 限范围 → 必验证),大幅压缩了AI“自由发挥”和“随机犯错”的空间,让它的输出变得稳定、可靠、可预期。

四、这是所有脑力工作者的新杠杆
如果你觉得这只是程序员的事,那就大错特错了。这套“AI管理思维”,是所有需要AI辅助的脑力工作的通用解。
-
写方案/报告:让AI先输出大纲和核心观点给你确认,而不是直接扔给你一篇可能跑题的万字长文。
-
做内容/自媒体:让AI先根据热点给出三个选题角度,你选定后,它再根据固定结构(痛点-故事-方法-金句)起草,最后你审核修改。
-
处理数据/信息:让AI先说明它准备用什么方法清洗和分析数据,你同意后,它再执行,并给出验证结果的关键指标。

五、人群正在分化:你在哪一层?
-
第一层:还在苦苦搜索“最厉害的Prompt咒语”。
-
第二层:已经开始思考并设计 “AI应该如何工作”的流程与规则。
给AI制定清晰的SOP,比写出华丽的Prompt重要100倍。
写在最后
如果你受够了AI的随机发挥,想立刻体验这种“掌控感”,一个最简单的开始是:
下次给AI下指令时,把开头换成:“请按照以下步骤执行:1.先复述你的理解;2.只修改我明确指出的部分;3.完成后,告诉我验证方法。”
你将会打开新世界的大门。
我是吃土,用产品视角带你看懂AI。如果这篇文章对你有启发,欢迎点赞、分享,让更多人从“许愿式提问”升级为“管理式协作”。
夜雨聆风