andrej-karpathy-skills: ein Profil zur Standardisierung und Optimierung des KI-Code-Generierungsverhaltens

forrestchang/andrej-karpathy-skills ist ein Open-Source-Projekt für Entwickler-Tools mit großer Beliebtheit auf GitHub, das darauf abzielt, häufige Verhaltensfehler bei der automatischen Codegenerierung durch Large Language Models (LLMs) und KI-Code-Intelligenzen wie Claude Code gründlich zu beheben. Das vom Entwickler Forrest Chang gegründete Projekt wurde direkt von den viralen Beobachtungen und Zusammenfassungen des renommierten KI-Experten Andrej Karpathy zu den Fallstricken der KI-Programmierung inspiriert.

Bei der KI-gestützten Programmierung sind die kodierenden Intelligenzen oft übermütig und haben die Angewohnheit, “stillschweigende Annahmen” zu treffen, unnötige Komplexität einzuführen (Over-Engineering), nicht zielgerichtete Formatierungsänderungen vorzunehmen und keine klaren Kriterien für die Erfolgskontrolle zu haben. Dieses Projekt geht diese Probleme an, indem es sie in ein minimalistisches, aber hochgradig kontrollierbares Rahmenwerk destilliert. CLAUDE.md Profile. Durch die Einführung von vier Kernverhaltensweisen - “erst denken, dann programmieren”, “Einfachheit zuerst”, “chirurgische Modifikation” und “zielgerichtete Ausführung” - verwandelt es KI sofort von einem spontanen “intuitiven Programmierer” in eine disziplinierte und logische “zielgerichtete Ausführung”. "Chirurgische Modifikation" und "zielgerichtete Ausführung" - sie verwandelt die KI sofort von einem spontanen "intuitiven Programmierer" in einen disziplinierten und logischen "fortgeschrittenen Software-Ingenieur". Sie verwandelt KI sofort von einem spontanen "intuitiven Programmierer" in einen disziplinierten, logischen "fortgeschrittenen Software-Ingenieur". Entwickler müssen diese Datei nur in die Codebasis einfügen, um die Kosten für die Überprüfung des KI-Codes erheblich zu senken, die Fehlerkaskade effektiv zu vermeiden und die allgemeine Codequalität und Entwicklungseffizienz des Projekts erheblich zu verbessern.

Funktionsliste

• Erst denken, dann kodierenKI-Intelligenz: Zwingt die KI-Intelligenz dazu, ihre Denkannahmen ausdrücklich zu erklären, bevor sie Code schreibt. Wenn sie sich unsicher ist oder auf mehrere Implementierungspfade stößt, wird die KI dem Entwickler proaktiv Kompromisse vorschlagen und ihn danach fragen, wodurch selbstverschuldete Fehlentscheidungen vollständig vermieden werden.
• Erzwungene Einfachheit zuerstMinimalistische Beschränkungen für die KI-Codeausgabe. Over-Engineering wird vermieden, indem die KI ausdrücklich daran gehindert wird, zusätzliche Funktionen zu generieren, die nicht ausdrücklich angefordert werden, Abstraktionsschichten für den einmaligen Gebrauch zu verwenden oder redundante Fehlerbehandlungslogik für unwahrscheinliche Szenarien zu schreiben.
• Chirurgische ÄnderungenLegen Sie den Umfang der Codeänderung durch KI streng fest, um sicherzustellen, dass nur die zur Lösung des Problems notwendigen Codezeilen berührt werden. Verbieten Sie der KI, unbeschädigte Codemodule zu refaktorieren oder irrelevante Codeeinrückungen und -formatierungen zu ändern, um den bestehenden Codestil des Projekts perfekt beizubehalten.
• Zielgerichtete Ausführung: Die KI muss mehrdeutige Anweisungen in selbst überprüfbare Ziele umsetzen. Vor und nach der Änderung des Codes ist die KI gezwungen, eigenständig Testfälle zu schreiben und auszuführen, wobei sie nie aufhört, bis die Erfolgskriterien erfüllt sind, und so eine vollständige automatisierte Test-Fehlerbehebungsschleife bildet.
• Hochgradig kompatibel und nahtlos integriert: Einheimische Kompatibilität Claude Code CLI-Tool, das die Projektebene nutzt CLAUDE.md Datei-Mechanismus, ohne die Notwendigkeit einer komplexen Umgebungskonfiguration, kann unter der aktuellen Codebasis global wirksam sein.
• Unterstützung bei der automatischen InstallationNeben den grundlegenden Funktionen zum Herunterladen und Kopieren von Dateien unterstützt es auch die Einbindung von Skill-Paketen in die Entwicklungsumgebung mit einem Klick über moderne Paketverwaltungs- und Ausführungswerkzeuge wie npm, npx, bunx usw.

