00:00 / 01:22
连播
清屏
智能
倍速
点赞6
用‘完成标准’驱动AI自主实现目标 Andrej Karpathy发了一篇长推,系统吐槽了当下 AI Agent 最常见的"翻车现场"——到今天,这条推文已经接近 800 万阅读。 很快,一位叫 Forrest 的开发者把 Karpathy 推文里的观察,浓缩成了一个名叫 "Karpathy Skills" 的 GitHub 仓库。核心其实就一个文件:CLAUDE.md。 丢进 Claude Code,就能显著改善 Agent 的行为。 就是这样一个简单粗暴的方案,一周内冲到了 43000+ stars。 它之所以能火,一是因为"门槛极低"——复制粘贴一个 md 文件就完事;二是因为它把 Karpathy 的经验,提炼成了 4 条可落地的原则。 不管你用不用这个文件,理解这 4 条原则,都会让你和 AI Agent 协作的水平上一个台阶。 -------------------------------------------------------------------- "目标驱动的执行"是 4 条里最"反直觉"的一条,也可能是最值钱的一条。 Karpathy 的观察是: LLM 特别擅长朝着一个明确的目标循环推进。所以与其一步步指挥它怎么做,不如给它一个"成功的样子",然后让它自己探索怎么去实现。 换句话说:把你的表达方式,从"命令式(imperative)"切到"声明式(declarative)"。 • 命令式:你一步步告诉它该怎么做; • 声明式:你告诉它最终应该是什么样子,由它自己决定路径。 #vibecoding[话题]# #Andrej[话题]# Karpathy #Karpathy[话题]# Skills #Claude[话题]# Code
00:00 / 01:47
连播
清屏
智能
倍速
点赞42