当Karpathy Guidelines遇上Hook

一个Skill + 一个Hook，让AI写代码时不再“自作聪明”

❀ 你有没有遇到过这些情况？

•你说“加个导出功能”，AI直接设计了导出哪些字段…

•你说“添加个校验函数”，AI添加了一堆你用不上的边界防御代码…

•你说“重构一下函数”，AI顺手把其他的函数也直接重构了…

别慌，不是你一个人。

2026年1月，AI大神Andrej Karpathy（OpenAI联创、Tesla前AI总监）在X上发了一条引发轰动的推文，总结了LLM编程助手的三大通病：

别担心，这不是AI的错，是我们还没有教会它怎么“做事”。

❀ Karpathy Guidelines：四条规则专治各种“不听话”

GitHub上有个开源项目叫andrej-karpathy-skills，把Karpathy的观察提炼成了一个Skill文件。整个完整的SKILL.md不到70行，核心就是四条简单规则：

这四条规则的妙处在于：它们不是禁令清单，而是行为框架。

它们定义的不是“不准做什么”，而是“决策时的优先次序和工作方式”。

“Think before coding”不是“不准瞎写”，是“先对齐再执行”。 “Simplicity first”不是“不准写复杂代码”，是“默认选最简解法”。

这个项目截止目前已经冲到了185k+ Stars，是GitHub上增长最快的AI编码技能项目之一。零运行时依赖，就一个文件。

以下是四条原则转义后的中文内容：

1. 编码前思考

不要假设。不要隐藏困惑。呈现权衡。

在实现之前：

•明确说明你的假设。如果不确定，请问。

•如果存在多种解释，请呈现它们 - 不要默默选择。

•如果存在更简单的方法，请说出来。在有理由时提出异议。

•如果有不清楚的地方，停下来。指出令人困惑的地方。请问。

2. 简洁优先

用最少的代码解决问题。不要过度推测。

•不要添加要求之外的功能。

•不要为一次性代码创建抽象。

•不要添加未要求的“灵活性”或“可配置性”。

•不要为不可能发生的场景做错误处理。

•如果你写了 200 行代码但它可以是 50 行，重写它。

问问自己：“资深工程师会觉得这过于复杂吗？”如果是，简化。

3. 精准修改

只碰必须碰的。只清理自己造成的混乱。

编辑现有代码时：

•不要“改进”相邻的代码、注释或格式。

•不要重构没坏的东西。

•匹配现有风格，即使你更倾向于不同的写法。

•如果注意到无关的死代码，提一下 - 不要删除它。

当你的改动产生孤儿代码时：

•删除因你的改动而变得无用的导入/变量/函数。

•不要删除预先存在的死代码，除非被要求。

检验标准：每一行修改都应该能直接追溯到用户的请求。

4. 目标驱动执行

定义成功标准。循环验证直到达成。

将指令式任务转化为可验证的目标：

•“添加验证” → “为无效输入编写测试，然后让它们通过”

•“修复 bug” → “编写重现 bug 的测试，然后让它通过”

•“重构 X” → “确保重构前后测试都能通过”

对于多步骤任务，说明一个简短的计划：

1. [步骤] → 验证: [检查]

2. [步骤] → 验证: [检查]

3. [步骤] → 验证: [检查]

强有力的成功标准让你能够独立循环执行。弱标准（“让它工作”）需要不断澄清。

❀ Hook机制：AI Agent的“自动检查站”

先来说说什么是Hook。

把AI Agent的执行流程想象成一条流水线，Hook就是在这条流水线的关键节点插入的自动检查站。

用一张流程图来理解：

Qoder支持四个核心Hook事件：

官方Hook使用手册

https://help.aliyun.com/zh/lingma/qoder-cn/user-guide/hooks?spm=a2c4g.11186623.help-menu-2804669.d_1_4_6.6b8b7a1cH6OzCd&scm=20140722.H_3032541._.OR_help-T_cn~zh-V_1