Hilfe verwenden

forrestchang/andrej-karpathy-skills Der Hauptwert des AI Code Assistant liegt in den extrem niedrigen Zugangskosten und den hohen Vorteilen bei der Verhaltensbeschränkung. Damit AI Code Assistant wirklich zu Ihrem zuverlässigen Entwicklungspartner wird, lesen Sie bitte unbedingt den folgenden detaillierten Leitfaden für den Installationsprozess und die wichtigsten Funktionen. Dieser Leitfaden wird Ihnen helfen, die Unkontrollierbarkeit von AI zu minimieren.

I. Detaillierter Installations- und Konfigurationsprozess

Abhängig von der Entwicklungsumgebung und den Tools, die Sie verwenden, bietet dieses Projekt zwei extrem einfache Möglichkeiten der Installation. In beiden Fällen geht es im Wesentlichen darum, die dem Projekt zugrunde liegende Regeldatei in Ihren Arbeitsbereich zu verteilen.

Weg A: Automatisierte Installation von der Kommandozeile aus (sehr empfehlenswert für Benutzer von Claude Code CLI)
Wenn Sie bereits ein Endcode-Smartphone verwenden, das den Skills Marketplace unterstützt, können Sie diese Richtlinien mit einem einzigen Klick direkt über den Paketmanager einführen:

1. Öffnen Sie Ihr Terminalprogramm (Terminal).
2. Wechseln Sie in das Stammverzeichnis Ihres Zielsoftwareprojekts.
3. Geben Sie den folgenden Befehl für die globale Installation ein und führen Sie ihn aus:
   npx skills add https://github.com/forrestchang/andrej-karpathy-skills --skill karpathy-guidelines
   (Hinweis: Wenn Sie bun oder pnpm verwenden, können Sie npx durch bunx oder pnpm dlx ersetzen).
4. Nach der Installation wird das Skill-Modul automatisch in Ihrem Backend wirksam und übernimmt den Ablauf aller nachfolgenden Befehle zur Codegenerierung und -umgestaltung.

Ansatz B: Rein manueller nativer Zugriff (für alle IDEs, die System-Prompt-Wörter auf Projektebene unterstützen, wie Cursor, Windsurf, VSCode usw.)
Wenn Sie keine komplexen Befehlszeilentools benötigen oder die Anwendung dieser Regeln in einer bestimmten IDE erzwingen möchten, ist die manuelle Konfiguration der transparenteste und zuverlässigste Ansatz:

1. Auffinden des Stammverzeichnisses des ProjektsÖffnen Sie Ihren Code-Editor und wechseln Sie in das Stammverzeichnis des Projekts, das Sie gerade entwickeln.
2. Erstellen einer RegeldateiErstellen Sie eine neue leere Markdown-Datei im Stammverzeichnis mit dem strikten Namen CLAUDE.md. Wenn Sie das Programm Cursor Werkzeuge wie .cursorrulesDie zugrunde liegende Logik ist vollständig interoperabel.
3. Quellcode abrufen: Besuchen Sie die GitHub-Projekthomepage https://github.com/forrestchang/andrej-karpathy-skillsIch bin nicht sicher, ob ich das Lagerhaus finden kann. CLAUDE.md Originaldokument.
4. Kopieren und SpeichernMarkieren Sie den Text der vier Grundprinzipien im Dokument, kopieren Sie ihn, fügen Sie ihn in die Datei ein, die Sie gerade lokal erstellt haben, und drücken Sie auf Speichern. Das war's, Ihre KI wurde einer neuen Gehirnwäsche unterzogen und trainiert.

