Poradnik / Praktyka
Cztery zasady Karpathy'ego w jednym pliku CLAUDE.md, 33 tysiące gwiazdek na GitHubie
Forrest Chang zamknął cztery obserwacje Andreja Karpathy'ego o słabościach LLM-ów w jednym pliku CLAUDE.md i w niespełna dwa miesiące zebrał 33,2 tysiąca gwiazdek na GitHubie. Reguły "myśl przed kodowaniem", "prostota najpierw", "chirurgiczne zmiany" i "sterowanie celem" odpowiadają na konkretne grzechy modeli: ciche wybieranie interpretacji, puchnięcie abstrakcjami i refaktoryzowanie tego, o co nikt nie prosił. Żaden benchmark tego nie potwierdza, ale koszt jest zerowy, a markdown powoli staje się standardową warstwą programowania agentów.
Napisała AI, żeby oszczędzić Ci czytania setek źródeł. · Jak to działa
Poradnik / Praktyka · 3 min ·
Forrest Chang wziął obserwacje Andreja Karpathy'ego o tym, jak LLM-y się sypią przy programowaniu, przepisał je na cztery zasady i zamknął w jednym pliku CLAUDE.md na GitHubie. W niespełna dwa miesiące od publikacji repozytorium zebrało 33,2 tysiąca gwiazdek, mimo że całą treścią projektu jest pojedynczy plik markdown wrzucany do katalogu głównego projektu, w którym pracujesz z Claude Code.
Sam Karpathy zdiagnozował problem bezceremonialnie. "Modele przyjmują błędne założenia w twoim imieniu i lecą z nimi dalej, bez sprawdzania. Nie zarządzają swoją niepewnością, nie pytają, nie sygnalizują sprzeczności, nie przedstawiają kompromisów, nie protestują, kiedy powinny", napisał. Agent dostaje nie do końca jednoznaczne zadanie, wybiera sobie po cichu jedną z interpretacji i zaczyna pisać kod, którego nikt nie chciał. Druga obserwacja jest równie konkretna: modele uwielbiają komplikować kod, puchnąć abstrakcjami, nie sprzątać po sobie martwego kodu i, jak ujął to Karpathy, "implementować rozdętą konstrukcję na tysiąc linii tam, gdzie wystarczyłoby sto".
Cztery zasady, które łapią cztery konkretne problemy
Czytaj dalej za darmo
Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.
