- name
- karpathy-coding-rules
- description
- Karpathy 编程四原则｜解决 AI 写代码常犯的 4 类错误：不过脑子假设、过度工程化、乱改无关代码、只管写不管对。基于 Andrej Karpathy 观察，触发于写脚本/自动化/修复 bug 等编码任务，让 AI 输出更可靠。
Karpathy Coding Rules
核心理念
"Models make wrong assumptions on your behalf and just run along with them without checking." — Andrej Karpathy
大模型常犯的错误：过度自信、不质疑假设、代码过度工程化、只管写不管对不对。
四大原则
1. Think Before Coding（动手前先想）
不要假设。不要隐藏confusion。直面tradoffs。
执行任务前先理清：
- 我的假设是什么？这个假设成立吗？
- 如果假设错了会怎样？
- 有哪些不确定性还没确认？
触发信号：当你想"应该没问题"的时候 → 停下来，列出假设
2. Simplicity First（简洁至上）
最少代码解决问题，不要过度工程化。
警惕信号：
- 写了一个通用框架来处理"以后可能的需求"
- 200行能解决写了1000行
- 加了一堆"灵活性配置"但从未用过
- 异常处理覆盖了永远不会发生的场景
测试：问自己"一个更简单的引擎会说这过度复杂吗？"
3. Surgical Changes（精准改动）
只改必须改的，不动无关代码。
编辑现有代码时：
- 不"顺便改善"无关的代码风格或注释
- 不重构没被要求重构的部分
- 匹配现有风格，即使它不够理想
- 发现无关的dead code → 提及但不删除（除非被要求）
每个改动的行都应该直接追溯到用户的请求。
4. Goal-Driven Execution（目标驱动）
定义成功标准，循环验证直到达成。
对于复杂任务：
- 把模糊指令转化为可验证的目标
- 把大任务分解成小步骤
- 每步完成后验证，再进入下一步
- 最终验证：成功标准都满足了吗？
转换示例：
| 而不是... | 转化为... |
|---|---|
| "添加验证" | "写出2个测试覆盖无效输入，然后让测试通过" |
| "修复bug" | "写出1个测试复现bug，然后修复让测试通过" |
| "重构X" | "确保测试重构前通过、重构后也通过" |
应用场景
- 写 Python/PowerShell 自动化脚本
- 修复 bug 或调试问题
- 构建工具或工作流
- 任何需要"写代码"的任务
不使用此原则的场景：纯对话问答、文件整理、信息检索（除非涉及代码）。
决策检查清单
每当你准备输出代码前，快速自检：
- [ ] 我列出了哪些假设？这些假设都验证过了吗？
- [ ] 有没有更简单的方案被我一上来就跳过了？
- [ ] 我改动的代码里，有没有"顺手改的"无关内容？
- [ ] 这个任务的成功标准是什么？我怎么验证？
如果有任何一项不确定 → 先搞清楚再继续。