一個CLAUDE.md霸榜GitHub第一，蒸餾自Karpathy，6萬碼農抄作業

但就是這四條規矩，把Karpathy總結的AI編程陷阱，變成了套在AI頭上的“緊箍咒”，讓亂寫Bug的大模型瞬間老實！

把它丟進項目根目錄，AI編程Agent就會自動讀取并遵守里面的規則。

現在X上的開發者已經炸了鍋：有人說這解決了AI編程最頭疼的問題，有人連夜把它加到自己的所有項目里。

這個CLAUDE.md里的四條原則，每一條都精準戳中AI編程的痛點，全是Karpathy對LLM編程陷阱的觀察總結：

你讓AI“加個驗證功能”，它不會問你驗證什么、嚴不嚴，直接猜個最復雜的方案寫一堆沒用的代碼，還一副胸有成竹的樣子。

這條原則直接規定：不確定必須停下來問，存在多種理解就列選項讓用戶選，發現更簡單的方案主動推回來——不準瞎猜！

你要個小功能，AI給你整出企業級架構，附帶登錄認證、安全校驗、流量控制。你說“簡單點”，它立刻砍大半還說“當然可以”——說明它一開始就知道不用寫那么多，但就是忍不住。

這條原則直接堵死：沒要求的功能不寫，只用一次的代碼不建抽象層，沒人要的“靈活性”不加，不可能的異常不處理。檢驗標準就一條：資深工程師看了會不會說“太復雜”？會就砍！

你讓AI修個Bug，它改完Bug順手重構旁邊代碼，換變量名、刪注釋、改風格，最后改動30處只有5處和需求相關。

這條原則嚴格限制：只動被要求的部分，匹配項目已有風格，不相關問題只提別動手，自己改出來的無用代碼要清理，但原有問題沒人讓改就別碰！

AI擅長“循環到達標為止”，那就別告訴它具體步驟，直接給驗收標準。比如加功能別說“寫函數實現X”，改成“先寫測試用例再讓所有測試通過”；修Bug改成“先寫復現測試再讓它通過”。

復雜任務就讓AI先列計劃，每步帶驗證方式——驗收標準越清，AI獨立執行時間越長，你介入頻率越低，這可是用AI編程的最大杠桿！

而Karpathy自己的編程工作流，已經從“80%手寫+20%AI輔助”徹底翻轉成“80%交給Agent+20%自己修補”。

他說看著Agent死磕一個問題30分鐘不放棄，最后居然成功，這種“feeltheAGI”的時刻讓他意識到：工作瓶頸之一“耐力”被LLM徹底炸開了。

但他也預警“Slopacolypse”——2026年AI生成的低質量內容會泛濫，甚至自己手寫代碼的能力都在萎縮。

這個倉庫火的核心，是把頂級工程師的隱性知識，打包成Agent能直接讀取的格式。Karpathy不再只是你讀的人，而是你的Agent可以直接繼承行為的人——這才是最瘋狂的地方！

它把“agenticengineering”（把AI當需要明確目標、邊界和測試的協作伙伴）變成了可落地的實踐，成了AI編程時代的“生存手冊”。

Multica把多個AI編程Agent統一管理，像團隊成員一樣分配任務——正如項目介紹說的：“你接下來招的10名員工，都不會是人類了。”

你用AI寫代碼時遇到過哪些糟心事？是AI瞎猜需求、寫冗余代碼，還是亂改無關部分？評論區聊聊你的“踩坑”經歷，看看誰的AI最“叛逆”！