II. die Demonstration des Betriebs der Kernfunktionen und des täglichen Entwicklungsablaufs

Nach der Installation zeigt sich der wahre Zauber in Ihrem täglichen interaktiven Dialog mit der KI. Hier finden Sie Vorschläge und erwartete Ergebnisse für vier gängige Entwicklungsszenarien:

1. die Ermöglichung von “think before you code”: Umgang mit mehrdeutiger Anforderungsentwicklung

• ArbeitsweiseWenn Sie eine neue Funktion entwickeln, geben Sie keine extrem knappen, langatmigen Erklärungen ab, sondern tippen Sie einfach eine natürliche Anfrage ein. Zum Beispiel: “Bitte helfen Sie mir, eine Funktion zum Exportieren von Benutzerdaten als Excel-Bericht hinzuzufügen.”
• AI VerhaltensänderungVor diesem Dokument hätte die KI Bibliotheken von Drittanbietern eingeführt, Dutzende von Zeilen komplexen Codes geschrieben und sich sogar die Mühe gemacht, die Datenbank abzufragen. Sobald die Regel eingeführt ist, wird die KI sofort “auf die Bremse treten” und dem Terminal antworten mit:“Um die Exportfunktion zu implementieren, habe ich folgende Fragen und Annahmen: 1. Angenommen, es sollen nur die Daten des gerade aktiven Benutzers exportiert werden. 2. Darf ich fragen, ob es zulässig ist, die xlsx Bibliothek, oder möchten Sie stattdessen ein reines natives CSV-Format verwenden, um Abhängigkeiten zu reduzieren? Bitte bestätigen Sie dies, bevor ich mit dem Schreiben beginne.”
• Ihr BetriebEine kurze Antwort auf der Grundlage der von der KI aufgelisteten Optionen ist ausreichend. Diese Bestätigung mit nur einer Frage und einer Antwort verhindert die Erzeugung von ungültigem Code an der Quelle.

2. das Prinzip “Einfachheit zuerst”: Vermeidung einer schnell wachsenden Codebasis

• ArbeitsweiseTägliche Frage: “Helfen Sie mir, eine Zeitformatierungsfunktion zu schreiben, die Zeitstempel in JJJJ-MM-TT konvertiert.”
• AI VerhaltensänderungKIs schreiben oft Zeitzonen-Konvertierung, Mehrsprachen-Unterstützung und sogar einen ganzen Satz von Zeitverarbeitungsklassen, um ihre Fähigkeiten zu demonstrieren. Nach der Regel “Einfachheit zuerst” gibt die KI nur ein paar Zeilen der nativen Date Schlanke Funktionen für die Logik der Objektbehandlung ohne jeden Unsinn und ohne Schnittstellenerweiterungen, die über das hinausgehen, was erwartet wird.
• TippsWenn Sie das Gefühl haben, dass KI immer noch kompliziert zu schreiben ist, antworten Sie einfach mit dem Satz: “Überprüfen Sie Leitlinie #2 (Einfachheit zuerst) und reduzieren Sie Ihre 100 Zeilen Code auf weniger als 20 Zeilen”.”

