给 AI 编程助手加了 4 条准则,它终于不乱改代码了

很多人用 AI 编程助手，最常遇到的问题不是“它不会写代码”。

恰恰相反，是它太敢写了。

你让他修改一个功能点，他把认为有问题的地方都修改了，甚至还增加了其他的功能效果，并且你还不知道。

AI 编程助手最大的问题，不是能力不足，而是边界不足。

AI 缺的不是能力，而是边界

写代码不是单纯把功能做出来。

在真实项目里，代码修改还要考虑很多事情：

改动范围是否可控

方案是否足够简单

是否影响已有逻辑

review 成本是否过高

后续维护是否变复杂

有没有验证修复结果

而 AI 最容易失控的地方，恰好就在这里。

它经常会在需求还没完全明确时就开始写。它经常会把一个小问题做成大改动。它经常会在用户没要求的情况下顺手重构。它经常会告诉你“已经修复”，但没有给出验证依据。

这就导致一个结果：

AI 生成的代码越多，人类 review 的压力越大。

你原本是想用 AI 节省时间。结果最后花更多时间检查它到底改了什么。

所以，一个真正好用的 AI 编程助手，不应该只是“会写代码”，它需要一套边界，命令他干什么就只干什么。

给 AI 编程助手加了一套“边界协议”——Karpathy 准则

这套协议可以概括成四句话：

不确定，先问。能小改，不大改。非必要，不扩散。写完后，要验证。

这四句话，基本覆盖了 AI 编程助手最常见的失控场景。

它不是为了限制 AI 的能力。而是为了限制 AI 的失控。

1. 不确定，先问

很多需求本身就是模糊的。

比如你对 AI 说：

帮我优化一下这个接口。

这里的“优化”，其实可能有很多种意思。如果 AI 不问清楚，直接开始改，本质上就是在猜。

所以第一条边界是：当目标不明确时，AI 必须先指出不确定点，并向用户确认。

这会让 AI 从“假装自己懂了”，变成“先确认自己理解对不对”。

2. 能小改，不大改

AI 很容易过度设计。

明明一个判断条件就能修复的问题，它可能抽象出一套策略模式。明明 20 行代码能解决的问题，它可能写成 100 行。明明局部修改就够了，它可能重新组织整个模块。

所以第二条边界是：

优先选择能解决当前问题的最小方案，不提前为想象中的未来写复杂代码。

好用的 AI 编程助手，不应该总想着“把系统设计得更完美”。

它应该先问：

有没有更小、更直接、更安全的改法？

3. 非必要，不扩散

这是 AI 编程助手最让人头疼的地方。

你让它修一个按钮，它顺手改了组件结构。你让它补一个条件，它顺手重命名了一堆变量。你让它修一个 bug，它顺手格式化了整个文件。你让它改一段逻辑，它顺手删除了它认为“不重要”的代码。

这些改动不一定错。

但问题是：它们扩大了本次任务的风险。

软件工程里，改动范围越大，不确定性越高。不相关的改动越多，review 越困难。review 越困难，问题越容易漏掉。

所以第三条边界是：

每一处改动，都必须能对应到当前任务；对应不上的，就不要改。

4. 写完后，要验证

很多 AI 编程助手完成任务后，会给你一句：

已经修复。

但在工程里，这句话是不够的。修 bug 的时候，AI 不应该只告诉你“我改了哪里”。

它还应该说明：

原问题是什么

根因是什么

做了什么最小修改

如何验证

验证结果是什么

一个更靠谱的流程应该是：

复现问题 → 定位原因 → 最小修改 → 运行测试 → 说明结果

这样你才能判断它是真的解决了问题，还是只是写了一段看起来合理的代码。

所以第四条边界是：不要只交付代码，还要交付验证依据。

同一个需求，普通 AI 和加了准则的 AI 差别有多大

为了验证这套边界协议到底有没有用，我做了一个简单的小测评。

我给 AI 编程助手同一个任务：

做一个脚本，功能为用Scanpy做单细胞QC、标准化、降维、聚类、marker鉴定

普通 AI 的表现

它给我的代码共428行

加了准则之后的 AI 表现

使用之后的代码只有164行

让AI给我对比一下这两个代码谁更好，scanpybasicpipeline.py是普通AI，scanpy_pipeline.py是使用准则后的AI

不管是从输入格式，参数设置，QC处理，标准Scanpy 流程完整性等各方面，使用了Karpathy 准则的AI输出的代码都更胜一筹。

如何安装Karpathy 准则？

这里我们需要准备两个工具，OKClaw和Karpathy 准则 skills。

1.安装OKClaw

进入OKClaw官网选择合适的版本下载并安装。

OKClaw官网：https://okclaw.dftianyi.com

2.安装Karpathy 准则 skills

打开OKClaw，输入指令

帮我安装https://github.com/forrestchang/andrej-karpathy-skills

3.使用Karpathy 准则 skills

在输入框内“@”Karpathy 准则 skills，再输入你的指令就可以开始使用了。

最后

以前我总觉得，AI 编程助手越强越好。现在我越来越觉得，真正好用的 AI 编程助手，不是写最多代码的那个。而是能用最小必要改动，把问题可靠解决的那个。

它应该知道：什么时候该问。什么时候该停。什么时候该少改。什么时候必须验证。

我们要的不是一个无限发挥的 AI，我们要的是一个能可靠协作的工程搭档。

AI 不缺油门，缺的是刹车，而Karpathy 准则，就是给 AI 编程助手装上的刹车。

关注我，学习更多ai知识~OKClaw:https://okclaw.dafoai.com