Andrej Karpathy 提煉「CLAUDE.md 四大準則」引爆 GitHub，讓 AI 寫 Code 準確率飆破 90%

讓 AI 乖乖聽話的神級 Prompt 曝光！近期在 GitHub 上，一份名為 `CLAUDE.md` 的文件衝上趨勢榜首。這份基於前 OpenAI AI 總監 Andrej Karpathy 觀察所提煉的「四大編碼準則」，猶如替 AI 植入了資深工程師的靈魂。只需將其放入專案根目錄，就能讓 Claude Code 等 AI 工具的代碼準確率從 65% 飆升至 90% 以上，徹底根治 AI 偷改代碼、過度工程化的壞毛病。
（前情提要：Claude Code 新推 /goals 指令：分離執行與評估，避免 AI 代理偷懶說謊）
（背景補充：OpenAI 創始成員 Andrej Karpathy 宣布加入 Anthropic：重返 LLM 研發最前線）

隨著 Claude Code、Cursor 等 AI 輔助開發工具日益普及，許多開發者卻面臨一個共同的痛點：AI 雖然寫得快，但經常「自作聰明」，不僅會腦補假設、過度設計，甚至還會擅自亂改原本好端端的程式碼。

不過，這個問題現在有了終極解法。知名 AI 大神、前 OpenAI AI 總監 Andrej Karpathy 日前深刻剖析了大型語言模型（LLM）在寫程式時的常見失敗模式；隨後，由 Forrest Chang 等開發者將其核心理念提煉成一份名為 CLAUDE.md 的簡單文件。這個專案（forrestchang/andrej-karpathy-skills）近期在 GitHub 上狂飆至趨勢榜首，狂攬數十萬顆星標（Stars）。

許多開發者實測後驚喜回報，導入該文件後，AI 輸出的代碼準確率從原本的 65% 左右，大幅躍升至驚人的 90% 以上。

揭密 CLAUDE.md 的「四大黃金準則」

這份神奇的 CLAUDE.md 文件，本質上就是給 AI 裝上了一套「資深工程師守則」。當它被放置在專案根目錄時，Claude Code 會自動讀取並作為整個會話的最高行為指南。其核心包含以下四條鐵律：

一、先思考再編碼（Think Before Coding）：
「不要假設。不要隱藏困惑。攤開權衡取捨。」
強迫 AI 必須明確陳述自己的假設。如果遇到不確定的需求，或是存在多種解法，AI 必須主動停下來詢問使用者，而不是默默地瞎猜硬寫。該反駁不合理需求時，AI 也被賦予了「推回（push back）」的權力。
二、極簡優先（Simplicity First）：
「只寫能解決問題的『最少代碼』。不作任何推測。」
嚴禁 AI 隨意「加戲」。不允許為了未來不可能發生的場景寫防禦性代碼，也不允許為了單次任務去搞複雜的抽象架構。原則很簡單：能用 50 行解決的問題，絕不寫 200 行。
三、精準外科手術式修改（Surgical Changes）：
「只動你必須動的地方。只清理你自己弄亂的代碼。」
這是許多開發者的最愛。該準則嚴格禁止 AI 在修改特定 Bug 時，「順手」去重構或更改相鄰的程式碼、註解與排版格式。每一行改動，都必須能直接追溯到使用者的明確需求。
四、目標驅動執行（Goal-Driven Execution）：
「定義成功標準。循環驗證直到達成。」
要求 AI 將模糊的任務轉化為可驗證的具體目標。例如遇到「修復 Bug」的指令，AI 的標準動作必須是：先寫出能復現 Bug 的測試 ➔ 然後修改代碼 ➔ 最後讓測試通過，形成嚴謹的驗證迴圈。

為何這份 Prompt 如此有效？

LLM 的天性喜歡迎合使用者，且極度容易產生「幻覺假設（hallucinate assumptions）」與「範圍蔓延（scope creep）」。這份 CLAUDE.md 的偉大之處，在於它將人類資深工程師的「常識與克制」硬編碼成了系統提示（System Prompt）。

透過這四大準則，AI 被強迫變得更謹慎、專注且結果可驗證。許多受惠的開發者表示，現在的 Git Diff（代碼差異比對）變得前所未有地乾淨，Bug 大幅減少，後續維護也更加輕鬆。這不再像是在指揮一台失控的機器，而是真正體會到與一位可靠的「資深工程師（Senior Engineer）」進行結對程式設計（Pair Programming）的快感。