Karpathy 的 LLM 寫程式 4 原則，真正有用的不是『提示詞』，而是把工程紀律前移到專案層的 CLAUDE.md
這則 Threads 整理了 Andrej Karpathy 提出的 LLM 寫程式 4 大原則，並建議把它們寫進專案根目錄的 CLAUDE.md。
表面上這像是在分享一組 prompt 規則，但真正重要的，不是那四句話本身，而是它揭示了 AI coding 從「個人技巧」走向「團隊工程流程」的關鍵轉折。
1. 這 4 條規則，本質上都不是模型技巧，而是工程紀律
可見的原則大致包含：
- 先思考，再 coding
- 不確定就問，不要亂猜
- 極簡優先，只寫剛好夠用的東西
- 精準修改、目標導向、先驗證再說完成
這些聽起來很像在教 AI，但其實本來就也是在教人。換句話說，這不是「新的 AI 魔法」，而是把成熟工程團隊早就知道的重要紀律，重新包裝成模型可執行的規則。
2. 真正的價值在於：把規範從腦袋搬進 repo
很多團隊對 AI coding 的期待卡住，不是因為模型太笨，而是因為規範太模糊。例如：
- 什麼情況該先問再做？
- 什麼叫 minimal change？
- 什麼算 done？
- 要先跑哪些驗證？
如果這些都沒寫進專案上下文，AI 只能靠猜。所以與其一直換 prompt，不如把團隊真正的工程規矩寫成機器能讀的文件，讓它從一次次個人對話，變成專案層的長期制度。
3. CLAUDE.md / AGENTS.md / project rules，未來會變成 codebase 的標配
以前 repo 裡最重要的是 README、CONTRIBUTING、ARCHITECTURE。現在還要再多一類：
- 給 agent 的規則檔
- 給 AI coding 的上下文檔
- 給自動化工具的執行邊界說明
它們的重要性會越來越像 CI config：平常不會一直盯著看，但一旦沒有它，整個工作流就會開始漂移。
我的判斷
這篇最值得記的，不只是 Karpathy 的 4 條規則，而是這個更大的方向：
LLM 寫程式要走向穩定，不是靠一次次臨場 prompt，而是把工程團隊原本默會的判斷，前移成專案層可持續維護的規則文件。