Karpathy内部Claude.md泄露亲手终结提示词时代

从一条推文说起。

前OpenAI大神Andrej Karpathy入职Anthropic预训练团队，才五周时间。昨天，他团队内部有人把他真正在用的那份Claude.md配置文件给发了出来，全网直接炸开了锅。

推特在传，各种社区群也在传。有人说，从第一条消息开始，差别就很明显——有了这份文件，Claude终于不再跟你对着干，而是完全按你需要的方式工作。

甚至有人直接评价：“它解决了我们几乎所有当前的任务。”

但请注意，这不是之前那个在GitHub上拿到18.3万颗星的社区版仓库。这是一份全新的、更狠的内部版本。

十条军规：逐条拆解

这次泄露的Claude.md，并非来自那个广为人知的karpathy-skills仓库。故事要追溯到今年1月26日，Karpathy在X上发了一条长帖，吐槽AI写代码时反复踩的坑：悄悄做假设、过度工程化、乱改不该改的代码、缺乏明确的成功标准。

第二天，开发者Forrest Chang就把这些吐槽提炼成了4条行为准则，创立了那个GitHub仓库——4条规则，65行文本，三个月破10万星。

但这次泄露的文件，完全是另一个量级。5月19日Karpathy入职后，他在内部实战中不断迭代自己的Claude.md。五周后，团队里有人把这份真正在用的配置发了出来。

打开一看——不再是4条规则，而是一份排版成学术论文格式的十条军规，标题叫：

「CLAUDE.md: Field Notes on Getting a Language Model to Write Code You Will Not Rewrite」

副标题更妙：「A Short List of Rules, Earned by Watching the Same Mistakes Twice」——说白了，就是看够了同样的错误犯两遍，才攒出来的规则。

比之前那4条，多了整整6个全新章节。这6个章节，才是Karpathy在Anthropic内部真刀真枪干出来的精华。

摘要里一句话就点明了核心：这份文件存在，是因为语言模型写代码时会犯可预测的错误。不是随机错误，而是同样的错误，一遍又一遍。

贯穿每一条规则的核心都一样：模型擅长生成看起来合理的代码，但不擅长发现“看起来合理”跟“真的对”之间的差距——这份纪律，得从过程中来。

接下来，我们来详细拆解这十条军规：

第一条：先读再写（Read Before You Code）

Karpathy认为，模型写出烂代码最大的原因，是它根本没读你的代码库就开始动手。先读，不是扫一眼；去看要改的文件，把已有的模式照搬过来，把import看清楚——弄明白项目实际依赖什么，而不是凭空去猜axios当所有人都在用fetch。

第二条：先想再敲（Think Before You Code）

搞清楚你要做什么，再动手。他举了个精准的例子：“添加认证”其实是五件不同的事，把它们列出来、说明取舍。如果真的搞不懂，那就停下来问——而不是用一段看着像那么回事、实际上一跑就崩的代码来糊弄过关。

第三条：极简主义（Simplicity）

写能解决眼前问题的最少代码，不是能解决所有未来版本的最少代码。测试标准：如果某样东西被抽象出来的唯一理由是“以防万一”，那你就过度构建了。

第四条：精准手术（Surgical Changes）

diff应该和任务一样小。没让碰的别碰，匹配已有代码风格，不要顺手重排格式——一个格式化器跑一遍，会把真正重要的三行改动埋在三百行无关变更里。判断标准：你能为每一行改动找到和用户需求的直接关联吗？找不到，就撤回。

第五条：验证（Verification）

你觉得能跑的代码和真正能跑的代码之间，隔着一条叫“测试”的鸿沟。修bug的时候，别上来就改代码。先把这个bug“录”下来——写一个能把它稳定复现的测试用例。然后再去修。修完跑一遍，测试通过了，才算真修好了，而不是你“觉得”修好了。别只测那些鸡毛蒜皮的小事，要测那些真会在用户面前炸掉的场景。如果某样东西你怎么都测不了，别偷懒跳过——那不是测试的问题，那是代码本身设计得有问题。

第六条：目标驱动执行（Goal-Driven Execution）

这一条堪称整份文件的灵魂。动手写代码之前，先把“做完了”长什么样说清楚——而且得是能验证的，不能是一句“搞定就行”。比如老板说“加个验证”，这话太模糊，AI听了会自由发挥。你得翻译成：“用户邮箱没填或者填错了，要弹出明确的报错提示，而且这两种情况都得测过。”活儿要是分好几步的，先把计划列出来——别让AI闷头干了一小时，你回来一看方向就是错的。

