AI 编程避坑指南：AI 代理核心规则

• 🚀 核心规则：复制即用
• 🛠️ 如何配置到你的工具？
  • 1. Claude Code (CLI)
  • 2. Trae / Cursor
  • 3. GitHub Copilot / Codex
• 💡 为什么这套规则有效？

本文首发地址 https://h89.cn/archives/512.html

在 AI 编程时代，我们遇到的最大挑战往往不是 AI “不够聪明”，而是它“太聪明”了——它会写出过度设计的代码、做出一堆未经确认的假设，或者在修复一个 Bug 时顺手把周围没坏的代码也给重构了。

特斯拉前 AI 总监 Andrej Karpathy 曾多次吐槽大模型编程中的这些陷阱。受此启发，社区提炼出了一套 Karpathy-Inspired AI Guidelines，旨在让 AI 代理（如 Claude Code, Trae, Cursor 等）回归本质：写最简单的代码，做最精准的修改。

---

🚀 核心规则：复制即用

你可以将以下规则直接作为“全局说明”或“项目指令”配置到你的 AI 工具中。

- **编码前思考 (Think Before Coding)**
  - **拒绝假设**：在写代码前，先陈述你的理解和假设。如果有不确定的地方，先提问。
  - **暴露权衡**：如果存在多种实现方案，请列出优缺点，不要默默替我做决定。
  - **推崇简单**：如果我提出的方案太复杂，请主动建议更简单的替代方案。

- **简单至上 (Simplicity First)**
  - **最小化代码**：只写能解决当前问题的代码，不多写一行。
  - **严禁过度设计**：不要在没要求的情况下添加抽象、枚举、类结构或“灵活性”。
  - **拒绝投机**：不要预判我未来可能需要的特性。
  - **精简原则**：如果 50 行代码能解决，绝不写 200 行。

- **外科手术式修改 (Surgical Changes)**
  - **精准打击**：只触碰必须修改的代码。不要“顺便”重构邻近代码、调整格式或更新注释。
  - **尊重现有风格**：匹配现有的编码风格，即使你认为有更好的写法。
  - **清理现场**：只负责清理**由你这次修改**导致的冗余（如未使用的导入/变量）。

- **目标驱动执行 (Goal-Driven Execution)**
  - **定义成功标准**：将模糊的任务（如“修复 Bug”）转化为可验证的目标（如“写一个失败测试，修复代码，确保测试通过”）。
  - **小步快跑**：对于复杂任务，按“步骤 -> 验证”的循环进行，每一步都必须可验证。

简洁版

- **编码前思考**：拒绝假设，先陈述理解；不隐瞒困惑，暴露权衡；推崇简单方案。
- **简单至上**：最小化实现，不臆测需求；严禁过度设计（抽象/枚举/类）；精简原则（50行对200行）。
- **外科手术式修改**：精准打击，不重构邻近代码或格式；尊重现有风格；仅清理由本次修改产生的冗余。
- **目标驱动执行**：定义可验证的成功标准（测试驱动）；复杂任务采用“步骤 -> 验证”循环。

---

🛠️ 如何配置到你的工具？

为了让这些规则生效，你需要将它们配置到 AI 工具的“全局指令”或“系统提示词”中。

1. Claude Code (CLI)

Claude Code 默认会读取项目根目录下的 CLAUDE.md 文件。

• 在项目根目录创建 CLAUDE.md。
• 将上述核心规则粘贴进去。
• 也可以通过 .claude-plugin/plugin.json 配置为插件。

2. Trae / Cursor

Trae 和 Cursor 提供了“全局规则”设置：

• Trae: 进入 Settings -> General -> Rules（或者在 .trae/rules 目录下创建 .md 文件）。
• Cursor: 进入 Settings -> General -> Rules for AI。
• 将核心规则粘贴到输入框中，AI 在每次对话和生成代码时都会遵循这些准则。

3. GitHub Copilot / Codex

如果你使用的是 GitHub Copilot Chat：

• 可以在 VS Code 中设置 .github/copilot-instructions.md。
• 或者在项目根目录创建 .cursorrules（部分版本兼容）。

---

💡 为什么这套规则有效？

AI 编程的核心痛点在于 “控制感”。

• 外科手术式修改 保证了你的 Git Diff 是干净的，不会因为 AI 的重构而产生一堆无关痛乱。
• 简单至上 避免了 AI 引入复杂的抽象，导致后续代码难以维护。
• 目标驱动 强迫 AI 像高级工程师一样思考：如何证明我的代码是正确的？

通过这套 Karpathy 指南，你可以将 AI 从一个“不可控的黑盒”转变为一个“精准执行的外科医生”。

---

本文基于 forrestchang/andrej-karpathy-skills 项目分析整理。