上班“有毒”!AI大神Andrej Karpathy加入Anthropic后大变样,自用CLAUDE.md曝光

Andrej Karpathy | 详解神经网络和反向传播(基于micrograd) 课程时长 2 小时 25 分钟,基于 micrograd 详细介绍并演示了神经网络的搭建和反向传播的过程。Micrograd 是 Andrej 于 2020 年编写并开源的微型 autograd(自动梯度)引擎。其中用 100 行代码实现了针对动态构建的 DAG 的反向传播算法,并用 50 行代码实现了类 PyTorch API 的库。目前,micrograd 项目的 GitHub Star 量已达 2.6k。 阅读详情

上班“有毒”,大神也变“牛马”

上班真是有毒啊,连Andrej Karpathy(安德烈・卡帕西)这样的AI领域大神去到Anthropic之后也变“牛马”,没空在GitHub上做贡献了。自从今年5月19日正式加入Anthropic,Andrej Karpathy在开源社区的活跃程度直线降低,最近就连在X平台上发帖也少了。他这几天还在X上和网友们打起了嘴仗,吐槽推荐算法靠冲突引流导致社区气氛变差,马斯克也承认需要彻底改进。

“Karpathy自用的CLAUDE.md”流传

不过Andrej Karpathy对「做教程」的热爱始终如一。最近有人说拿到了Andrej Karpathy实际使用的CLAUDE.md文件,据说它可以完全改变使用Claude的方式。CLAUDE.md是专门写给Claude AI看的项目级说明文档。随着AI编程助手的普及,开发者需要标准化方式告诉AI项目规则。将该文件放项目根目录,使用Claude辅助编程时会自动读取内容。

CLAUDE.md文件内容揭秘

这份文件存在是因为大语言模型写代码会犯可预测错误,文件里写的不是建议而是规则,遵守规则产出的代码无需重写,忽视则会在生产环境出问题。文件内容包括写之前先读、写代码之前先想清楚、保持简单、外科手术式修改、验证、目标驱动执行、调试、依赖、沟通等方面的规则,还列举了常见失败模式,如大杂烩、错误的抽象、隐形决策等。

文件真实性存疑但内容货真价实

有网友表示值得细读其结构,最好的CLAUDE.md文件应根据自己技术栈和风格调整。还有网友评论,即使是Karpathy用Claude时也得详细指导。这份被称为「Andrej Karpathy自己用的CLAUDE.md」文件真实性存疑,但其内容基于Karpathy本人思想。社区开发者基于他的思考提炼出4条核心原则,制作成CLAUDE.md模板供大家套用,项目有十几万star。比如《andrej - karpathy - skills》,能将Claude的代码错误率从41%降到11%。

AI编程大神Karpathy入职Anthropic后,内部流出的10条编程军规 入职Anthropic五周后,Karpathy的同事说:'Claude终于不再跟我对着干了。' 阅读详情

相关推荐

反激电源反馈环路设计:UC3842的FB脚与COMP脚接法对比与选型

在开关电源设计中,PWM控制器与光耦的反馈环路接法直接影响系统稳定性与动态响应。UC3842作为经典电流模式控制器,其FB脚和COMP脚分别对应内部误差放大器的输入与输出,决定了环路补偿由内部还是外部承担。FB脚接法利用内部基准和运放,设计简单、成本低,适合小功率适配器;COMP脚接法旁路内部运放,补偿网络外置,动态响应快、精度高,适合中大功率工业电源。理解两种接法的原理与差异,有助于在反激电源设计中优化环路补偿,提升负载调整率和批量一致性。

weixin_31887307的博客 322

碾压普通 AI 编程,Karpathy 提炼的 CLAUDE.md 指南,让 LLM 秒变工程师

摘要 AI编程助手在提升开发效率的同时,也暴露出过度复杂化、擅自修改无关代码、隐藏关键假设、缺乏验证等痛点。开源项目andrej-karpathy-skills通过CLAUDE.md指南提出四大优化原则:1)先思考再编码,澄清需求歧义;2)追求代码简洁,避免冗余设计;3)精准修改代码,保持风格统一;4)目标驱动开发,建立验证闭环。该指南可通过直接调用或插件安装方式落地应用,将AI从"添乱新手"转变为"靠谱工程师",实现高效人机协作。这些原则直击AI编程核心痛点,为开发

小程故事多的博客 1689

时间序列分析:ARCH、GARCH、TGARCH与DCC-GARCH波动率模型(含代码)