Hook的核心价值是：把团队工程规范、安全策略、自动校验，从“靠人提醒”变成“自动执行”。

而且有一个特别重要的特点：

Hook执行的脚本本身不进入LLM上下文，完全不消耗token。只有脚本内容若涉及相关prompt修改，才会消耗token。

这意味着你可以无限叠加Hook规则，而不用担心token成本。

❀ 为什么Karpathy Guidelines最适合插入UserPromptSubmit？

这是今天的重点。

我们知道UserPromptSubmit是在用户提交Prompt后、AI开始思考前触发的。而且它是可阻断的——意味着它可以修改Prompt内容。

这恰恰是Karpathy Guidelines最完美的插入点。原因有三：

原因一：“先思考再编码”需要在最早阶段生效

Karpathy的第一条规则就是“Think Before Coding”。如果在AI已经开始写代码后才注入这条规则，就像考试开始后才告诉学生“先审题再答题”——已经晚了。

在UserPromptSubmit阶段注入，等于在AI动手之前就把“思考框架”塞进了它的脑子里。

原因二：行为规范属于“指令层”而非“知识层”

Karpathy Guidelines不是“知识”，是“行为约束”。它不教AI怎么写代码，而是告诉AI怎么思考。

这类规则最适合的位置就是Prompt最前端——在AI的“第一印象”里就建立起行为边界。

原因三：Skill内容精简，Token开销可控

Karpathy Guidelines的Skill内容本身非常精简，核心内容只有50多行文本，不会造成过多的Token开销。这意味着它可以无感嵌入到每次对话的Prompt中，不会显著挤占上下文窗口的有限空间。

相比之下，许多类似的“编码规范”动辄数百行，每次注入都会大幅消耗上下文预算。而Karpathy Guidelines用最少的文本传递了最核心的行为约束，性价比极高。

❀ Prompt增强后的效果：从“随缘”到“可控”

以下场景都是在没有调用任何skill的情况下的提问

场景一：新增个菜单，实现个列表

当你说“帮我新增个菜单，做个列表”时，未增强的AI往往会“自主选择”——直接判断列表应该有哪些字段，接口的定义。

增强后的AI会先停下来问你，进行问题澄清：“API接口路径是什么？字段配置应该是怎样的？”确认需求后，列举一个简短的计划，然后开始实现。

场景二：方法重构

当你说“把这个方法进行重构”时，未增强的AI修复方法后，就直接告诉你改了什么，不会去验证。

增强后的AI优化后会自己去进行兼容性验证

说白了，增强前后的差别就是：AI从“埋头就干”变成了“先想清楚再动手”。

这就像给每一次AI对话自动加了一个“工程师思维的前置过程”

❀ 怎么用？三步配置

配置起来其实很简单：

第一步：获取Karpathy Guidelines Skill内容

https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills/blob/main/README.zh.md

第二步：创建Hook脚本

在本地Qoder CN用户级目录新建一个hooks目录，创建一个增强脚本，脚本内容自动对Prompt追加Karpathy的四条规则。以下脚本内容仅做参考示意：

inject-coding-standards.ps

（powershell脚本，暂时只支持windows，macos暂未适配）

https://gitcode.com/lxx-manager/resource/blob/main/common/inject-coding-standards.zip

将脚本下载后放置到路径A（自定义的项目或本地固定目录）

第三步：配置settings.json

在本地Qoder CN用户级目录下，编辑settings.json文件，如不存在则新建settings.json文件，

打开并添加UserPromptSubmit Hook配置，配置刚刚存放的脚本位置路径A，将脚本与Hook事件绑定。配置文件仅做参考示意：

配置完成后，每次你在Qoder中输入需求，Hook都会自动在Prompt前面注入Karpathy的行为规范。

你只需要正常对话使用，AI就会自动“变得更有边界感”。

❀ 写在最后

Karpathy Guidelines + Hook的组合，本质上是把“人的工程经验”变成了“AI的自动行为准则”。

不需要每次手动提醒，不需要手动调用skill。

一个不到60行的Skill文件，一个几十行的Hook脚本，就能让你的AI编码助手从“野生”变成“驯化”。

这就是Hook机制的魅力——它不是让AI更聪明，而是让AI更可控。

觉得有用就点个赞吧，也欢迎在评论区讨论，技能免费分享，关注公众号，发送“skill”一键获取常用skill哦！！

关注我，持续分享提升开发效率的实战技巧和AI工具。