andrej-karpathy-skills让LLM代码更可靠的6个方法：终极指南

andrej-karpathy-skills让LLM代码更可靠的6个方法终极指南【免费下载链接】andrej-karpathy-skills项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills你是否经常发现AI助手生成的代码过于复杂、包含不必要的功能或者在你没有要求的情况下修改了无关代码这些问题正是Andrej Karpathy指出的LLM编程常见陷阱。现在andrej-karpathy-skills项目提供了一套完整的解决方案帮助开发者让LLM生成的代码更加可靠、简洁和精准。本文将为你详细介绍6个核心方法让你的AI编程助手变得更有价值。 方法一编码前思考 - 明确假设避免猜测LLM最大的问题之一是它们会默默做出假设并继续执行而不是停下来澄清。andrej-karpathy-skills的第一个原则就是编码前思考。这要求AI助手在开始编码前必须明确陈述假设- 如果不确定应该询问而不是猜测呈现多种解释- 当存在歧义时展示所有可能的方案遇到困惑时停止- 明确指出不清楚的地方并请求澄清例如当用户说添加导出用户数据的功能时AI不应该直接实现一个复杂的导出系统而应该先询问导出所有用户还是筛选后的需要什么格式JSON/CSV包含哪些字段这种前置思考可以避免大量不必要的返工。️ 方法二简单优先 - 只解决当前问题LLM倾向于过度工程化为可能永远不会用到的场景添加功能。简单优先原则要求不添加未请求的功能- 只实现明确要求的内容避免单一用途的抽象- 不要为只使用一次的代码创建抽象层不处理不可能的场景- 只为实际可能发生的错误添加处理逻辑查看EXAMPLES.md中的折扣计算示例你会看到一个过度工程化的策略模式实现与一个简单函数的对比。好的代码是简单解决今天的问题而不是过早解决明天的问题。 方法三精准修改 - 只改动必要代码当修改现有代码时AI助手经常顺便重构相邻代码、改变格式或删除无关内容。精准修改原则要求只修改与任务直接相关的行- 每行更改都应该能追溯到用户的请求匹配现有代码风格- 即使你更喜欢其他风格也要保持一致只清理自己的遗留问题- 如果修改导致某些代码不再使用可以删除它们但不要删除之前就存在的死代码在CLAUDE.md中这个原则被总结为只清理自己的烂摊子这是保持代码库稳定的关键。 方法四目标驱动执行 - 定义可验证的成功标准模糊的指令导致模糊的结果。目标驱动执行将模糊任务转化为可验证的目标修复bug→ 编写重现bug的测试然后修复它添加验证→ 为无效输入编写测试然后让它们通过重构X→ 确保重构前后测试都通过对于多步骤任务应该制定明确的计划1. [步骤] → 验证[检查点] 2. [步骤] → 验证[检查点] 3. [步骤] → 验证[检查点] 方法五使用四大原则对比表karpathy_principles_diagram.md提供了一个清晰的对比表帮助你快速识别和纠正常见错误原则核心思想常见错误正确做法编码前思考不要假设不要隐藏困惑展示权衡默默选择一种解释并继续明确列出假设询问澄清展示多种方案简单优先用最少的代码解决问题不要推测为单一用途添加抽象层添加未请求的功能只实现请求的功能需要时再重构精准修改只修改必要内容只清理自己的问题重构相邻代码改变格式风格删除无关代码只修改与任务直接相关的行匹配现有风格目标驱动执行定义成功标准循环直到验证通过我会改进代码的模糊方法编写测试重现bug → 修复 → 验证无回归 方法六安装与集成实践指南andrej-karpathy-skills提供了两种安装方式确保这些原则能应用到你的日常开发中选项AClaude Code插件推荐在Claude Code中首先添加市场/plugin marketplace add forrestchang/andrej-karpathy-skills然后安装插件/plugin install andrej-karpathy-skillskarpathy-skills选项BCLAUDE.md按项目对于新项目curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md对于现有项目追加echo CLAUDE.md curl https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md CLAUDE.md 如何知道它正在起作用当这些指南生效时你会看到更少的不必要更改- 只有请求的更改出现在差异中更少因过度复杂而重写- 代码第一次就是简单的澄清问题在实现之前出现- 不是在错误之后干净、最小的PR- 没有顺便的重构或改进 核心洞察时机是关键从skills/karpathy-guidelines/SKILL.md中学到的最重要教训是时机是关键。过度复杂的示例并不明显错误——它们遵循设计模式和最佳实践。问题是时机它们在需要之前就添加了复杂性这导致代码更难理解引入更多bug实现时间更长更难测试简单的版本则更容易理解实现更快更容易测试可以在实际需要复杂性时进行重构 开始使用andrej-karpathy-skills通过应用这6个方法你可以显著提高LLM生成的代码质量。记住关键原则好的代码是简单解决今天的问题而不是过早解决明天的问题。从今天开始在你的项目中集成andrej-karpathy-skills体验更可靠、更高效的AI辅助编程这些指南偏向谨慎而非速度。对于简单任务简单的拼写错误修复、明显的一行代码使用判断力——不是每个更改都需要完整的严谨性。目标是在非平凡工作上减少代价高昂的错误而不是减慢简单任务的速度。【免费下载链接】andrej-karpathy-skills项目地址: https://gitcode.com/GitHub_Trending/an/andrej-karpathy-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考