[AI 工具] · · 7min read

卡巴西的 Claude Skill 紅到 108k stars,工程師該不該抄?四條規則完整解析

Andrej Karpathy 觀察 LLM 寫 code 五大坑,被 Forrest Chang 整理成 70 行 CLAUDE.md,repo 衝到 108k stars。這篇拆解四條規則、跟既有 Claude Code 設定的重疊度,並推薦只抄那兩條真正空白的規則。

章節目錄 · 9
TL;DR
- 本文解決:看到「卡巴西的 Claude Skill 紅到 108k stars」想知道值不值得裝?
- 推薦給:已經在用 Claude Code、看到中文圈 KOL 推 Karpathy 規則、不確定要不要照搬的工程師
- 讀完你會知道:四條規則內容是什麼、跟你既有 rules 重疊多少、哪兩條真的值得抄、為什麼不建議整份裝。
forrestchang/andrej-karpathy-skills GitHub repo 社群預覽 — Karpathy Claude Code skills 108k stars

📌 目錄

  • 卡巴西是誰,為什麼這份檔案紅到 108k stars

  • 四條規則完整解析

  • 跟你既有 Claude Code 設定重複多少

  • 真的值得抄的兩條

  • 從 0 開始:兩種安裝方式

  • 我自己的判斷與調整

  • 延伸資源
  • 🧠 卡巴西是誰,為什麼這份檔案紅到 108k stars

    「卡巴西」是中文圈對 Andrej Karpathy 的音譯——前 OpenAI 創始成員、Tesla AI 前主管、現在做 Eureka Labs。他在 2026 年初的一則貼文裡列了 LLM 寫程式時最常踩的坑:

    • 沒搞清楚假設就動手
    • 不會主動承認自己困惑
    • 一被叫去寫 code 就過度抽象
    • 改了不該改的鄰近檔案
    • 不知道「做完」長什麼樣
    這些觀察本身沒什麼特別,特別的是有人把它寫成了 70 行的 CLAUDE.md——開發者 Forrest Chang 把 Karpathy 的觀察整理成四條可執行的行為規範,放上 GitHub 取名 andrej-karpathy-skills

    repo 一週衝到 43k stars,現在 108k。這是 GitHub 上少數「不靠程式碼、只靠文字檔」紅起來的 repo

    它的本質是一個 CLAUDE.md——你可以把它放到任何 Claude Code 專案根目錄,Claude 啟動時會自動讀進 system prompt,把這四條規則套用到那個專案的所有對話。

    ⭐ 四條規則完整解析

    直接抄官方原文(forrestchang/andrej-karpathy-skills/CLAUDE.md),不改寫:

    1. Think Before Coding — 動手前先想清楚

    Don't assume. Don't hide confusion. Surface tradeoffs.

    執行細則:

    • 把假設講出來。不確定就問。
    • 如果有多種解讀,列出來,不要默默挑一個。
    • 如果有更簡單的做法,講出來,必要時推回需求。
    • 有任何不清楚的點,停下,講出到底哪裡卡住,問。
    這條打的是 LLM 最常見的毛病:自信地往錯方向衝

    2. Simplicity First — 最小可行程式碼

    Minimum code that solves the problem. Nothing speculative.

    執行細則:

    • 不要寫沒被要求的功能
    • 不要為一次性 code 做抽象
    • 不要加沒被要求的「彈性」「可配置性」
    • 不要為不可能發生的情境加 error handling
    • 寫了 200 行,能寫成 50 行就重寫
    對照問題:「資深工程師會說這太複雜嗎?」 會就簡化。

    3. Surgical Changes — 只動該動的

    Touch only what you must. Clean up only your own mess.

    執行細則:

    • 不要「順手」改鄰近的 code、註解、格式
    • 不要重構沒壞的東西
    • 對齊既有風格,就算你覺得自己會寫得更好
    • 看到無關的 dead code,講出來,不要刪
    • 你的改動製造的孤兒 import / variable / function 才該你清
    驗收標準:每一行改動都能直接追溯到使用者的需求

    4. Goal-Driven Execution — 目標驅動

    Define success criteria. Loop until verified.