3. die Erfahrung der “chirurgischen Änderung”: Behebung von Fehlern in kürzester Zeit, ohne dass es zu Konflikten bei der Zusammenführung kommt

• ArbeitsweiseWenn ein Fehler gemeldet wird, geben Sie ein: “fix auth.js Zeile 45 Programmabsturz aufgrund eines Null-Zeigers”.”
• AI VerhaltensänderungKI wird sich wie ein erfahrener Chirurg verhalten, der genau lokalisiert und nur mit ? (optionaler Kettenoperator) oder if Es wird die Zielzeile nicht ändern, weil sie Ihnen nicht gefällt. Es wird weder die Einrückung von Zeile 10 anpassen, weil sie Ihnen nicht gefällt, noch wird es die Struktur des Codes aufgrund so genannter “Best Practices” umgestalten.
• Bewertung der Erträge: Dies ermöglicht Ihnen die Durchführung von git diff Bei der Überprüfung des Codes zeigt sich, dass der Änderungsverlauf sehr sauber ist und nur die Kernlogik enthält, die das Problem löst.

4. den “geschlossenen Kreislauf der Zielvalidierung” vorantreiben: automatisierte Zuverlässigkeitssicherung

• ArbeitsweiseGeben Sie eine übergeordnete Richtlinie ein: “Refactor the current cache loading logic to require a goal-driven principle.”
• AI VerhaltensänderungAI nimmt Ihre Fuzzy-Befehle automatisch auseinander. Zunächst wird ein Testskript für die alte Cache-Logik gesucht oder geschrieben und einmal ausgeführt, um sicherzustellen, dass der Test erfolgreich ist. Anschließend wird der zugrunde liegende Code ersetzt und der Test anschließend automatisch erneut ausgeführt. Erst wenn Sie das grüne PASS bevor es Ihnen zurückmeldet: “Refactoring abgeschlossen, Tests nicht beeinträchtigt.” Durch dieses Schließen der Schleife wird die Wahrscheinlichkeit eines Systemabsturzes auf ein sehr niedriges Niveau reduziert.

III. fortgeschrittene Anpassungstechniken

该 CLAUDE.md Das Dokument ist eine hervorragende Basisvorlage, die Sie je nach Teamvorgaben flexibel erweitern können. Es wird empfohlen, dass Sie am Ende des Dokuments Folgendes hinzufügen ### 5. 团队定制规范 (Team Customs) Modul.
Sie könnten sie zum Beispiel am Ende des Dokuments einfügen:
“Alle Komponenten müssen die React Funktionale Komponenten mit zugehörigen TypeScript-Schnittstellendefinitionen”.”
oder “Es ist strengstens untersagt, absolute Pfade direkt in das Projekt einzufügen, bitte verwenden Sie die vereinheitlichte @/components/ die Alias-Konfiguration”.”
Mit dieser Overlay-Konfiguration legen Sie nicht nur das Verhalten der KI fest, sondern geben ihr auch ein Bewusstsein für die Geschäftsnormen des Teams, wodurch die KI zu einem unverzichtbaren Super-Assistenten für Ihr Entwicklungsteam wird.

Anwendungsszenario

1. Minimale Entwicklung von Funktionen des Tagesgeschäfts
   Verhindern Sie bei der Entwicklung neuer Geschäftsmodule, dass die KI die Systemarchitektur zu sehr überarbeitet, um ihre Fähigkeiten zu demonstrieren. Veranlassen Sie, dass KI aktuelle Geschäftsanforderungen mit möglichst wenig und einfachem Code löst, um unnötige Wartungspflichten zu vermeiden.
2. Sicheres Refactoring von großen Legacy-Codebasen
   Anwendung von Szenarien für “chirurgische Änderungen”, wenn sie mit großen und unkommentierten Bibliotheken mit altem Code konfrontiert sind. Sicherstellen, dass die KI-Intelligenzen nur die spezifizierten Logikfehler beheben, ohne das fragile Ökosystem des alten Codes und der speziellen Formate um sie herum zu beschädigen, um zu verhindern, dass das gesamte System beeinträchtigt wird.
3. Fehlersuche und genaue Behebung von komplexen Fehlern
   Wenden Sie bei schwer reproduzierbaren Problemen das Szenario “Eliminierung stiller Annahmen” an. Lassen Sie die KI alle möglichen Fehlerursachen und Standardannahmen der Systemumgebung auf den Tisch legen und finden Sie durch die Bestätigung des Abgleichs mit dem Entwickler auf Anhieb den Kern des Problems.
4. Hochwertige Codeüberprüfung und Qualitätskontrolle
   Als Referenzlinie für die KI-gestützte Überprüfung innerhalb des Teams. Bevor der KI-Agent bereit ist, den Code zu übergeben, löst er den “Zielvalidierungsabschluss” aus, der von automatisierten Testfällen begleitet werden muss, die bestanden werden können, um als Abschluss der Aufgabe zu gelten und die hohe Qualität des Codes im Hauptzweig zu gewährleisten.

