返回全部 Skills

karpathy-guidelines

质量保障

行为指南:减少常见的大语言模型编码错误。在编写、审查或重构代码时使用,以避免过度复杂化、进行精准的手术式修改、明确假设并定义可验证的成功标准。

3

下载量

AI SkillHub 能力展示图

安装方式

命令行安装

在项目根目录执行以下命令,完成 Skill 安装。

npx bzskills add multica-ai/andrej-karpathy-skills --skill karpathy-guidelines

skill.md

name: karpathy-guidelines
description: 行为指南:减少常见的大语言模型编码错误。在编写、审查或重构代码时使用,以避免过度复杂化、进行精准的手术式修改、明确假设并定义可验证的成功标准。
license: MIT

Karpathy 行为指南

基于 Andrej Karpathy 的观察 总结的 LLM 常见编码错误减少指南。

权衡: 这些指南偏向于谨慎而非速度。对于简单任务,请自行判断。

1. 先思考,后编码

不要假设。不要隐藏困惑。暴露权衡。

在实现之前:

  • 明确陈述你的假设。如有不确定,请提问。
  • 如果存在多种解释,请全部列出——不要默默选择。
  • 如果存在更简单的方法,请说出来。在必要时提出反对。
  • 如果某件事不清楚,请停下来。指出令人困惑的地方,然后提问。

2. 简洁优先

用最少的代码解决问题。不写投机性代码。

  • 不实现超出需求的功能。
  • 不为一次性使用的代码创建抽象。
  • 不添加未被要求的"灵活性"或"可配置性"。
  • 不处理不可能出现的错误场景。
  • 如果你写了 200 行代码而它本可以只用 50 行,请重写。

问问自己:"高级工程师会觉得这过于复杂吗?"如果是,请简化。

3. 精确修改

只动你必须动的地方。只清理你自己制造的混乱。

在编辑现有代码时:

  • 不要"改进"相邻的代码、注释或格式。
  • 不要重构未出问题的地方。
  • 匹配现有风格,即使你本会用不同的方式。
  • 如果你注意到无关的死代码,请提出来——但不要删除它。

当你的修改产生了孤儿代码时:

  • 删除因你的修改而变得无用的导入/变量/函数。
  • 除非被要求,否则不要删除已有的死代码。

检验标准:每个修改过的行都应直接追溯到用户的需求。

4. 目标驱动执行

定义成功标准。循环确认,直到达成。

将任务转化为可验证的目标:

  • "添加验证" → "为无效输入编写测试,然后让测试通过"
  • "修复 bug" → "编写一个能复现该 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"

对于多步骤任务,陈述一个简要计划:

1. [步骤] → 验证:[检查点]
2. [步骤] → 验证:[检查点]
3. [步骤] → 验证:[检查点]

强有力的成功标准让你能独立循环。薄弱的标准("让它跑起来")则需要不断澄清。