原文：Threads（作者 @magic.tw）
摘要
andrej-karpathy-skills 是一個 GitHub 專案（貼文連到 github.com/multica-ai/andrej-karpathy-skills），整個 repo 幾乎只有一個 CLAUDE.md，卻拿到約 18.4 萬顆星。它把 Andrej Karpathy（前 Tesla AI 總監、OpenAI 創始成員）對「AI 寫程式會出什麼問題」的觀察，整理成四條給 Claude Code 的行為原則：先想再寫、簡單優先、精準修改、目標導向執行。貼文作者認為第四條最實用：不要叫 AI「修 bug」，而是叫它「先寫一個能重現 bug 的測試，再讓測試通過」，給的是成功標準而不是步驟，AI 就能自己驗證有沒有做完。
重點
- 原則一：先想再寫（Think Before Coding）：不要默默假設需求。要把假設講明、有歧義時列出多種解讀、如果有更簡單的做法要提出來、不懂就問。
- 原則二：簡單優先（Simplicity First）：只寫解決當前問題的最少程式碼。不預先做「以後可能用到」的功能、不做只用一次的抽象、不加沒人要求的彈性、不替不可能發生的情況寫錯誤處理。檢驗標準：資深工程師看了會不會說「太複雜了」。
- 原則三：精準修改（Surgical Changes）：只動需求要求的地方。不順手改旁邊的程式、不重構沒壞的東西、遵守既有風格。看到無關的死程式碼只「提一下」不刪；只清掉因為自己這次改動才變成沒用的 import／變數／函式。
- 原則四：目標導向執行（Goal-Driven Execution）：把任務轉成「可驗證的成功標準」加「驗證迴圈」。例如不要說「加驗證」，而是先寫無效輸入的測試；多步驟工作先講簡短計畫，每步附上檢查方式。
- 核心洞見（README 原話）：“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.” 意思是 LLM 很擅長一直迭代直到達成明確目標，所以要給它成功標準，而不是指令清單。
- 安裝兩種方式，一行指令就好：
- Claude Code plugin：
/plugin marketplace add forrestchang/andrej-karpathy-skills再/plugin install andrej-karpathy-skills@karpathy-skills - 單一專案用：
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
- Claude Code plugin：
- README 自己提醒：這套規則偏「謹慎」而不是「快」，小事可以自行斟酌；貼文作者也建議只留跟自己專案有關的條目。
個人洞見
這四條原則對應的正是 AI 寫程式最常見的三種翻車：沒搞清楚需求就動手、30 行能解決卻寫 300 行、改到不相干的程式。跟 Vercel 的 8 條 prompt 原則 和 Codex／Claude Code 常用指令 一樣，重點都是把「要什麼結果」講清楚，而不是教 AI 每一步怎麼做；Stanford CS329A 講的「靠測試與錯誤訊息自我修正」就是第四條的理論基礎。Karpathy 的另一招 ASD-STE100 簡化英語 則是從輸出可讀性下手，兩者可以一起放進 CLAUDE.md。