Vibe Coding 必装：Karpathy Skills（65 行 MD，让 AI 写代码像个靠谱同事）
你用 AI 写代码有没有这种崩溃瞬间：
- 需求没问清楚就开写，写完发现方向错了 😅
- 一通输出看着很努力，结果代码又臭又长
- 让它改个小 bug，它顺手把别的地方也“优化”了，然后全挂
- 做完也不知道算不算完成，反复拉扯到深夜
Karpathy Skills 这套东西，专治这些毛病。
它火的原因也很直接：用 4 条约束把 AI 的“随性输出”拴住，让它按工程方式交付。
这玩意到底是什么？
一句话：一份写给 AI 的工作纪律。
形式很朴素，甚至有点离谱——只有 65 行 Markdown。但它把 Andrej Karpathy 那套“写代码的思路”浓缩成可执行的规则。
你可以把它当成：
- 代码搭子上岗前的“行为手册”
- 每次对话自动附带的开发规范
- 让模型少犯蠢的“保险丝”
AI 开发常见 4 个痛点，它用 4 条约束对着打
1）想清楚再写：不懂就问，别瞎编
很多 AI 最大的问题不是不会写，而是不确定也硬写。
你真正想要的是这种节奏：
- 先把需求问完整
- 不确定的地方列出来
- 关键决策让你拍板
你会明显感到：输出变慢了一点点，但返工少一大截。
建议你配合一个固定句式，让模型更老实：
“如果信息不够，先问我 3～7 个关键问题；别猜。”
2）极简至上：能用 20 行解决，就别给我 200 行
AI 很爱“堆料”：抽象层、配置层、封装层，全给你上齐。
看起来很专业，维护起来想骂人。
Karpathy Skills 的核心态度是：
- 优先用最少代码解决问题
- 先写清晰的小实现
- 真到需要扩展时再重构
适用场景很广：写脚本、做小工具、改一个 API、修一个 UI 逻辑……
你会得到那种“能跑、易懂、好改”的代码，而不是“像框架作者写的炫技稿”。
3）精准修改：只动该动的，不碰需求外的代码
这条太关键了。
你让 AI 改一个函数，它顺便把文件格式化、变量名全改了、目录结构也“顺手整理”。
然后 Git diff 一眼看过去：全是红绿，根本没法 review。
Karpathy Skills 把它掰回来：
- 改动范围要受控
- 不相关的地方别碰
- 需要大改时要提前说明原因，并征得同意
你会发现 PR 更干净，合并也更快。
4）目标导向：每个任务都要有验收标准
最容易无限拉扯的就是这类对话：
“好像差点意思，你再优化一下。”
优化到天荒地老。
Karpathy Skills 要求模型在动手前就把“完成”的定义写出来，最好是可验证的。
比如：
- “新增接口返回字段
xxx，并补 2 个单测覆盖异常分支” - “点击按钮后 300ms 内弹出 toast，失败时展示错误码”
- “修复 bug：复现步骤 A/B/C 下不再报错，并加回归测试”
有了验收标准，你就能一句话收工：
“满足这 3 条就合并。”
安装：两行命令搞定
把插件装上（按你提供的命令原样执行）：
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
装完后建议你做一件事：
- 在常用 IDE/Agent 里确认它是“默认启用”状态
- 尝试开一个新对话，让它按约束来工作（下面有测试脚本）
上手用法：给你一套“对话模板”，直接复制
你可以把下面这段当成每次开工的开场白（特别适合 vibe coding）：
我要做一件事：<一句话描述>
约束：
- 信息不够就问我问题，别猜
- 尽量用最少代码完成
- 只改我指定范围内的文件/函数
- 先写验收标准（可验证），我确认后再写代码
当前上下文：
- 语言/框架：
- 相关文件：
- 现状：
你会发现 AI 的工作方式变得很“像人”：先对齐目标，再动手。
示例：修一个真实一点的需求（你能直接照抄）
场景：你有个 Node/Express 接口很慢，想加缓存，但不想引入复杂中间件。
你对 AI 说：
我要做一件事：给 GET /products 增加 10 秒内存缓存
只允许改动：routes/products.ts
验收标准：
1) 连续请求 10 秒内第二次开始响应时间明显降低（你用 console.time 打点即可）
2) 10 秒后缓存失效，数据会重新拉取
3) 出错时不写入缓存
信息不够就问我，别猜。先给方案和你要问我的问题。
理想的反馈应该是：
- 先问：数据是否跟用户/权限相关？缓存 key 怎么区分？
- 提方案：最小实现就是模块内 Map + timestamp
- 明确改动范围：只改
routes/products.ts - 再给出短小清晰的代码 diff
这就是它的价值：少走弯路 + 代码干净 + 你掌控节奏。
避坑清单（踩过的人都懂）
- 你不写“只改哪些文件”，AI 很可能顺手改一堆。把范围钉死。
- 你不写验收标准，就会陷入无限“再优化一下”。先把“完成”说清。
- 你给的信息太少，还要求它直接写代码，结果大概率猜错。让它先提问。
- 别一上来就要完美架构。小功能用极简实现，能跑能交付更重要。
快速自测：装完是否生效
随便丢一个小任务，看看模型会不会做这两件事：
- 提问补信息
- 给验收标准
测试口令：
我要把一个 Python 脚本改成支持读取 .env 配置。
先问我必要问题，然后写验收标准。我确认后你再动代码。
它如果直接开始贴代码，说明你的工作流里约束没吃进去。回去检查插件是否启用，或把约束写进系统提示/项目规则里。
你会得到什么变化？
- 代码更短，更像“能维护的手写代码”
- 改动更小，diff 更好 review
- 任务结束更利索，不会拖到半夜
vibe coding 要的不是“写得快”，是“写完能交”。Karpathy Skills 就是干这个的。
