大神Karpathy的AI编程避坑指南与开源Skill(附安装教程)

当 AI 能完成 80% 的代码,程序员的工作到底会变成什么样?

如果你关注 AI 编程,大概率在年初被Andrej Karpathy(OpenAI创始成员、前特斯拉 AI 总监)的一篇帖子刷屏了。这位 AI 领域的顶级大神,用亲身经历描述了过去两个月里,自己编程工作流的巨大变化。近日,有人将他的核心观点提炼成一个可直接落地的skill,开源在 GitHub 上,短短时间就收获了 124000个星标。

地址:https://github.com/forrestchang/andrej-karpathy-skills

一、Karpathy 看到了什么?

作为深耕AI与编程领域20年的专家,Karpathy的体验极具参考价值,他表示,2025 年 11 月的时候,自己的编程习惯还是:80% 手动 + 20% AI 辅助。

到了 12 月,这个比例彻底倒了过来:80% 交给 AI 智能体,自己只做 20% 的修改和润色。

“我现在基本上是用英语在编程了。”

他坦言,这有点伤自尊,毕竟写了二十年代码,突然变成了“动嘴指挥”的角色。但理智告诉他,用大段的“代码动作”操作软件,实在太高效了,一旦你适应了配置、学会了使用、摸清了它的能力边界,就再也回不去了。

AI 编程不仅提升了现有任务的速度,更让工程师能做的事变多了。以前觉得不值得花时间编程的小工具、因知识盲区无法触碰的项目,现在借助AI都能轻松落地。更有意思的是,编程变得更有趣了,AI包揽了填坑、补语法等枯燥工作,工程师可以专注于创意和核心逻辑设计,减少了被卡壳的挫败感。

除此之外,LLM的坚韧也让他印象深刻:AI不会疲劳、不会气馁,能为一个问题持续尝试30分钟直至解决,而这正是人类工程师的耐力短板。这种永不放弃的特性,让很多复杂问题的解决效率大幅提升,也让他感受到了AGI(通用人工智能)的雏形。

AI 编程的“坑”

Karpathy 也泼了一盆冷水:别被“无需 IDE”“智能体集群”之类的 hype 冲昏头脑。

“模型还是会犯错,而且错误类型变了。”

以前 AI 的错误是语法错误、拼写错误,现在变成了概念性错误。以下是最常见的几类AI 毛病:

尽管如此,Karpathy 依然强调:这些问题是“成长中的烦恼”,整体上效率仍然是巨大的提升。

除此之外,Karpathy还提到两个值得深思的点:

  • 一是长期用AI编程,可能会导致手动编程能力退化;
  • 二是他预判2026年将迎来“Slopacolypse”(垃圾信息泛滥),GitHub、论文平台等会被大量AI生成的低质量代码、内容充斥,同时还会伴随更多“AI productivity theater”(表面用AI提升效率,实则没产生实际价值的形式主义)。

Karpathy最核心的观点是:LLM的最大价值,不在于让它替你写代码,而在于让它按你的目标完成任务。

“不要告诉AI做什么,给它明确的成功标准,它会自己找到方法”。

二、Karpathy Skill:把大神经验变成一套可执行规则

正当大家都在琢磨怎么落地这些观察时,开发者 Forrest Chang 把 Karpathy 的观点提炼成了一个 CLAUDE.md 文件,本质上是一套给 Claude Code 的行为准则。这套准则的核心,是四个原则,直接对应 Karpathy 指出的那些痛点。

GitHub 地址:

👉 https://github.com/forrestchang/andrej-karpathy-skills

原则1:先思考,再编程

核心目标:解决LLM爱做假设、不澄清、不权衡的问题,让AI的每一步都有明确依据。

具体做法很简单:

  • 明确列出所有假设,不确定的地方先提问,不瞎猜;
  • 遇到模糊需求时,给出多种解读方案,不擅自选一种执行;
  • 如果有更简单的方法,主动“反驳”你的指令,不盲目顺从;
  • 一旦遇到不懂的地方,立刻停止并说明,不硬着头皮继续。

本质是强制AI透明化思考。

原则2:简洁优先

核心目标:对抗LLM堆砌代码的习惯,用最少的代码解决问题,避免冗余和过度设计。

核心要求就是不做多余的事,具体可以参考这几条:

  • 只实现需求明确要求…
— 以上为试看内容(约 40%),开通会员后阅读全文 —