QA

1. Frage: Was ist forrestchang/andrej-karpathy-skills? Wie unterscheidet sie sich grundlegend von normalen KI-System-Eingabewörtern?
   Antwort: Dies ist ein Open-Source-Verhaltenskontrollprofil, das die Erfahrungen führender KI-Experten zusammenfasst. Während sich normale Prompts darauf konzentrieren, was die KI “weiß” (z. B. Anforderungen an den Tech-Stack), konzentriert sich diese Datei darauf, die KI einzuschränken, “wie sie sich verhält” (z. B. Fragen nicht verstecken, nicht angeben, keine umfangreichen Änderungen vornehmen). Sie formt die Arbeitsgewohnheiten von KI-Intelligenzen aus einer verhaltenspsychologischen Perspektive um.
2. Frage: Funktioniert dieses Profil nur mit dem Kommandozeilenwerkzeug Claude Code? Kann ich es auch mit Cursor oder GitHub Copilot verwenden?
   Antwort: obwohl es so heißt CLAUDE.mdDer Cursor wurde in erster Linie für Claude Code entwickelt, aber die grundlegenden Markdown-Prinzipien sind völlig universell. Sie können diese Prinzipien direkt in den Cursor kopieren .cursorrules Datei, oder als GitHub Copilot / ChatGPT Genauso wirksam sind Systemstichwörter, die auf der Ebene der Aufgabenstellung zu verwenden sind.
3. Frage: Wenn die KI nach der Eingabe der Datei immer noch die falsche stille Annahme trifft, wie kann ich sie dann korrigieren?
   Antwort: Da es eine probabilistische Ausgabe von LLM gibt, können Sie im Falle eines Verstoßes einfach in der Dialogbox eine harsche Korrektur vornehmen: “Sie haben gegen das erste Prinzip in CLAUDE.md verstoßen, bitte ziehen Sie sich aus Ihrem Code zurück und geben Sie mir zuerst Ihre Annahmen an.” Diese Art von Kritik, die auf einer bereits bestehenden Regeldatei basiert, ermöglicht es dem größeren Modell, seine spätere Aufmerksamkeitsgewichtung schnell zu korrigieren.
4. FRAGE: Wird die KI gezwungen, zu denken und zu fragen, bevor sie Code schreibt, die Geschwindigkeit der Codegenerierung drastisch reduzieren?
   Antwort: Kurzfristig ist es ein zusätzlicher Kommunikationsschritt, aber es ist genau das, was Karpathy betont: “Das Messer zu schärfen ist nicht dasselbe wie das Holz zu hacken”, und es ist weit weniger effizient, wenn eine KI sofort Hunderte von Zeilen fehlerhaften Codes erzeugt und Sie zwei Stunden mit der Fehlersuche beschäftigt, als wenn sie innehält und Ihnen 10 Sekunden lang eine kritische Frage stellt. Insgesamt wird der Zeitaufwand für die Überarbeitung und Fehlersuche im Code drastisch reduziert, wodurch die Entwicklungseffizienz erheblich gesteigert wird.