第七条：调试（Debugging）

东西坏了，去查，别猜。读完整的报错和堆栈跟踪，先复现问题再动手改，一次只改一个地方。

第八条：依赖管理（Dependencies）

每一个依赖都是你无法控制的永久代码。添加前先问：标准库能不能搞定？用crypto.randomUUID()还是非要引一个uuid包？加了，就说清楚为什么，让选择可见，而不是悄悄塞进manifest。

第九条：沟通（Communication）

说你做了什么、为什么，不只是丢一块代码。对不确定的事精确描述：“我不确定这个库是否支持流式传输”叫好的沟通；“我觉得这应该能用”不叫。

第十条：常见翻车模式（Common Failure Modes）

Karpathy给AI最常见的几种翻车姿势起了名字，个个精准：

• Kitchen Sink（厨房水槽）——让你修个水龙头，它把整个厨房拆了重装；
• Wrong Abstraction（错误抽象）——同一段代码复制粘贴了好几遍，却不知道该合并成一个；
• Optimistic Path（盲目乐观）——只想着一切顺利的情况，完全没考虑用户可能输错、网络可能断、服务器可能挂；
• Runaway Refactor（失控连锁）——本来只改一个文件，结果像多米诺骨&牌一样，一个接一个倒了十几个文件。

Karpathy说，发现自己正在犯这些错的时候，正确的做法是立刻停手，而不是硬着头皮冲到底。

Karpathy用5周的内部实战，补全了此前社区版最大的空白——他不只告诉AI怎么写代码，还告诉它怎么检查自己、怎么调试、怎么沟通、怎么识别自己正在翻车。这才是内部版真正的可怕之处：它把AI从一个“听话但莽撞的码农”，调教成了一个“有自检能力的工程搭档”。

但更大的事情，正在发生

聊到这，也许你会想，这十条军规已经很厉害了，但故事远没有结束。Claude Code的创始人Boris Cherny，在2026年6月说了一句让全网安静的话：“我不再给Claude写提示词了。循环替我写。我的工作，就是写循环。”

这个循环，英文叫Loop。这套新玩法，有了个正式名字——循环工程（Loop Engineering）。继提示词工程、上下文工程之后，AI圈第三次范式跃迁，就这么悄悄开始了。

它是一个小系统，替你一遍又一遍地给Claude派活、验收、纠错，直到一件事彻底做完。写代码的Claude不给自己打分——另一个模型专门负责检查“到没到目标”。做完一件，记下来；下次启动，接着干。你睡着了，它还在跑。

Claude Code已经把这个能力做成了两条命令：/goal是“干到完成为止”，/loop是“按节奏定期检查”。

Boris自己更极端——他让好几个Agent在后台永远运转，一个找架构可以优化的地方，一个找可以合并的重复代码。Claude犯了重复错误，他让Claude自己把教训写进CLAUDE.md，这样修正就传播到未来的每一次运行中。

而Karpathy的十条军规，本质上就是给Loop提供“自检标准”的。没有这份纪律文件，Loop跑得再快也只是一台高速生产bug的机器；有了它，Loop才知道怎么在翻车前刹车。

从操作员到设计者

从提示词，到上下文，到循环。三次跃迁，指向同一个方向——人类正在从一句一句跟AI对话的“操作员”，变成定好目标、搭好系统、放手让AI自己跑的“设计者”。

Karpathy那份泄露的内部Claude.md，和Boris Cherny口中的循环工程，看起来是两件事，其实是同一枚硬币的两面：一面刻着纪律，一面刻着自动化。纪律告诉AI该怎么检查自己，自动化让这套检查永不停歇地运转下去。

这才是这份文本炸裂全网的真正原因——它不只是一份配置文件，它是一个信号：当AI足够聪明的时候，约束它的方式，比使用它的方式更重要。而那个能定义约束、设计系统、在更高维度上驾驭AI的人，才是下一个时代真正的稀缺资源。

参考资料：

https://x.com/Raytar/status/2070577723089768500

https://github.com/multica-ai/andrej-karpathy-skills

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Karpathy内部Claude.md泄露亲手终结提示词时代要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题