作者:互联网 时间: 2026-07-25 19:30:02
Claude Code 如何少乱改代码?关键不是把提示词写得更凶,而是给它一套能执行的边界。andrej-karpathy-skills 的价值就在这里:它把常见的 LLM 编程问题压成几条行为规则,让 Claude Code 在动手前先判断任务、暴露不确定点、缩小改动范围,并在收尾时给出验证标准。
乱改通常从第一步就开始了。需求还没读完,模型已经开始补抽象、换结构、改命名。andrej-karpathy-skills 里的 CLAUDE.md 把“Think Before Coding”放在前面,就是提醒 Claude Code 不要把猜测当事实。实际用法很简单:让它先复述目标、列出会碰到的文件、说明不确定点,再允许它修改代码。

Claude Code 容易装确定。比如接口真实返回值没看到、测试命令没跑过、业务边界没问清,它也可能直接写一版。四大规则里最该保留的一条,是让模型暴露 tradeoff:哪里有假设,哪里需要你确认,哪里只是按现有代码推断。这样做会慢一点,但能减少“看起来完成,实际跑不通”的返工。
少乱改的核心是范围控制。修一个登录按钮,不要顺手重构表单体系;补一个类型错误,不要改完整个状态管理。给 Claude Code 的任务里可以写清三句话:只改和问题有关的文件;不要引入新依赖;不要做风格化重构。改完后看 Git Diff,如果出现无关文件,就让它解释为什么必须改,解释不清就回退。

很多 AI 代码问题不是写错,而是没人检查。andrej-karpathy-skills 适合配合一个固定收尾模板:改了什么、没改什么、跑了什么命令、哪些测试没跑、还有什么风险。这个模板能逼 Claude Code 从“我已经修好了”回到可核验状态。没有验证命令,也要给人工检查点。
它适合 bug 修复、PR 级小功能、多文件维护、旧项目梳理和代码审查。不适合拿来解决一句话大需求,比如“重做整个后台”或“把系统优化一下”。这类任务范围太大,规则只能减少乱改,不能替你拆需求。