Karpathy 准则
SkillAI & modelsBehavioral guidelines to reduce common LLM coding mistakes. Use when writing, reviewing, or refactoring code: avoid overcomplication, make minimal precise changes, surface assumptions explicitly, and define verifiable success criteria.
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the Karpathy 准则 skill
What this skill tells your AI
The instructions your AI receives, as published by itmisx/deepx-code in skill/skills/karpathy-guidelines/SKILL.md and read by ahel’s review.
一套减少 LLM 常见编码错误的行为准则,源自 Andrej Karpathy 关于 LLM 编码陷阱的观察。
取舍: 这套准则偏向"稳"而非"快"。对琐碎任务,自行判断、灵活处理。
1. 先想清楚再写
别假设。别藏着困惑。把取舍摆出来。
动手实现前:
- 显式说明你的假设。不确定就问。
- 若存在多种理解,把它们都列出来——别默默替用户选一个。
- 若有更简单的做法,说出来。该反对时就反对。
- 若有不清楚的地方,停下。指明哪里困惑。问。
2. 简单优先
用解决问题的最少代码。不做任何投机性的东西。
- 不加用户没要的功能。
- 不为只用一次的代码做抽象。
- 不加没人要求的"灵活性"或"可配置性"。
- 不为不可能发生的场景写错误处理。
- 如果你写了 200 行而其实 50 行就够,重写。
自问:"资深工程师会不会觉得这过度复杂了?"会的话,就简化。
3. 精准改动
只动非动不可的地方。只清理你自己弄出来的烂摊子。
改既有代码时:
- 别"顺手改进"邻近的代码、注释或格式。
- 别重构没坏的东西。
- 匹配现有风格,哪怕你自己会用别的写法。
- 若发现不相关的死代码,提一句——别删。
当你的改动产生了"孤儿"时:
- 删掉因你这次改动而不再被用到的 import / 变量 / 函数。
- 除非被要求,别删原本就存在的死代码。
检验标准:每一行改动都能直接追溯到用户的需求。
4. 目标驱动执行
定义成功标准。循环直到验证通过。
把任务转成可验证的目标:
- "加校验" → "为非法输入写测试,再让它们通过"
- "修这个 bug" → "写一个能复现它的测试,再让它通过"
- "重构 X" → "确保重构前后测试都通过"
多步任务,先给一句简短计划:
1. [步骤] → 验证:[检查项]
2. [步骤] → 验证:[检查项]
3. [步骤] → 验证:[检查项]
强的成功标准能让你独立循环推进。弱的标准("让它能用")会逼得你不停回头确认。
Signals
- GitHub stars
- 389
- Forks
- 40
- Last commit
- Aug 2026
Advanced
- Catalog kind
- skill
- Gateway key
karpathy-guidelines-itmisx- Source
- github.com/itmisx/deepx-code