一个 .md 文件霸榜 GitHub

2026 年 4 月，一个只有 70 行的 Markdown 文件冲上 GitHub 热榜第一，48000+ Star，6 万开发者连夜 fork。

这个文件叫 CLAUDE.md，源自 Andrej Karpathy（前 OpenAI/Tesla AI 负责人）对 AI 编程的观察。他发现 AI 写代码有三个致命问题：

  • 瞎猜需求：你说"重构这个函数"，AI 按自己的理解冲了，不问你
  • 乱改代码：改一个 bug，顺手"优化"了旁边 10 个文件
  • 堆代码：50 行能搞定的事，写了 200 行，加了一堆没人要的"灵活性"

    • 开发者 Forrest Cheung 把 Karpathy 的吐槽整理成了 4 条可执行的规则，放进 CLAUDE.md 文件。效果立竿见影。

    四条规则（完整中文翻译）

    规则 1：先想再写

    不要假设。不要隐藏困惑。把权衡摆出来。

    写代码之前：

    • 明确说出你的假设。不确定就问
    • 如果有多种理解方式，列出来——不要偷偷选一个
    • 如果有更简单的方案，说出来。该推回去就推回去
    • 如果搞不清楚，停下来。说清楚哪里不懂。问

    实战例子：

    ❌ 差的做法：

    你：帮我加个用户验证

    AI：（直接写了 JWT + OAuth + 2FA 全套）

    ✅ 好的做法：

    你：帮我加个用户验证

    AI：我有几个问题：
    

  • 是简单的密码验证还是需要 OAuth？
    • 

  • 需要 JWT token 还是 session？
    • 

  • 现有代码里有没有已经在用的认证库？
    •

    规则 2：简单优先

    最少的代码解决问题。不做投机性开发。

    • 不加没要求的功能
    • 单次使用的代码不做抽象
    • 不加没人要的"灵活性"和"可配置性"
    • 不为不可能的场景写错误处理
    • 如果你写了 200 行但 50 行就够，重写

    自检："一个资深工程师会说这太复杂了吗？" 如果会，简化。

    实战例子：

    ❌ 差的做法：

    class AbstractDataProcessorFactory:

        def create_processor(self, config: ProcessorConfig) -> BaseProcessor:
    

            ...  # 200 行抽象工厂模式

    ✅ 好的做法：

    def process_data(filepath):

        data = pd.read_csv(filepath)
    

        return data.dropna().reset_index(drop=True)

    规则 3：精准手术

    只改必须改的。只清理自己的烂摊子。

    改现有代码时：

    • 不要"顺手改进"旁边的代码、注释或格式
    • 不要重构没坏的东西
    • 匹配现有代码风格，即使你觉得不好
    • 发现无关的死代码，提一嘴就行——别删

    你的改动产生了孤儿代码时：

    • 删掉你的改动导致不再使用的 import/变量/函数
    • 不要删原来就存在的死代码（除非被要求）

    检验标准：每一行改动都应该能直接追溯到用户的需求。

    规则 4：目标驱动执行

    定义成功标准。循环直到验证通过。

    把任务转化为可验证的目标：

    • "加验证" → "写无效输入的测试，然后让测试通过"
    • "修 bug" → "写一个复现 bug 的测试，然后让测试通过"
    • "重构 X" → "确保重构前后测试都通过"

    多步任务，先列计划：

    1. [步骤] → 验证：[检查方法]

  • [步骤] → 验证：[检查方法]
    • 

  • [步骤] → 验证：[检查方法]
    •

    强成功标准让 AI 能独立循环。弱标准（"让它能用"）需要不断澄清。

    怎么用？

    方法 1：Cursor / Windsurf

    在项目根目录创建 .cursorrules 或 CLAUDE.md 文件，把四条规则粘贴进去。AI 每次生成代码时都会参考这些规则。

    方法 2：ChatGPT / DeepSeek / Claude

    在对话开头加一段 System Prompt：

    你是一个遵循 Karpathy 四原则的编程助手：

  • 先想再写：不确定就问，不要假设
    • 

  • 简单优先：最少代码解决问题
    • 

  • 精准手术：只改必须改的
    • 

  • 目标驱动：定义成功标准，循环验证
    •

    方法 3：团队协作

    把规则加到项目的 CONTRIBUTING.md 或 README.md 里，让所有 AI 工具和人类开发者都遵循同一套标准。

    为什么有效？

    Karpathy 的洞察核心是：AI 不是不够聪明，而是太"积极"了。

    • 你说改一个函数，它改了整个文件
    • 你说加个功能，它加了一个框架
    • 你说修个 bug，它重构了整个模块

    四条规则本质上是给 AI 装了一个"刹车系统"：

    • 规则 1（先想再写）= 踩刹车，先确认方向
    • 规则 2（简单优先）= 限速，不要飙车
    • 规则 3（精准手术）= 车道保持，不要乱变道
    • 规则 4（目标驱动）= 导航，知道终点在哪

    原文链接

    总结

    一个 70 行的 .md 文件能拿 48000 Star，说明 AI 编程的痛点是真实的。这四条规则不复杂，但真的有效。

    想系统学习 AI 编程？加入 yangmao.ai 的 AI 修炼 7 天营，编程赛道从 0 开始，7 天做出第一个项目。