4 步给 andrej-karpathy-skills 加一条自定义规则让 AI 少写废代码【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skillsAI 又给你造了三层抽象还顺手重构了跟任务无关的函数。andrej-karpathy-skills 自定义规则插件就是冲着这类 LLM 代码质量问题来的一份行为准则文件管住 Claude Code 的假设、过度抽象和顺手改动。这篇带你亲手搭一条自己的规则。一键装好并验证插件生效在 Claude Code 终端敲两条命令/plugin marketplace add forrestchang/andrej-karpathy-skills再/plugin install andrej-karpathy-skillskarpathy-skills准则就装进了你所有项目。不想走插件也行把仓库里的 CLAUDE.md 拷进项目根目录效果一样。装完别急着干活先验证。提一个故意含糊的活比如把搜索变快规则生效的 AI 会先追问你要响应时间还是要吞吐量而不是闷头写两百行缓存上来就开干的多半没装上。顺手敲/plugin list列表里出现 karpathy-skills齐活。动手前先过四道检查仓库里那四条原则按做事顺序重排后正好是你给 Claude Code 立 AI 编码规范时的检查清单先定标准再写最简实现改的时候动最少动手前多问一句。先定验收标准再动手给接口加校验先翻译成写测试喂非法输入然后让它通过。标准越可验证AI 越能自己循环到成功不用你盯每一步。200 行砍到 50 行的判断标准AI 给你一套带策略模式的折扣函数而你要的只是一行乘法。检验就一句话资深工程师看了会不会说过度设计会让它重写别收。改一行是一行的手术刀式修改修个空邮箱崩溃diff 里却冒出 docstring、类型标注和引号换风格这是典型的顺手优化。判断标准每行改动都能直接对应你的需求多出来的让 AI 删回去。写代码前问自己四件事假设说出口多种解释摆上桌有简单方案就提出来真不懂就停下问。比如导出数据AI 该先确认导哪些字段、存哪里而不是猜一个全量 JSON 就开跑。4 步搭一条自定义规则并验证它生效这条流程是 Claude Code 插件开发的最小闭环改一个规则文件立刻看到行为变化。选一个你被 AI 坑过的高频问题。别贪大就挑最近一次让你骂街的比如测试文件总被塞进 src 目录。打开仓库里的 SKILL.md 规则模板 看格式文件头是 name 和 description后者一句话写清规则管什么、何时触发正文就是一句原则加几条可执行要点。照葫芦画瓢写你的规则。在项目 skills 目录新建文件头部照抄这个结构name: no-tests-in-src description: 测试文件一律放 tests/ 目录禁止写入 src/。创建或移动测试文件时生效。正文两三行就够一句原则加一两个反例。跑一个反例验证让 AI给 utils 写个测试落到 tests/ 就算过还塞进 src 就把规则写得更狠比如补一句路径不在 tests/ 下就拒绝执行再跑直到服帖。三个最容易翻车的点别把规则写成论文反例往规则文件里塞五百字命名哲学AI 读完还是不知道文件名该不该带下划线。正例一条规则一句话说死——测试文件以 test_ 开头放 tests/ 下。别在别人的代码里顺手优化反例加新规则时把原有四条原则的注释和格式全重写了一遍。正例只追加你自己的章节原文一字不动改完把 CLAUDE.md 和 SKILL.md 同步一下就收工。规则写完不验证等于没写反例写了禁止 console.log直接合入一周后 AI 又吐了二十行调试日志。正例写完立刻丢一个反例任务AI 真照做了才算数——EXAMPLES.md 里的每对正误对照都是现成的验证素材。把踩过的坑变成规则你被坑过的高频问题写成一条能验证的规则就是这套自定义规则插件的玩法有想法去 issue 区提或直接 fork 改。【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 4 步给 andrej-karpathy-skills 加一条自定义规则，让 AI 少写废代码
4 步给 andrej-karpathy-skills 加一条自定义规则让 AI 少写废代码【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skillsAI 又给你造了三层抽象还顺手重构了跟任务无关的函数。andrej-karpathy-skills 自定义规则插件就是冲着这类 LLM 代码质量问题来的一份行为准则文件管住 Claude Code 的假设、过度抽象和顺手改动。这篇带你亲手搭一条自己的规则。一键装好并验证插件生效在 Claude Code 终端敲两条命令/plugin marketplace add forrestchang/andrej-karpathy-skills再/plugin install andrej-karpathy-skillskarpathy-skills准则就装进了你所有项目。不想走插件也行把仓库里的 CLAUDE.md 拷进项目根目录效果一样。装完别急着干活先验证。提一个故意含糊的活比如把搜索变快规则生效的 AI 会先追问你要响应时间还是要吞吐量而不是闷头写两百行缓存上来就开干的多半没装上。顺手敲/plugin list列表里出现 karpathy-skills齐活。动手前先过四道检查仓库里那四条原则按做事顺序重排后正好是你给 Claude Code 立 AI 编码规范时的检查清单先定标准再写最简实现改的时候动最少动手前多问一句。先定验收标准再动手给接口加校验先翻译成写测试喂非法输入然后让它通过。标准越可验证AI 越能自己循环到成功不用你盯每一步。200 行砍到 50 行的判断标准AI 给你一套带策略模式的折扣函数而你要的只是一行乘法。检验就一句话资深工程师看了会不会说过度设计会让它重写别收。改一行是一行的手术刀式修改修个空邮箱崩溃diff 里却冒出 docstring、类型标注和引号换风格这是典型的顺手优化。判断标准每行改动都能直接对应你的需求多出来的让 AI 删回去。写代码前问自己四件事假设说出口多种解释摆上桌有简单方案就提出来真不懂就停下问。比如导出数据AI 该先确认导哪些字段、存哪里而不是猜一个全量 JSON 就开跑。4 步搭一条自定义规则并验证它生效这条流程是 Claude Code 插件开发的最小闭环改一个规则文件立刻看到行为变化。选一个你被 AI 坑过的高频问题。别贪大就挑最近一次让你骂街的比如测试文件总被塞进 src 目录。打开仓库里的 SKILL.md 规则模板 看格式文件头是 name 和 description后者一句话写清规则管什么、何时触发正文就是一句原则加几条可执行要点。照葫芦画瓢写你的规则。在项目 skills 目录新建文件头部照抄这个结构name: no-tests-in-src description: 测试文件一律放 tests/ 目录禁止写入 src/。创建或移动测试文件时生效。正文两三行就够一句原则加一两个反例。跑一个反例验证让 AI给 utils 写个测试落到 tests/ 就算过还塞进 src 就把规则写得更狠比如补一句路径不在 tests/ 下就拒绝执行再跑直到服帖。三个最容易翻车的点别把规则写成论文反例往规则文件里塞五百字命名哲学AI 读完还是不知道文件名该不该带下划线。正例一条规则一句话说死——测试文件以 test_ 开头放 tests/ 下。别在别人的代码里顺手优化反例加新规则时把原有四条原则的注释和格式全重写了一遍。正例只追加你自己的章节原文一字不动改完把 CLAUDE.md 和 SKILL.md 同步一下就收工。规则写完不验证等于没写反例写了禁止 console.log直接合入一周后 AI 又吐了二十行调试日志。正例写完立刻丢一个反例任务AI 真照做了才算数——EXAMPLES.md 里的每对正误对照都是现成的验证素材。把踩过的坑变成规则你被坑过的高频问题写成一条能验证的规则就是这套自定义规则插件的玩法有想法去 issue 区提或直接 fork 改。【免费下载链接】andrej-karpathy-skillsA single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathys observations on LLM coding pitfalls.项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考