一个文件，39K star：Andrej Karpathy的LLM编程原则正在改变AI写代码的方式

来源：市场资讯

（来源：磐创AI）

项目创建时间：2026年1月27日 当前 star：39,361 天数：78 天 日均增长：505 star/天 Fork 率：8.2%（3225 forks） 

505 star/天是什么概念？

对比一下： - React 巅峰期 ~100 star/天 - Vue 巅峰期 ~80 star/天 - 这个项目：505 star/天

78 天，39K star。

这是一个文件做到的。

什么文件？

一个 CLAUDE.md。

就是放在项目根目录的那个文件，Claude Code 启动时会自动读取的那个。

这个文件的内容，是从 Andrej Karpathy 的 Twitter 帖子提炼出来的 LLM 编程原则。

Andrej Karpathy 是谁？

如果你做 AI，不知道他是谁——你需要了解一下。

简历： - OpenAI 创始成员（2015-2017） - Tesla Autopilot 负责人（2017-2022） - 斯坦福大学博士（深度学习方向） - 李飞飞的学生 - Twitter @AndrejKarpathy，百万粉丝

简单说：他是 AI 领域最懂深度学习的人之一，也是在工业界落地深度学习最成功的人之一。

2025年底，他在 Twitter 发了一个帖子，讲 LLM 写代码的问题。

这个帖子，被一个叫 @forrestchang（Jiayuan Zhang，1685 followers，103个仓库）的独立开发者看到了。

他花了几分钟，把它整理成了一个 CLAUDE.md 文件。

然后发到了 GitHub。

然后就爆了。

LLM 写代码有什么问题？

Karpathy 的原话：

"The models make wrong assumptions on your behalf and just run along with them without checking. They don't manage their confusion, don't seek clarifications, don't surface inconsistencies, don't present tradeoffs, don't push back when they should."

翻译：LLM 会默认替你做很多假设，然后闷头跑，也不问你，也不告诉你。

Karpathy 还说：

"They really like to overcomplicate code and APIs, bloat abstractions, don't clean up dead code... implement a bloated construction over 1000 lines when 100 would do."

翻译：LLM 喜欢把代码写得过度复杂，本来100行能解决，它给你整1000行。

这可能是你在用 Claude Code 或 Cursor 时的真实感受：

• "我就要一个小功能，它给我整了一堆没用的抽象"

• "我只是改了一个变量名，它把旁边的代码也改了"

• "我让它修个 bug，它把原来好好的代码也改坏了"

这个 CLAUDE.md 文件，核心就是四个原则：

1. Think Before Coding

不要假设。不要隐藏困惑。说出权衡。

• 如果不确定，直接问，而不是瞎猜

• 如果有多种解释，摆出来，不要自己默默选一个

• 如果发现更简单的方案，说出来

• 如果不清楚，停下来，问清楚再写

2. Simplicity First

最小代码解决问题，不写多余的东西。

• 不做需求之外的功能

• 不给只用一次的代码写抽象

• 不写"可能以后用得上"的配置

• 如果200行可以写成50行，重写

3. Surgical Changes

只动必须动的代码。

• 不要"顺便"改旁边的代码

• 不要 refactor 那些没坏的东西

• 匹配现有风格，即使你平时不这么写

• 只删你自己的改动产生的孤儿代码

4. Goal-Driven Execution

定义成功标准，循环验证直到达标。

把指令变成目标：

改成

而不是

"写测试验证无效输入，然后让测试通过"

"加上验证"

"写一个能复现问题的测试，然后修复它"

"修掉那个 bug"

"确保重构前后测试都通过"

"重构 X 模块"

为什么有效？

核心洞察来自 Karpathy：

"LLMs are exceptionally good at looping until they meet specific goals... Don't tell it what to do, give it success criteria and watch it go."

LLM 最强的地方是循环执行直到达到目标。

不要告诉它怎么做，给它成功标准，让它跑。

这就是为什么第四个原则——Goal-Driven Execution——是最关键的。

它不是在约束 LLM，而是在发挥 LLM 的优势。

505 star/天的秘密

为什么这个项目能这么火？

1. 解决了真实痛点

每一个用 Claude Code / Cursor 的开发者，都遇到过： - LLM 过度工程化 - LLM 乱改代码 - LLM 不问就做

这个文件直接解决这些问题。

2. Andrej Karpathy 的背书

这不只是"一个开发者的经验"。

这是 AI 领域传奇的观察。信任度完全不同。

3. 极度简单

不是一个工具，不是一个插件，不是一套系统。

就是一个文件。

curl 一下就能用。

4. fork 率 8.2%

这个数字非常高。

意味着每 12 个 star，就有一个 fork。

说明 star 它的人真的在用。

怎么用？

方式一：Claude Code 插件（推荐）

在 Claude Code 里：

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

方式二：手动安装

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

我的判断

这个项目能到 39K star，不是因为它有多复杂。

恰恰相反。

它牛在：

2. 1. 抓到了本质问题

   ：LLM 写代码的三个核心问题——乱假设、过度工程、随意改动

4. 2. 给出了简洁解法

   ：四个原则，每个都直击痛点

6. 3. 有最强背书

   ：Karpathy 的名字就是信任

8. 4. 用起来极简

   ：一个文件，curl 就能用

这个项目的意义不只是自己火了。

它证明了：LLM 编程的核心问题，答案不在于更强的模型，而在于更好的 prompt 约束。

一个好的 CLAUDE.md 文件，可以让 Claude Code 的效率提升一个档次。

链接

• GitHub（39K star）

• Karpathy 原帖

• 作者 @forrestchang（Jiayuan Zhang）

78天，39K star。

一个文件的力量。