Karpathy 编程四原则:避免随意假设、过度设计、误改无关代码、只写不管对;适用于脚本、自动化、bug 修复等,使 AI 输出更可靠。
”“模型代表你作出错误的假设是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
同时注意输入完整性、执行条件和输出可用性。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
"Models make wrong assumptions on your behalf and just run along with them without checking." — Andrej Karpathy
大模型常犯的错误:过度自信、不质疑假设、代码过度工程化、只管写不管对不对。
不要假设。不要隐藏confusion。直面tradoffs。
执行任务前先理清:
触发信号:当你想"应该没问题"的时候 → 停下来,列出假设
最少代码解决问题,不要过度工程化。
警惕信号:
测试:问自己"一个更简单的引擎会说这过度复杂吗?"
只改必须改的,不动无关代码。
编辑现有代码时:
每个改动的行都应该直接追溯到用户的请求。
定义成功标准,循环验证直到达成。
对于复杂任务:
转换示例:
| 而不是... | 转化为... |
|---|---|
| "添加验证" | "写出2个测试覆盖无效输入,然后让测试通过" |
| "修复bug" | "写出1个测试复现bug,然后修复让测试通过" |
| "重构X" | "确保测试重构前通过、重构后也通过" |
不使用此原则的场景:纯对话问答、文件整理、信息检索(除非涉及代码)。
每当你准备输出代码前,快速自检:
如果有任何一项不确定 → 先搞清楚再继续。
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 133.9万人学习
共49课时 | 82.5万人学习