    把任務轉成可驗證的目標:

    • 「加 validation」→ 「寫測試驗無效輸入,讓它通過」
    • 「修 bug」→ 「寫一個能重現 bug 的測試,讓它通過」
    • 「重構 X」→ 「重構前後測試都要通過」
    多步任務時,先講出簡短計畫 + 驗證點。

    ⚖️ 跟你既有 Claude Code 設定重複多少

    如果你已經用 Claude Code 一陣子、有自己的 ~/.claude/rules/ 或 CLAUDE.md,先別急著裝。我把 Karpathy 的四條規則跟「Claude Code 預設行為 + 常見社群 rule set」對齊一下:

    Karpathy 規則Claude Code 內建 system prompt常見社群 rule重疊度
    Think Before Coding△ 部分✓ Plan-first / Planner agent
    Simplicity First✓ 「不要超過任務需要的功能」✓ KISS / YAGNI
    Surgical Changes△ 部分(prefer Edit > Write)✓ Coding-style 不可變動
    Goal-Driven Execution✗ 沒明說✓ TDD workflow
    真正空白的,只有兩個地方:

  • 「多種解讀要列出來,不要默默挑一個」 — 這條 Claude Code 預設沒有。預設行為比較傾向「猜一個合理的開始做」。

  • 「每一行改動都能追溯到使用者需求」 — 這個驗收標準很犀利。沒有這條的話,code review 沒有具體判準。
  • 其餘四條的精神大部分被既有 rule 蓋掉。

    🔥 真的值得抄的兩條

    如果你不想整份裝(後面解釋為什麼不建議),這兩條我會單獨抄進自己的 rule:

    抄第一條:「If multiple interpretations exist, present them - don't pick silently.」

    把這句加進 ~/.claude/rules/common/coding-style.md 的 ambiguity 段落。

    為什麼有用: Claude 默默挑一個解讀去做,你看完成品才發現方向錯了——這個成本是返工。叫它先列出來給你選,前置 30 秒換掉幾十分鐘的返工。

    抄第二條:「Every changed line should trace directly to the user's request.」

    把這句加進 code-reviewer agent 的 system prompt。

    為什麼有用: 這是一個單一驗收標準,不需要主觀判斷。看 diff 時逐行問「這行對應使用者哪句話?」答不出來就是順手改,砍掉。

    這比「請 review 一下這段 code 寫得好不好」具體得多。

    ⚡ 從 0 開始:兩種安裝方式

    前置需求

    • Claude Code CLI/plugin 指令需要 plugin 系統,2026-04 之後版本內建。沒裝的去 docs.claude.com/en/docs/claude-code/setup
    • Git:clone repo 或用 curl 下載。
    • 沒了。這是純 markdown 規範,不需要 Node / Python。

    A. Plugin 方式(全域生效)

    /plugin marketplace add forrestchang/andrej-karpathy-skills
    /plugin install andrej-karpathy-skills@karpathy-skills

    裝完之後 Claude Code 啟動時會自動載入這四條規則。

    B. 單檔放專案根目錄(只對該專案生效)

    curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md

    這個方式更靈活——只在你想守規矩的專案放,其他專案不受影響。我推薦這個

    怎麼接到既有 rule

    如果你已經有 CLAUDE.md,不要直接覆蓋。把 Karpathy 那四條附在你現有規則後面,前面加一行:

    ## Karpathy 行為規範(補充)
    

    以下規則來自 Karpathy 對 LLM coding 失誤的觀察,跟我的既有 rules 互補:

    [四條規則內容]

    這樣兩套規則並存,不會撞車。

    📅 我自己的判斷與調整

    我自己 5-6 年 Java 後端 + 2 年 AI 工程,企業內訓帶過 10-50 場。看完這份 CLAUDE.md 我的結論:

    裝法分三種,按場合選:

