Karpathy Coding Guidelines 综合评估
核心用法
该技能为一套行为约束框架，非具体工具，需在以下场景触发：
- 代码编写、编辑、审查、重构
- Bug修复、功能实现
- 用户明确要求"谨慎/规范"的编码行为
使用时需将四个原则内化为决策标准：
| 原则 | 关键动作 |
|------|---------|
| **Think Before Coding** | 显式声明假设、暴露多义性、质疑过度复杂方案 |
| **Simplicity First** | 零推测性代码、拒绝单例抽象、200行→50行测试 |
| **Surgical Changes** | 零"顺手优化"、匹配既有风格、自产孤儿代码自清理 |
| **Goal-Driven Execution** | 任务→可验证目标、多步骤附验证检查点 |
显著优点
1. 来源权威性极高：Andrej Karpathy（前Tesla AI总监、OpenAI创始成员、CS231n主讲）的实战经验结晶
2. 直击LLM通病：过度生成、隐含假设、范围蔓延、验证缺失
3. 可量化验证："更少无关diff"、"更少因过度复杂导致的重写"
4. 零学习成本：纯自然语言约束，无需API或配置
潜在局限
- 依赖执行纪律：无强制机制，需模型/用户主动唤起
- 可能过度保守：简单任务若机械应用，效率损失
- 风格冲突风险："匹配既有风格"与代码库本身低质存在张力
- 验证成本：目标驱动模式增加前期规划时间
适合人群
- LLM自身：作为系统提示(system prompt)的一部分固化
- 代码审查者：作为checklist评估AI生成代码
- 技术负责人：规范团队AI辅助编码流程
- 追求可维护性的开发者：厌恶"聪明代码"的务实派
常规风险
| 风险类型 | 说明 | 缓释 |
|---------|------|------|
| 应用不足 | 用户未明确要求时遗漏触发 | 建议设为默认编码行为 |
| 教条主义 | 将"简化"执行成"功能残缺" | 保留"trivial tasks用判断"条款 |
| 验证缺失 | 目标驱动未配套测试执行 | 强制要求测试前置或现场演示 |
认证状态
⚠️ 未执行安全扫描：本报告为占位生成，source_credibility基于作者声望评估，非代码审计结果。