核心用法
karpathy-principles 是一套源自 Andrej Karpathy（OpenAI 创始成员、特斯拉前AI总监）AI编程观察的强制约束框架，通过四大原则规范AI的代码行为：
| 原则 | 核心指令 | 典型应用场景 |
|------|---------|------------|
| **先思考** | 不确定就问，列出多种解释，不隐藏困惑 | 接到模糊需求时，主动澄清而非假设实现 |
| **保持简单** | 最小代码解决问题，拒绝多余抽象 | 200行能解决的不写1000行 |
| **精准修改** | 只改必须改的，不"顺便"改进邻接代码 | Bug修复时不重构无关模块 |
| **目标驱动** | 测试先行，"让测试通过"替代"修bug" | 写测试复现→定位→修复→验证闭环 |
工作流程
- 代码审查：按原则逐条扫描，报告过度复杂、连带修改等问题
- 代码生成：需求→多方案列出→选最简→写测试→实现
- Bug修复：写测试复现→让测试失败→定位修复→让测试通过→验证
显著优点
1. 权威来源背书：基于Karpathy在AI编程领域的深度观察，开源项目获191k+ Stars，经广泛验证
2. 强制纠偏机制：针对AI常见失控行为（过度工程、范围蔓延、未经确认实现）设立硬性约束
3. 测试驱动闭环：将"修bug"转化为可验证的工程流程，减少反复修复
4. 零侵入部署：纯Markdown指导类技能，无代码执行，无性能开销
潜在局限
1. 原则抽象度高：实际执行依赖AI对"简单""必须改"等概念的理解一致性
2. 上下文消耗：多轮澄清和测试编写可能增加token消耗
3. 不适用探索性场景：原型验证、技术预研等需要快速试错时，严格原则可能降低效率
适合人群
- 需要AI辅助生产级代码开发的工程师
- 饱受AI"过度实现"困扰的开发者
- 团队协作中需要统一AI交互规范的Tech Lead
- 追求代码可维护性的长期项目维护者
常规风险
- 误触发原则：简单任务被过度流程化，建议用禁用关键词（"帮我写个...""修复这个""添加功能"）识别何时跳过
- 测试负担：小型脚本或一次性代码的测试编写成本可能高于收益，需人工判断原则强度