이미지: METAL LAB 생성
摘要
- multica-ai代码库基于Andrej Karpathy对LLM编程的观察，公开了一份CLAUDE.md指南
- 这份核心CLAUDE.md由四条原则组成：禁止假设、最小代码、最小改动、成功标准
- 无论是作为Claude Code插件安装，还是用作Cursor规则文件，都能让多个项目共用同一套指南
- 저장소
- multica-ai/andrej-karpathy-skills
- 핵심 파일
- CLAUDE.md; 저장소에는 README·CURSOR.md·SKILL.md·플러그인·커서 규칙 파일도 포함
- 근거 자료
- 안드레이 카파시가 엑스에 올린 LLM 코딩 문제 관찰
- 원칙 구성
- 가정 금지·최소 코드·최소 수정·성공 기준 총 4가지
- 설치 방법
- 클로드 코드 플러그인(권장) 또는 커서용 .cursor/rules 규칙 파일
- 적용 범위
- 플러그인 설치 시 클로드 코드로 여는 모든 프로젝트에 적용
- 라이선스
- MIT
- 제작자 별도 프로젝트
- Multica — 재사용 가능한 스킬 기반 코딩 에이전트 관리 플랫폼
卡帕西的观察，浓缩成一份文件
Andrej Karpathy在X上发文，指出了LLM编程智能体反复出现的毛病。multica-ai代码库基于这一观察，整理出一套可以接入Claude Code的指南，并以"andrej-karpathy-skills"为名公开发布。核心指南浓缩在一份CLAUDE.md文件里，但代码库中还附带了README、CURSOR.md、SKILL.md、插件以及适配其他工具的Cursor规则文件，方便安装和联动使用。CLAUDE.md里包含了四条原则，分别对应卡帕西指出的三个问题。
卡帕西指出的三个毛病
卡帕西指出，LLM在写代码时会反复出现三种情况。"模型会替用户做出错误的假设，连确认都不做就直接往下推进。"也就是说，模型既不会管理不确定性，也不会主动请求澄清，更不会把矛盾之处或权衡取舍摆到台面上。第二个问题是过度设计——本来100行就能解决的事，硬是写成上千行，而且不清理无用代码。第三个问题是副作用：在没有充分理解的情况下，改动或删除与需求无关的注释和代码。
CLAUDE.md的四条原则
代码库整理出四条原则，分别应对上述三个问题。
| 原则 | 核心表述 | 内容 |
|---|---|---|
| 禁止假设 | "Don't assume. Don't hide confusion. Surface tradeoffs." | 不让模型悄悄自行解读后就往下推进，而是先把不确定的部分和权衡取舍摆出来 |
| 最小代码 | "Minimum code that solves the problem." | 用来遏制过度设计的原则，标准是"如果资深工程师看了觉得多余，就应该简化" |
| 最小改动 | "Touch only what you must. Clean up only your own mess." | 不去动与需求无关的代码，并要求每一处改动都能对应回具体需求 |
| 成功标准 | "Define success criteria. Loop until verified." | 把命令式指示转化为可验证的目标，让模型自行反复迭代、核对是否达标 |
第四条原则也呼应了卡帕西的另一个观察：只要给出明确的目标，模型就会自己不断迭代去逼近目标；但如果只给出"make it work"这类模糊标准，就得反反复复来回追问。
怎么使用
multica-ai/andrej-karpathy-skills代码库介绍了两种安装方式。推荐做法是作为Claude Code插件安装：先在Claude Code内添加对应的marketplace，指南就会以插件形式装好，之后不论用Claude Code打开哪个项目，都能调用这套技能，而不局限于某一个特定项目。第二种方式是用于Cursor。代码库里附带了.cursor/rules/karpathy-guidelines.mdc规则文件，在Cursor中打开项目时会自动套用同一套原则。Cursor的具体设置方法在代码库中的CURSOR.md文档里另有说明。
如果项目里已经在用CLAUDE.md文件，只需把这四条原则合并进去即可；如果某个项目还有专属规则，可以在这几条原则下面另起一节补充。代码库特别说明，这套指南的目的并不是要把改错别字这类小事也搞得繁琐复杂，而是聚焦于减少那些难以挽回的失误。
把规则写成文件、在多个编程智能体之间共享，这种做法的好处在于不会被绑定在某一个特定模型上，团队的工作原则可以反复复用。
在公开该代码库的帖子中，同一位作者还顺带介绍了另一个独立的开源项目Multica——一个用可复用技能来运行和管理编程智能体的平台，不过它与CLAUDE.md代码库是两个不同的项目。
编辑视角
这份代码库有意思的地方，不在于它把卡帕西个人的观察原封不动地写成了规则，而在于它揭示出一个事实：实际使用编程智能体的人们所遇到的问题，惊人地一致。无论是Claude Code还是Cursor，换个模型，"悄悄做假设、然后一路推进"或"本该100行的东西硬是写成1000行"这类抱怨照样反复出现。这不是某个模型特有的bug，更像是整个LLM编程智能体共有的习性——而这次的案例说明,仅靠一份指南文件，就能在一定程度上加以纠正。
在实际项目中用过类似规模的编程智能体的人都会得出相似的结论：如果把目标定得像"帮我弄好就行"这样宽泛，智能体不会反问，而是按自己的理解一路推进，结果反倒要花更多时间去检查它交出来的东西。反过来，如果给出"这个函数在这种输入下应输出这种结果才算成功"这样可验证的标准，就能看到智能体自己反复迭代、逐步逼近这个标准。这次CLAUDE.md的第四条原则，恰好点出了这个关键。
对于国内正在用Claude Code或Cursor写代码的团队来说，把这类指南文件加入项目几乎没有额外成本。不过要真正见效,还得先梳理一下团队自己反复踩的坑——比如不清理无用代码、或者动了不相关的文件——再据此调整这些原则。如果只是照搬别人写好的规则，最多只能收获一半的效果。
未来几周里，这种把某个人的观察或团队经验浓缩成CLAUDE.md、技能文件并公开分享的做法应该会越来越多。一旦开源社区形成用规则文件而非提示词互相交流的习惯，最终很可能会走向Anthropic这类开发商把经过验证的规则吸收进默认系统提示词的方向。
评论