Karpathy 编码行为准则

要解决的具体问题

在 LLM 辅助编码过程中，常见问题包括：模型未明确陈述假设、代码过度设计、不必要的修改，以及缺乏可验证的目标。这些错误导致代码冗余、难以维护，且偏离用户原始需求。例如，LLM 可能隐藏困惑，直接假设多种解释；或添加未请求的特性，增加复杂性。

核心准则与工作原理

基于 Andrej Karpathy 的观察，本技能提供四条行为准则，旨在减少编码错误：

• Think Before Coding：实施前必须明确假设。如果不确定，应提问；存在多种解释时，主动呈现而非静默选择。关键步骤包括 state assumptions 和命名困惑点。
• Simplicity First：追求最小代码解决问题。避免 speculative 特性、不必要的抽象或过度错误处理。例如，如果 200 行可简化为 50 行，则重写。自问：“资深工程师会认为这过度复杂吗？”
• Surgical Changes：只修改必要部分。不改进相邻代码或注释；匹配现有风格；仅清理自己改动导致的废弃代码。检查标准：每行更改应直接追溯到用户请求。
• Goal-Driven Execution：将任务转化为可验证目标。例如，“添加验证” 变为 “编写无效输入测试，使其通过”。使用明确成功标准循环验证，避免模糊目标如“让它工作”。

这些准则偏向谨慎，核心能力在于通过结构化步骤减少错误，关键包括假设透明化、代码简化、精准修改和目标驱动执行。

适用边界与注意点

本技能适用于大多数编码任务，尤其复杂或协作场景。但对于简单或琐碎任务，需自行判断平衡速度与谨慎。注意点包括：

• 保持现有代码风格，即使个人偏好不同。
• 不主动删除无关的废弃代码，除非明确要求。
• 在实施前澄清困惑，避免事后错误。

使用时，diff 中的不必要变更应减少，重写因过度简化而降低。