15万星！Karpathy 亲自炮轰 AI 编程：LLM 最大的毛病是被抓包也不认错
15万星！Karpathy 亲自炮轰 AI 编程：LLM 最大的毛病是被抓包也不认错
“
“模型会默默做出错误假设，然后一路狂奔，从不检查、不提问、不质疑、不呈现权衡、不在应该时说 NO。”
2026年1月26日，AI 圈教父 Andrej Karpathy 发了一条推，直指当前大模型编程的 4大致命缺陷。
这条推没有引发骂战——因为他说得太对了。
3周后，开发者 Forrest Chang 把这4条原则写成了一份 65 行的 CLAUDE.md 文件，上线 GitHub。
现在：15万颗星，15300个 Fork。
一、Karpathy 炮轰的 4 大 LLM 编程顽疾
Karpathy 原话翻译如下，每一条都扎在程序员的痛点上：
毛病1：暗中假设，从不确认
“
“它们悄咪咪地做出错误假设，然后一路狂奔，从来不检查、不提问、不质疑。”
典型场景：你要导出用户数据，它直接假设了文件路径、字段名、格式，连问都不问你。
毛病2：代码膨胀，抽象泛滥
“
“它们真的超爱把代码和 API 搞得很复杂，堆砌抽象层级，不清理死代码……实现一个 1000 行的大结构，明明 100 行就能搞定。”
典型场景：加一个校验，它给你造一套「可扩展的」校验框架。
毛病3：顺手改代码，边角料一堆
“
“它们有时候会顺手改掉/删掉那些自己没充分理解的注释和代码——即便这些改动和任务正交，完全没必要动。”
典型场景：你让它修一个 bug，它「顺便」把相邻的模块也重构了，然后测出问题。
毛病4：给指令，不给目标
“
“它们喜欢用模糊的指令，而不是定义清晰的成功标准，导致需要反复确认。”
典型场景：「把这个功能优化一下」——优化成什么样？不知道。
二、4 大原则，对症下药
Forrest Chang 的 CLAUDE.md 文件针对这 4 个毛病，给出了 4 个原则：
| 原则 | 解决的问题 |
|---|---|
| Think Before Coding | 暗中假设、从不确定 |
| Simplicity First | 代码膨胀、抽象泛滥 |
| Surgical Changes | 顺手改代码、边角料一堆 |
| Goal-Driven Execution | 给指令不给目标、反复确认 |
原则1：Think Before Coding（编码前先思考）
核心：别假设，有疑问就问。
不确定的时候 → 问用户，而不是猜
存在多种解释 → 不要默默选一个，要呈现出来
有更简单的方案 → 说出来，而不是闷头实现
遇到困惑 → 停下来，明确说出哪里不清楚，请求指示
原则2：Simplicity First（简单优先）
核心：最小代码解决问题，不做任何多余的事。
不做没人要求的功能
不给单次使用的代码写抽象
不加没人要的「灵活性」和「可配置性」
不处理不可能发生的错误场景
如果 200 行能写成 50 行，就重写
“
检验标准：一个高级工程师会说「这太复杂了吗？」——如果是的，简化。
原则3：Surgical Changes（手术刀式修改）
核心：只动你必须动的，清理自己留下的烂摊子。
编辑现有代码时：
不「优化」相邻代码、注释、格式
不重构没坏的东西
不改你理解不了的代码
✅ 匹配现有风格，即使你会有不同做法
⚠️ 发现无关的死代码 → 说出来，而不是删掉
当你的改动产生了孤儿代码：
✅ 删除你这次改动导致的无用 import/变量/函数
❌ 不删除改动前就有的死代码（除非被要求）
“
检验标准：每一行改动都应该能直接追溯到用户的请求。
原则4：Goal-Driven Execution（目标驱动执行）
核心：给成功标准，而不是给命令，让 LLM 自主循环。
| 不要 | 要 |
|---|---|
| 「添加校验」 | 「写测试覆盖无效输入，然后让测试通过」 |
| 「修掉这个 bug」 | 「写一个能复现 bug 的测试，然后让测试通过」 |
| 「重构 X」 | 「确保重构前后测试都通过」 |
对于多步任务，先说计划：
1. [步骤] → 验证：[检查点] 2. [步骤] → 验证：[检查点] 3. [步骤] → 验证：[检查点]
“
Karpathy 原话：「LLM 超擅长在遇到特定目标时循环……别告诉它要做什么，给它成功标准，然后看它跑。」
三、安装使用：30秒见效
方式1：Claude Code 插件（推荐）
# 第一步：添加市场 /plugin marketplace add forrestchang/andrej-karpathy-skills # 第二步：安装插件 /plugin install andrej-karpathy-skills@karpathy-skills
方式2：CLAUDE.md（按项目）
新项目：
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
已有 CLAUDE.md 的项目（追加）：
echo "" >> CLAUDE.md curl https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md >> CLAUDE.md
方式3：Cursor 用户
仓库自带 .cursor/rules/karpathy-guidelines.mdc，打开项目自动生效。
四、怎么衡量它有没有起作用？
仓库给出了 4 个信号，说明指南在生效：
✅ Diffs 变干净了 —— 只出现你要求的改动
✅ 重写变少了 —— 代码第一次就足够简单
✅ 先问再做 —— 实现前会先确认，而不是出错后再来
✅ PR 变小了 —— 没有顺手的重构或「优化」
五、为什么这个项目爆了？
15万星背后，是整个行业对 AI 编程助手的「爱恨交织」。
爱：coding agent 确实让开发效率起飞。
恨：它同时带来了：
过度工程（一个登录功能写了 2000 行）
静默错误（偷偷改了什么你不知道）
无限循环（反复确认却没有结论）
难以审查（PR 里有 80% 是你不需要的改动）
Karpathy 的 4 条原则，精准命中了这 4 大痛点。
而这份 CLAUDE.md，用 65 行代码 解决了这个问题。
“
这是 2026 年到目前为止，AI 编程圈最值得收藏的开源项目之一。
相关链接
🌐 Karpathy 原推：https://x.com/karpathy/status/2015883857489522876[1]
💾 GitHub：https://github.com/multica-ai/andrej-karpathy-skills[2]