（2356期）Karpathy Coding Guidelines – LLM编码行为四原则

LLM编码行为四原则 源自Andrej Karpathy的AI编程行为准则，通过"先思考、极简主义、精准改动、目标驱动"四原则减少LLM常见编码错误 使用说明 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 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 直击LLM通病：过度生成、隐含假设、范围蔓延、验证缺失 可量化验证："更少无关diff"、"更少因过度复杂导致的重写" 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。 原始说明 Behavioral guidelines to reduce common LLM coding pitfalls, derived from Andrej Karpathy's observations. Apply these four principles when writing, editing, o...