大模型极简编码规范约束
依据前OpenAI研究科学家Andrej Karpathy的编程实践,约束大模型在写代码、修复Bug或重构时遵循先思考、极简实现、精准手术式修改与目标验证准则,
功能与用途
大模型在编写代码时经常出现过度设计、过度抽象、无故改动无关代码以及缺乏验证机制的问题。本规范将 Andrej Karpathy 提出的核心编码原则固化为四个维度的执行标准:编码前明确假设与歧义、极简优先拒绝过度架构、手术式精准修改不伤及周边逻辑、以可测试可验证为目标闭环执行。适用于日常开发、Bug排查以及老项目代码重构,能够显著降低AI生成代码引发的连带故障率与维护负担。
适用场景
- 精准修复遗留代码缺陷:针对存量项目中的具体缺陷,约束模型仅进行手术式局部修改,不改动周边无关代码或格式,避免意外引发连锁故障。
- 新功能极简原型实现:在添加新特性时抑制过度设计倾向,强制模型以最简可用代码实现目标,不引入单次使用的抽象或未要求的可配置项。
- 目标驱动的安全重构:在调整现有逻辑前明确验证标准,先通过测试用例锁定原有行为,再以分步骤闭环方式完成重构并逐项通过测试。
适用人群
- 日常深度使用AI写代码的软件工程师
- 需要让大模型协助修复老旧代码Bug的后端/前端开发者
- 注重代码整洁度与极简原则的技术负责人
使用步骤
- 将规范内容配置到大模型客户端或 IDE 编码插件的 System Prompt 中
- 向模型提出编码、调试或代码重构的具体任务需求
- 模型在输出代码前先明确假设与歧义;对于多步骤任务先提供分步验证检查点
- 审查模型给出的手术式代码变更与对应测试验证方案
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-23
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Behavioral guidelines to reduce common LLM coding mistakes. Use when writing, reviewing, or refactoring code to avoid overcomplication, make surgical changes, surface assumptions, and define verifiable success criteria.
依赖与权限
- 读取用户主动提供的内容