一个.md文件，如何引爆GitHub并重塑AI编程范式？

昨晚睡前，我习惯性地浏览了 GitHub Trending 榜单，一个惊人的景象映入眼帘：一个名为 CLAUDE.md 的 Markdown 文件，以 85.2k 的星标数高居榜首。更令人惊讶的是，它在几天前还默默无闻。

我的第一反应与许多人一样：这也能火？点进去后发现，这个文件内容不足70行。但仔细阅读后，我立即将其整合到了自己所有的项目中。这确实是 Karpathy 提出的一个极具威力的实践。

01 AI编程的典型困境

先分享一段我近期的亲身经历。我曾让AI助手实现一个简单的表单验证功能，仅需检查必填字段和邮箱格式。然而，它却构建了一整套企业级架构，包括登录认证、安全校验、流量控制等。

当我要求简化时，它迅速回应并删除了大部分代码。这令人费解——既然明知多余，为何最初要过度设计？更甚者，当它修复一个bug时，竟顺带重构了周边代码，替换了变量名、删除了注释并改变了代码风格。最终对比发现，30处改动中仅有5处与需求相关。相信许多开发者都曾遭遇过类似情况。

02 CLAUDE.md 的诞生

这一切的转折点源于 Andrej Karpathy 于今年1月26日在 X 平台上发布的一篇长帖，他详细吐槽了AI编程智能体（Agent）的诸多弊病。华人开发者 Jiayuan Zhang 看到后，迅速采取了行动。

他利用 Claude Code 将这篇帖子自动转换为一份约800行的 skills 文件，随后让Claude自我审查与精简，最终提炼为一份约70行的清晰指令。这份 CLAUDE.md 实质上是一套植入智能体“思维”中的行为准则。

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

起初我对此持怀疑态度，但在将其整合到我们自有的 aicode agent cli 的提示词后，效果显著，体验极佳。

03 四大核心原则解析

该文件包含四条核心原则，我们逐一分析：

第一条：编码前先思考
要求AI在行动前必须明确目标，不确定时必须提问，而非猜测；存在多种理解时应列出选项供用户选择；发现更优方案应主动提出。这条原则有效解决了AI“乱猜”的问题。

第二条：简约至上
我为自己与AI立下四条规矩：不写未被要求的功能；不为仅使用一次的代码创建抽象层；不添加无人要求的“灵活性”与“可配置性”；不处理不可能发生的异常场景。检验标准是：一个资深工程师是否会觉得“太复杂了”。若是，直接删减。

第三条：精确编辑
严格限制AI的改动范围：只修改被明确要求的部分；遵循项目现有的代码风格，即使你认为自己的更好；发现无关问题只需提及，不要动手修改；如果改动导致某些代码废弃，你有责任清理；但未经要求，不要触碰既有的问题。

第四条：目标驱动
这是利用AI编程时杠杆效应最大的一条原则。AI擅长“循环直至达标”，因此应直接给出验收标准，而非具体步骤。例如，实现功能应改为“先写测试用例，再让所有测试通过”；修复bug应改为“先写一个能复现bug的测试，再使其通过”。对于复杂任务，可要求AI先制定分步计划，并为每一步附上验证方法。

04 项目作者与愿景

Jiayuan Zhang 是开源项目 Multica 的创始人兼CEO。Multica 旨在统一管理 Claude Code、OpenCode、Codex CLI 等AI编程智能体，使其像团队成员一样被分配任务、汇报进展和交付代码，降低了高级AI编程能力的使用门槛。

他们的项目介绍中有一句话令人印象深刻：

Your next 10 hires won't be human. （你接下来招的10名员工，都不会是人类了。）

该公司声称其代码100%由AI编写，每日消耗的token量超过1亿。这个数字象征着AI驱动开发的惊人规模。

05 工作流的彻底翻转

回到Karpathy的原帖，他描述的是一个更宏大的变革。作为一名拥有20年经验的程序员，他的工作流在短短几周内发生了根本性转变：从“80%手写 + 20%AI辅助”变为“80%交由智能体 + 20%自己修补”。

他观察到智能体能为一个问题持续尝试30分钟，这种人类难以企及的“耐力”，让编程工作的核心瓶颈之一被彻底打破。我也有同感，将耗时且棘手的bug交给AI去循环尝试，效率远超人力。

06 硬币的另一面

然而，Karpathy也预见到了潜在风险。他预言了一个“Slopacolypse”（低质量内容末日）时代——在2026年，GitHub、arXiv及社交媒体上将涌现大量AI生成的低质量内容。生产力提升与质量崩塌的风险并存。

更深层的忧虑是，他感觉到自己手写代码的能力在萎缩。那种“看懂但写不出来”的感觉，我也曾体会过。明明知道逻辑，但手动实现时却感到生疏，仿佛缺了些什么。

07 一个.md文件为何能引爆？

在Karpathy看来，LLM带来的不仅是加速，更是能力的扩展。它让你能做过去不值得做的事，接触过去无法触及的代码库。

这一理念如今演进为 “智能体工程”（agentic engineering）——一门将AI视为需要明确目标、清晰边界和严格测试的协作伙伴的工程学科。而 andrej-karpathy-skills 这个仓库，正是该学科最早的“教材”之一。

它之所以爆火，核心在于它将顶级工程师的隐性知识，打包成了智能体可直接读取和执行的格式。Karpathy不再仅仅是一个你阅读其文章的人，更是一个你的AI智能体可以直接继承其行为准则的人。这才是这个仓库真正革命性的地方。

08 工程师角色的转变

这场AI编程革命的背后，是工程师角色的根本性转变：

• 从代码编写者到指令下达者
• 从关注“如何实现”到关注“要实现什么”
• 时间分配从“80%编码+20%审查”变为“80%审查+20%编写关键代码”

这种转变初期可能显得笨拙，甚至比手动操作更耗时。但一旦流程跑通，其带来的效率提升是实实在在的。

09 关于能力退化的担忧

一个常见的担忧是：过度依赖AI，我们的编码能力是否会退化？这确实是个未知数。

但回顾历史，从计算器、搜索引擎到Stack Overflow，每次新工具出现都伴随着类似质疑。结果呢？我们只是将精力从重复性劳动中解放出来，投入到更具创造性的工作上。AI编程亦是如此。

10 一个时代的信号

回到 CLAUDE.md 本身。85.2k星标、Trending榜首，这不仅仅是一次工具推荐，更是一个强烈的行业信号。

AI编程正从“随意使用”的阶段，迈入“规范管理”的新时期。竞争焦点将从单纯的模型智能度，扩展到工作流的规范性与效率。

这对行业而言，既是挑战也是机遇。挑战在于工程师必须掌握与AI协作的新技能；机遇在于我们能将更多精力倾注于真正的创新。

我对此充满期待：一个让更多人能通过AI进行创造、减少重复劳动、催生更多创新的编程新时代正在到来。我们正身处一个伟大的时代转折点。