一个CLAUDE.md霸榜GitHub第一，蒸馏自Karpathy，6万码农抄作业

但就是这四条规矩，把Karpathy总结的AI编程陷阱，变成了套在AI头上的“紧箍咒”，让乱写Bug的大模型瞬间老实！

把它丢进项目根目录，AI编程Agent就会自动读取并遵守里面的规则。

现在X上的开发者已经炸了锅：有人说这解决了AI编程最头疼的问题，有人连夜把它加到自己的所有项目里。

这个CLAUDE.md里的四条原则，每一条都精准戳中AI编程的痛点，全是Karpathy对LLM编程陷阱的观察总结：

你让AI“加个验证功能”，它不会问你验证什么、严不严，直接猜个最复杂的方案写一堆没用的代码，还一副胸有成竹的样子。

这条原则直接规定：不确定必须停下来问，存在多种理解就列选项让用户选，发现更简单的方案主动推回来——不准瞎猜！

你要个小功能，AI给你整出企业级架构，附带登录认证、安全校验、流量控制。你说“简单点”，它立刻砍大半还说“当然可以”——说明它一开始就知道不用写那么多，但就是忍不住。

这条原则直接堵死：没要求的功能不写，只用一次的代码不建抽象层，没人要的“灵活性”不加，不可能的异常不处理。检验标准就一条：资深工程师看了会不会说“太复杂”？会就砍！

你让AI修个Bug，它改完Bug顺手重构旁边代码，换变量名、删注释、改风格，最后改动30处只有5处和需求相关。

这条原则严格限制：只动被要求的部分，匹配项目已有风格，不相关问题只提别动手，自己改出来的无用代码要清理，但原有问题没人让改就别碰！

AI擅长“循环到达标为止”，那就别告诉它具体步骤，直接给验收标准。比如加功能别说“写函数实现X”，改成“先写测试用例再让所有测试通过”；修Bug改成“先写复现测试再让它通过”。

复杂任务就让AI先列计划，每步带验证方式——验收标准越清，AI独立执行时间越长，你介入频率越低，这可是用AI编程的最大杠杆！

而Karpathy自己的编程工作流，已经从“80%手写+20%AI辅助”彻底翻转成“80%交给Agent+20%自己修补”。

他说看着Agent死磕一个问题30分钟不放弃，最后居然成功，这种“feeltheAGI”的时刻让他意识到：工作瓶颈之一“耐力”被LLM彻底炸开了。

但他也预警“Slopacolypse”——2026年AI生成的低质量内容会泛滥，甚至自己手写代码的能力都在萎缩。

这个仓库火的核心，是把顶级工程师的隐性知识，打包成Agent能直接读取的格式。Karpathy不再只是你读的人，而是你的Agent可以直接继承行为的人——这才是最疯狂的地方！

它把“agenticengineering”（把AI当需要明确目标、边界和测试的协作伙伴）变成了可落地的实践，成了AI编程时代的“生存手册”。

Multica把多个AI编程Agent统一管理，像团队成员一样分配任务——正如项目介绍说的：“你接下来招的10名员工，都不会是人类了。”

你用AI写代码时遇到过哪些糟心事？是AI瞎猜需求、写冗余代码，还是乱改无关部分？评论区聊聊你的“踩坑”经历，看看谁的AI最“叛逆”！