    場合建議
    Claude Code 新手,沒寫過自己的 rules整份裝,當教練
    已有自己的 rules(像我),跟既有設定重疊 80%只抄那兩條空白點
    有公司 / 團隊 rules 不能改看,不裝 —— 拿這四條當 review checklist
    為什麼不建議無腦整份裝:
    • 你的 rules 比 Karpathy 70 行版本詳細很多倍
    • 規則會撞車(例:你的 TDD workflow vs Karpathy Goal-Driven,兩套都要求你「先寫測試」)
    • Plugin 載入會吃 system prompt token,重複規則 = 浪費 context
    最後一個踩坑提醒: 看到 KOL 推「神仙 prompt」「神級 CLAUDE.md」就想抄是人之常情,但 prompt 跟工具一樣會生鏽。Karpathy 這份 2026-01 的觀察,到 2026-05 已經有部分被 Claude Code 內建吸收。留意原始發文時間,不要拿一年前的規則套到今天的工具。
    我輩修行之人,以聖的標準要求自己,以凡的眼光理解別人。

    🔗 延伸資源

    author
    陳彥彤

    AI 工程師 · AI 顧問。Java 後端 8 年、AI 工程師 2 年。AI 內訓 · AI 導入顧問 · 前後端與雲端培訓。

    support

    覺得文章有用可以到 GitHub 給個 star,或是透過信箱聊聊 AI 內訓、AI 導入顧問或前後端 / 雲端培訓。

    related

    相關文章

    [AI 工具] · 31min
    LLM Wiki 是什麼?Karpathy 知識編譯方案兩週實測(vs RAG、token 降 87%、踩坑筆記)
    LLM Wiki 是什麼?2026 年 4 月 Karpathy 在 gist 丟了 200 行 markdown,一週後全網炸開、12 個社群 implementation。一句話講:讓 LLM 把你丟的所有資料「編譯」成一個結構化的 markdown 知識庫,以後問問題不查原始檔、查這個被整理過的 wiki。本文拆解 RAG vs LLM Wiki 的編譯式/解釋式之差、三層架構、30 分鐘上手路徑、我把 7 場教學逐字稿 + 200 則 Discord QA 丟進去跑兩週的實測(token 降 87%)、5 個踩坑、什麼情境裝了反而是負擔。
    [AI 工具] · 20min
    Superpowers 暴衝 121k stars、Anthropic 收編,該裝嗎?跟手寫 skill 怎麼選
    obra/superpowers 7 個月 121k stars、2026/01 進 Anthropic 官方 plugin marketplace,14 個內建 skill 把資深工程師工作流(brainstorm/TDD/debug)強行套到 Claude Code 上,token -14%、首次成功率 +40%。但我自己跑兩週發現:小任務反而 +20% token、demo 前急著修 bug 被 brainstorming 拖住、Haiku 跑不動。本文拆 14 個 skill 各自解什麼、5 個踩坑、跟自己手寫 skill 的對照表(從適用任務、學習曲線、客製化彈性、維護成本四個維度比較)、Jesse Vincent 的設計哲學(讓 Claude 暫停,不是變聰明)。
    [AI 工具] · 21min
    MemPalace 知識管理工具完整教學:3.3.5 救援、HNSW 修復、claude -p proxy 省 API 錢
    MemPalace 是 AI agent 用的長期記憶系統。chromadb 1.5.x 在 macOS 26.4 ARM64 必 SIGSEGV,所有 CLI 全死、只剩 MCP server 苟活。MemPalace 3.3.5 用兩個機制救回來:HNSW segment quarantine 自動隔離壞索引、repair --mode from-sqlite 從 sqlite3 直接撈資料重灌新 palace。本文記錄完整升級路徑、3.3.5 兩個救命機制原理、外加 180 行 Python claude-p-openai-proxy.py 把 claude -p CLI 包成 OpenAI 相容 HTTP 端點,讓 mempalace compress 走 Max 訂閱、零 API 成本。