我跟你说，用AI写代码这事儿，我踩过的坑比你想象的多。

去年有个项目，我让Claude帮我重构一个”屎山”模块。我想着简单嘛，不就是把一堆乱七八糟的代码整理干净吗？

结果你猜怎么着？

AI给我整出了一个抽象工厂+建造者模式+策略模式的三层嵌套架构。代码从200行变成了800行。我盯着屏幕看了半天，心里只有一个想法：这玩意儿，我还不如用原来的屎山呢。

后来我才知道，这玩意儿有个专门的名字，叫AI过度设计综合征。

上个月看到OpenAI创始成员Karpathy的一个观点，我一拍大腿：他说得太对了。

Karpathy的原话是这么说的（我直接翻译成人话）：

“AI特别喜欢把代码搞复杂，API膨胀，抽象层级乱堆。一件100行能搞定的事儿，它能给你整出1000行来。”

他还说：

“它们真的不管理自己的困惑，遇到歧义不会问，不会把理解不了的代码标记出来，甚至会顺手改掉跟任务无关的注释和代码。”

翻译成大白话就是：AI写代码，眼里只有”能做什么”，没有”不该做什么”。

所以今天我想跟你聊一个GitHub开源项目，叫Andrej Karpathy Skills（项目地址：https://github.com/forrestchang/andrej-karpathy-skills）。

它的功能很简单：给Claude Code等AI编程助手套上一套”工程缰绳”，让AI知道什么不该做。

截至2026年4月27日，这个项目在GitHub上已经热到PR排到113号了，还有多语言翻译、Codex支持、Trae IDE支持等各种社区贡献。

这个项目到底在解决什么问题？

先说说Karpathy总结的AI编程四大原罪：

第一，AI不假设不隐藏困惑。 它默认自己完全理解了你的需求，遇到歧义也不问，直接按照自己猜的意思往下写。

第二，AI特别喜欢把简单问题复杂化。 写个配置读取函数，它能给你整出一套完整的设计模式。

第三，AI会”顺手”改进代码。 你让它修一个bug，它可能顺手把旁边的代码也改了，改完才发现这个”顺手”改的东西导致另一个功能挂了。

第四，AI不爱验证。 写完代码就跑，不测试，不确认是不是解决了你的真实问题。

四大核心原则：AI的”工程缰绳”

这个项目本质上是把Karpathy的观点转化成了一套工程约束规则，Claude Code加载之后，行为会发生根本性变化。

原则一：Think Before Coding（先想再做）

AI收到任务后，不是直接开干，而是先显式化推理：

“我理解你的需求是这样的：___。有几个地方我不太确定，想先跟你确认一下：1)… 2)…”

举个例子。你说”帮我优化一下这个函数”，AI不会直接开搞，而是会问：

“你说的’优化’是指性能优化、代码可读性优化、还是内存占用优化？另外，这个函数目前被3个地方调用，优化后需要保证兼容性吗？”

这才是正确的打开方式。我之前踩的坑，就是AI跳过这一步，直接按自己理解的”优化”去改了。

原则二：Simplicity First（极简优先）

这个原则要求AI遵循”没有要求的功能不加“的铁律：

• 没有被要求的功能，坚决不加
• 单次使用的代码，不抽象
• 不预设”万一以后要扩展”的灵活性

项目里提了一个资深工程师测试法：如果资深工程师说”这代码太复杂了”，AI就必须简化。200行能变成50行，那就重写。

说实话，这点我太有共鸣了。之前我让AI帮我写一个HTTP请求的封装，它愣是给我整出了一个完整的SDK，还带链路追踪、熔断降级、重试策略… 我就想要个fetch啊。

原则三：Surgical Changes（手术刀式修改）

这个原则要求AI精准打击，只改必须改的：

• 不”顺手”改进相邻代码
• 不重构没坏的东西
• 发现死代码，只提不删（删的权力留给你）
• 每一行改动都能追溯到用户的原始请求

这个原则简直是对付AI顺手改代码的特效药。我之前遇到最离谱的一次，是让AI修一个拼写错误，它把整个文件的格式都重新排了一遍，还”顺便”删了几个它认为没用的空行。结果上线后发现，那几个”没用的空行”其实是某行代码的临时调试开关。

原则四：Goal-Driven Execution（目标驱动执行）

这是Karpathy最核心的观点，原话是：

“LLMs are exceptionally good at looping until they meet specific goals. Don’t tell it what to do, give it success criteria and watch it go.”

翻译：告诉AI你要什么结果，而不是告诉它做什么。

比如：

多步任务呢？AI应该先出计划，列出步骤和验证点，等你确认后再执行。

怎么安装？

有两种方式，推荐第一种：

方式一：Claude Code插件（推荐）

在Claude Code里输入：

/plugin marketplace add forrestchang/andrej-karpathy-skills

然后再输入：

/plugin install andrej-karpathy-skills@karpathy-skills

方式二：项目级配置

下载CLAUDE.md到你的项目根目录，或者把它的内容追加到你已有的CLAUDE.md里。

怎么知道生效了？

你装完之后，如果发现AI开始有这些变化，说明”缰绳”套上了：

• 开始问澄清问题了
  
  ，而不是直接开干
• 复杂任务先出计划
  
  ，让你确认
• 代码明显变短、变简洁
• PR diff更干净
  
  ，没有”顺手”改动

说说我自己的感受

我装了大概两周了，最大的感受是：和AI对话的节奏变了。

以前是：提需求 → AI一顿输出 → 发现不对 → 改改改 → 还是不对 → 改改改 → 算了凑合用

现在是：提需求 → AI问问题 → 我确认 → AI出计划 → 我再看一遍 → AI执行 → 基本一遍过

省时间是一方面，更重要的是心理负担小了。以前用AI写代码，总有一种”不知道它会整出什么幺蛾子”的不安全感。现在有了这四把”手术刀”，至少知道AI不会乱来。

独特观点：最贵的代码是你没要求AI写的那行

我想特别强调一个观点，这是我认为这个项目最核心的价值：

最贵的代码，是你没要求AI写的那行。

AI”顺手”加的东西，往往是bug的来源。一次看似无害的”顺手重构”，可能毁掉一个稳定运行三年的模块。AI不知道什么不能改，因为它没有边界感。

Karpathy Skills本质上是在教AI”什么时候不该做“。这比告诉它”该做什么”重要一百倍。

总结

Andrej Karpathy Skills这个开源项目，解决的不是AI编程的能力问题，而是边界感问题。它让AI学会：

• 先问清楚再动手
• 简单的事情简单做
• 只改必须改的
• 按目标执行而不是按指令执行

GitHub地址：https://github.com/forrestchang/andrej-karpathy-skills

PR数量：113号（截至2026年4月27日）

如果你用Claude Code，我强烈建议你试试。

关注yesno讲AI

不讲难懂技术，只聊普通人能用的AI ❤️

数据来源：GitHub项目页面（2026年4月27日）；Karpathy原话来自项目README