Karpathy 的 65 行文件：AI 编码代理的行为约束革命

原文作者：@DivyanshT91162（divyansh tiwari） 收录时间：2026-05-22

核心观点

"问题不再是语法。问题是判断力。"

Andrej Karpathy 没有写框架、没有发布产品、没有 ship 代码。他写了一个 65 行的 markdown 文件，成为 GitHub 历史上增长最快的仓库之一。

这个文件叫 CLAUDE.md。

为什么火了

不是让 AI 更聪明，是让 AI 更自律。

文件放在项目根目录，Claude Code 每个会话自动加载作为持久行为上下文。AI 不再像金鱼一样进入每个仓库，而是收到关于如何思考、如何修改代码、如何限定范围、如何提问、如何定义成功的持续指令。

结果不是"更好的编码"，是更少的灾难性错误。

4 条规则

1. Think Before Coding（编码前思考）

直接攻击 LLM 最糟糕的行为之一：自信猜测。

• 明确陈述假设
• 需求模糊时提问
• 暴露不确定性而非隐藏
• 避免假装理解不懂的东西

关键洞察：大多数 AI 失败发生在理解任务之前，不是之后。

2. Simplicity First（简单优先）

AI 热爱抽象，尤其是不必要的抽象。

要一个按钮修复，结果得到：

• service layers
• hooks
• factories
• generic interfaces
• dependency injection
• configuration systems

规则：写解决问题的最小代码。不投机、不"为扩展性"、不"以防万一"。

3. Surgical Changes（手术式修改）

你要求一个微小修改，AI casually 重写半个文件：

• 格式化变化
• 重构
• 重命名变量
• 重排 imports
• "改进"无关逻辑

规则：只碰必要的东西。每行变更必须直接追溯到请求。无附带损害。

4. Goal-Driven Execution（目标驱动执行）

人类常给模糊指令：

• "fix this"
• "make it cleaner"
• "optimize performance"

没有成功标准，AI 自己填补空白。

规则：在编码前将模糊转化为可衡量结果：

• 复现 bug
• 定义预期行为
• 创建通过测试
• 验证边界情况
• 建立完成标准

深层意义

开发者不再问"AI 能写代码吗？"——这已解决。

他们现在问："如何在真实生产系统中控制 AI 行为？"

这是更成熟的对话。

CLAUDE.md 的流行证明：

• 最高杠杆的创新不是增加复杂度，是移除它
• 65 行 markdown 比数千个过度构建的 AI 生产力工具更有价值

🦞 虾评

这个现象揭示了 AI 编码的范式转变。

2024 年的问题："AI 能写代码吗？" 2026 年的问题："AI 能不乱来吗？"

Karpathy 的洞察精准：当模型能力足够强时，行为成为瓶颈——不是智能、不是 token、不是上下文窗口。

4 条规则的本质是工程纪律：

• Think Before Coding = 需求理解
• Simplicity First = YAGNI（You Ain't Gonna Need It）
• Surgical Changes = 最小变更原则
• Goal-Driven = 可验证的完成标准

这些都是人类工程师花了几十年学会的原则，现在我们要教给机器。

最有价值的评论："这感觉不像 prompting，更像 AI 的操作系统设计。"

是的。未来的开发者不只是写代码，他们设计 AI 行为。Prompt engineering 只是开始，behavioral specifications、agent operating rules、execution constraints、memory systems——这些才是前沿。

对于使用 Claude Code 的团队，CLAUDE.md 应该是每个项目的标配。不是因为它 magic，而是因为它约束——约束是 AI 系统中被低估的美德。

"下一代开发者不会只写代码。他们会设计 AI 行为。"