最近 GitHub Trending 上出现了一个极其反常的现象：一个几乎没有代码的仓库，连续霸榜三天，两天内涨了1.7万星，总星数突破10万。
这个项目叫 andrej-karpathy-skills。
它的核心内容，只是一个不到70行的 CLAUDE.md 文件。
没有框架，没有依赖，没有可执行代码。就是一页纸的"行为准则"，告诉 AI 编程助手：该怎么写代码，不该怎么写代码。
Andrej Karpathy 是谁？
如果你在 AI 圈，这个名字不需要介绍。
OpenAI 联合创始人，特斯拉前 AI 总监，YouTube 上从零手搓 GPT 系列的播放量过千万。他是那种——自己能从头写一个 transformer，同时还能给普通人讲明白的人。
Karpathy 长期在 X（Twitter）上分享他用 LLM 写代码的心得。他的核心观察是：AI 写代码像一个自信的初级工程师——快、有知识储备，但经常犯低级错误，而且不承认自己不确定。
这个观察，直接催生了这个项目。
它到底写了什么？
项目作者 Forrest Chang 把 Karpathy 的观察提炼成四条行为准则，写进一个 CLAUDE.md 文件（Claude Code 的项目级配置文件）。核心内容：
准则一：先想，再写
"Don't assume. Don't hide confusion. Surface tradeoffs."
AI 最大的问题不是写不出代码，是默默做了你没说的决定。这条准则要求：遇到模糊需求，不要猜，问清楚。有多种理解方式，列出来让人选。不确定的时候，停下来。
准则二：简单优先
"Minimum code that solves the problem. Nothing speculative."
不写没人要求的功能，不为只用一次的逻辑搞抽象，不加"万一以后需要"的配置项。判断标准很朴素：如果一个资深工程师看了觉得"搞复杂了"，那就是复杂了。
200行能缩成50行？重写。
准则三：精准手术
"Touch only what you must. Clean up only your own mess."
改 bug 就改 bug，不要顺手"优化"旁边的代码格式。不重构没坏的东西。不删别人留下的死代码（除非你的改动导致了它）。每一行 diff 都应该跟用户的需求直接相关。
准则四：目标驱动
"Define success criteria. Loop until verified."
把模糊的任务变成可验证的目标。"加个校验"变成"写出无效输入的测试，然后让测试通过"。"修这个 bug"变成"先写一个能复现的测试，再修"。
Karpathy 本人的观察是：LLM 特别擅长循环直到达标——所以与其给它详细的步骤指令，不如给它明确的验收标准。
为什么这么火？四层原因
第一层：它解决了真实痛点
用 AI 写过代码的人都有共鸣：你让它改一个按钮颜色，它把整个组件重构了；你让它修一个 bug，它加了三层错误处理和两个你没要的 feature。
这四条准则精准命中了这些日常痛苦。不是理论，是实战经验。
第二层：Karpathy 的名字就是信任背书
AI 领域，Karpathy 的判断力是硬通货。他说"AI 写代码像自信的初级工程师"，所有用过 Copilot、Cursor、Claude Code 的开发者都会点头。这种共鸣转化成了传播力。
第三层：它代表了一种新范式——"思想文件"
传统开源项目分享的是代码。这个项目分享的是观念。
一个 .md 文件就是整个项目。没有 npm install，没有编译步骤。你复制粘贴到自己的项目里，AI 助手的行为立刻改变。这种"开源一个想法"的模式，在 AI 工具链时代是全新的。
第四层：它标志着行业从"Vibe Coding"走向"Agentic Engineering"
2025年，大家还在随意跟 AI 聊天写代码，叫 Vibe Coding——感觉对就行。
2026年，行业共识变了：AI 是需要管理的合作者，不是魔法黑箱。 你需要给它清晰的目标、明确的边界、严格的验收。这套方法论，正在被叫做"Agentic Engineering"。
Karpathy Skills 就是这个转折点的标志性产物。
我的判断
这个项目的真正价值不在那70行文字本身——那些原则，任何有经验的工程师都知道。
它的价值在于：它证明了"上下文工程"（Context Engineering）正在成为 AI 时代最重要的开发技能之一。
写代码的门槛被 AI 拉低了。但谁能写出好的 CLAUDE.md、好的系统提示词、好的约束规则——谁就能让同一个 AI 输出更高质量的结果。
这不是 prompt engineering 的简单进化。这是一个全新的工程维度：你不只是在编程，你在编程AI的行为。
10万星不是给70行文字的，是给这个认知的。
怎么用？
最简单的方式：去 GitHub 搜 andrej-karpathy-skills，把 CLAUDE.md 复制到你项目根目录。下次用 Claude Code 的时候，它会自动读取这些规则。
如果你用 Cursor 或 VS Code，社区也有对应的适配版本。
不用全盘照搬。读一遍，挑跟你痛点匹配的规则，合并到你自己的项目配置里。关键不是那几行字，是背后的思维方式：把 AI 当队友管理，而不是当魔法许愿池。
