夜雨聆风
你让 AI 写了一段带硬编码密钥的代码。出了事，你记在心里，下次注意。
然后你的同事踩了同一个坑。
如果这个经验被写进了项目的 CLAUDE.md 里，AI 就不会再犯这个错。所有人都受益。
这就是"经验即代码"的力量——把个人教训变成团队资产，把隐性知识变成显式规则。
GitHub 上一个叫 andrej-karpathy-skills 的项目，1.2 万 Star，今天又涨了 1000 多个。它把 Karpathy 关于 LLM 编程陷阱的观察，做成了一个 CLAUDE.md 文件——一个能直接改善 Claude Code 行为的规则文件。
1.2 万人 Star 的不是对 Karpathy 的致敬。是一个趋势的缩影。
可运行的知识：Karpathy 的核心判断
Karpathy 的核心观点可以追溯到 2017 年提出的"Software 2.0"：传统代码是显式逻辑，神经网络是隐式程序。2023-2024 年他进一步演化了这个判断——LLM 是新的编译器/解释器，自然语言成为新的接口层。
知识不是读出来的，是运行出来的。
传统的知识管理是"记笔记"——你读了一篇 Karpathy 的博客，记了几条笔记，存在 Notion 里，然后忘了。这是消费信息。
在 AI 时代，知识应该是"可运行的"——把他的观察写成 CLAUDE.md 规则，放进项目里，每次 AI 编程时自动执行。这是运行知识。
CLAUDE.md 的本质，就是把人的经验编码成 AI 能理解和遵循的指令。它不是一个文档，它是一个程序——你把它放在项目根目录，Claude Code 打开这个项目时自动加载，之后的每一次代码生成都受这些规则约束。
AI 编程经验太容易流失了。 看了很多教程但还是不会用，踩过的坑忘了又踩，团队里每个人重复犯同样的错。这不是人的问题，是知识管理范式没有跟上 AI 时代的节奏。
从 Karpathy 观察中提取的四条高价值规则
Karpathy 关于 LLM 编程的核心观察，可以归纳为四条可执行规则：
规则一：LLM 不懂你的业务逻辑
AI 能写代码，但不懂你的用户是谁、业务边界在哪、哪些妥协是历史的产物。
→ 可执行：在 CLAUDE.md 中明确业务约束和不可触碰的边界条件。
规则二：上下文管理决定成败
给 AI 太多上下文，它会被噪音淹没。给太少，它会产生幻觉。2024 下半年起 Karpathy 多次指出：单次 Prompt Engineering 已死，项目级上下文管理（Context Files, Memory, Tools）成为核心。
→ 可执行：明确指定相关文件和目录，排除无关内容。每次任务保持上下文在合理范围内。
规则三：先测试，后实现
让 AI 先写测试用例，再写实现代码。测试是约束 AI 随机性的最佳工具。
→ 可执行：要求 AI 输出执行计划→先写测试→再写实现→跑测试验证。
规则四：不要相信 AI 说的，相信它写的
AI 可能会告诉你"这个方案很好"，但代码质量需要你自己验证。
→ 可执行：所有 AI 生成的代码必须跑过 lint、测试、代码审查。
经验即代码三步法：构建你的 AI 编程规则库
不需要等 Karpathy 级别的洞察。你每次踩的坑，都值一条规则。
第一步：捕获
每次 AI 编程出现问题，记录三件事
什么场景下出的问题？ 根本原因是什么？ 下次怎么避免？
可以用一个简单的模板：
## 踩坑记录 #001 - 场景：让 AI 重构数据库迁移脚本 - 问题：AI 生成了不存在的 ORM 方法 - 规则：所有 ORM 操作必须先查阅官方文档，禁止臆造 API 第二步：结构化
把记录转化为 CLAUDE.md 规则。格式很简单：
# 项目规范 ## 安全 - 禁止硬编码密钥，使用环境变量 - 所有 API 调用必须有超时设置 ## 架构 - 新增功能必须先写测试 - 公共 API 变更需要文档更新 ## 代码风格 - 函数不超过 50 行 - 所有公开方法必须有类型标注 第三步：迭代
每次新踩坑，更新 CLAUDE.md。这个文件会越来越大，越来越准。这就是飞轮。
一个人的经验 → 团队的规则 → AI 的行为约束。三步完成知识从个人到系统的迁移。
不止 CLAUDE.md：全生态的经验即代码
CLAUDE.md 是 Anthropic 的方案。其他工具也有类似的机制：
格式不同，思路一样：把经验编码成 AI 能执行的规则。
这不只是配置文件的区别，这是知识管理范式的转变——从"人记住规则"变成"规则约束 AI"。
Notion 里的笔记，90% 不会再被打开。项目根目录里的 CLAUDE.md，每次 AI 打开项目都会被执行。哪个更有效，一目了然。
CLAUDE.md 因 Anthropic 的开放策略与 Claude Code 的普及，已成为跨 IDE 的事实上下文标准。其他机制多围绕自家产品做垂直优化，语法与能力集存在碎片化。
写在最后
Karpathy 说"公开倒逼深度"。CLAUDE.md 就是这句话的最佳实践——把你的 AI 编程经验公开成规则，让 AI 执行，让团队复用。
1.2 万人 Star 的不是一个文件，是一个方向：在 AI 时代，最好的知识管理不是笔记软件，是可执行的规则文件。
你的 AI 编程经验，存在哪里？是脑子里的记忆，是 Notion 里落灰的笔记，还是项目里的 CLAUDE.md？
