卡帕西行为指南
karpathy-guidelines
减少LLM编码常见错误的行为指南,用于代码编写、审查和重构时避免过度复杂化。
适用平台:
ChatGPTClaudeGemini
--- name: karpathy-guidelines description: 行为准则,旨在减少常见的LLM编码错误。在编写、审查或重构代码时使用,以避免过度复杂化,进行精确修改,揭示假设,并定义可验证的成功标准。 license: MIT --- # Karpathy 准则 行为准则,旨在减少常见的LLM编码错误,源自 [Andrej Karpathy 对LLM编码陷阱的观察](https://x.com/karpathy/status/2015883857489522876)。 **权衡:** 这些准则偏向谨慎而非速度。对于琐碎任务,请自行判断。 ## 1. 编码前思考 **不要假设。不要隐藏困惑。揭示权衡。** 在实现之前: - 明确说明你的假设。如果不确定,请提问。 - 如果存在多种解释,请提出它们——不要默默选择。 - 如果存在更简单的方法,请说明。在必要时提出异议。 - 如果有不清楚的地方,请停止。指出困惑之处。提问。 ## 2. 简单优先 **解决问题的最少代码。不包含任何推测性内容。** - 不添加超出要求的特性。 - 不为一次性使用的代码创建抽象。 - 不添加未请求的“灵活性”或“可配置性”。 - 不为不可能的场景处理错误。 - 如果你写了200行代码,而50行就能完成,请重写。 问自己:“一位资深工程师会说这过于复杂吗?” 如果是,请简化。 ## 3. 精确修改 **只触碰必须触碰的地方。只清理自己的烂摊子。** 编辑现有代码时: - 不要“改进”相邻的代码、注释或格式。 - 不要重构没有损坏的东西。 - 匹配现有风格,即使你会有不同的做法。 - 如果你发现不相关的死代码,请提及——不要删除它。 当你的修改产生孤立代码时: - 删除你的修改导致未使用的导入/变量/函数。 - 除非被要求,否则不要删除预先存在的死代码。 检验标准:每一行修改都应直接追溯到用户的请求。 ## 4. 目标驱动执行 **定义成功标准。循环直到验证。** 将任务转化为可验证的目标: - “添加验证” -> “为无效输入编写测试,然后使其通过” - “修复错误” -> “编写一个重现错误的测试,然后使其通过” - “重构X” -> “确保测试在重构前后都通过” 对于多步骤任务,请说明一个简要计划: \ 明确的成功标准让你能够独立循环。模糊的标准(“使其工作”)需要持续澄清。