关注TGARCH模型和DCC-GARCH的应用,通过在沪深300和中证500指数上应用TGARCH和DCC-GARCH模型,揭示这两个指数之间的条件异方差及动态相关性的变化规律。

celiaweiwei的博客 1万+

狂揽58.9k star,Karpathy一条推文,一个CLAUDE.md文件,让你的Claude Code聪明数倍。

Andrej Karpathy 一条推文揭示了AI编程助手的核心缺陷,催生了一个5.6万星的开源项目。一个CLAUDE.md文件,四条原则:先思考再编码、简洁优先、外科手术式修改、目标驱动执行。从根源解决AI乱假设、乱复杂化、乱改代码的顽疾。

m0_74837192的博客 752

Ardupilot环境搭建

Ardpilot介绍:ArduPilot通过多种传感器的数据(GPS、加速度计、气压计、磁场计)等来估计飞行器的姿态,从而使飞行器能够保持稳定。

weixin_62387234的博客 2640

卡帕西 AI 编程神级指令!Codex / Claude / Cursor 通用 AGENTS.md 保姆级教程

本文介绍了GitHub热门项目andrej-karpathy-skills,该项目整理了Andrej Karpathy提出的AI编程行为准则,旨在约束Codex、ClaudeCode、Cursor等AI编程工具的行为。核心内容包括四条规则:编码前先思考、保持简洁、精准修改和目标导向执行。文章详细说明了如何获取适用于不同工具的规则文件(AGENTS.md、CLAUDE.md、.cursor/rules/karpathy-guidelines.mdc),并对比了三者的异同。最后给出使用建议:补充项目特定规则、多

冰冻三尺非一日之寒 7540

ADS2023实战:2.4GHz超外差接收机从设计到链路预算全流程解析

本文以ADS 2023软件为平台,详细解析了2.4GHz超外差接收机从核心指标定义、架构原理到完整链路搭建与仿真的全流程。通过实战演练,重点阐述了如何利用ADS进行谐波平衡仿真和链路预算分析,以量化评估系统增益、噪声系数等关键性能,为射频工程师提供了一套从理论到仿真的系统级设计方法。

herb5的博客 823

LLM基础课: 跟着大神 Andrej Karpathy 学习 Byte Pair Encoding

探索Tokenization的神秘世界:了解它如何塑造大型语言模型的理解力,特别是在处理多样化语言时的挑战与策略,揭示了为何LLM处理非英语文本时会遇到困难,以及如何优化这一过程。

thomas20的博客 3129

反制反心理特征的研究

抓牛股

m0_58032574的博客 910

171、运动控制中的标定:摩擦力与死区补偿标定

摘要(149字) 运动控制系统中的摩擦力与死区补偿是提升精度的关键。摩擦力分为静摩擦、库仑摩擦和粘滞摩擦,其中Stribeck效应是低速抖动的主因;死区则表现为控制信号的无效区间。有效标定方法包括恒速测试(摩擦力)和斜坡响应法(死区)。补偿策略需采用分段前馈和动态调整,避免过度补偿导致振荡。实践中要注意机械状态检查、补偿量限幅,并定期重新标定。硬件升级配合算法补偿才能实现最优控制,标定工作应优先于PID参数调整。

m0_50546716的博客 232

【AIGC】Claude(Anthropic)

Claude 是由公司开发的一系列大型语言模型(LLM),旨在提供安全、可靠、有益且符合人类价值观的 AI 助手。自 2023 年初首次发布以来,Claude 已成为与 OpenAI 的 GPT 系列、Google 的 Gemini 并列的主流大模型之一。2025年11月19日,Anthropic宣布与微软扩大战略合作,Claude Sonnet 4.5、Haiku 4.5和Opus 4.1模型正式上线 Microsoft Foundry 平台公测。

bryant_meng 1517

Adams Car——Adams car与Simulink联合仿真

Adams与simulink悬架联合仿真

Mr.邹的博客 2127

【Reading Notes】(10.3)Favorite Articles from 2026 March

是目前很受国内欢迎的国产开源 AI 桌面客户端,它把 DeepSeek、Claude、Gemini、Ollama 等 300+ 模型一键接入,还原生支持 OpenClaw(小龙虾)快速安装,让你几分钟内就能拥有一个“有灵魂”的持久 AI 伙伴——它会记住你是谁、怎么说话、有底线,还能定时干活、管日程、写代码。他展示了一个实验室管理系统,包括数据分析、实验管理、采购等功能。2)网络安全,就是行业笑话:你以为你是在玩AI,其实,你是把GitHub、Slack、邮箱、API key、数据库的全部钥匙,都给了它。

bryant_meng 1066

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

20分钟搭建AI知识层,让你的智能体秒变专家!优快云收藏必备,小白也能轻松上手!

本文介绍了一种双层系统,通过构建AI知识层,让你的智能体在执行任务前读取相关信息,从而更好地理解你的需求和风格。该系统分为知识库层(动态维护)和品牌基础层(静态固定),只需20分钟即可搭建完成,效果会随时间提升,且完全开源。文章详细讲解了如何搭建和使用该系统,以及其在内容创作、企业运营和个人生活中的应用场景。通过搭建知识层,你可以让智能体更精准地输出内容,提升工作效率,实现AI的复利增长。

2401_84815887的博客 674

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

AI大神Andrej Karpathy加入Anthropic后变“牛马”,其自用CLAUDE.md文件有啥干货?

文件中给出了一系列写代码的规则与建议,比如写之前先读,要认真阅读即将修改的文件,查看项目里类似功能的实现方式,查看测试文件等;沟通,围绕代码的沟通和代码本身一样重要,说明做了什么及为什么这么做,主动指出隐患,精确表达不确定性,不要解释用户已经知道的东西,Commit message要写具体。随着AI编程助手(尤其是Anthropic的Claude Code命令行工具,以及各种集成了Claude的编辑器)的普及,开发者需要一种标准化的方式来告诉AI:「在这个项目里,你应该遵循什么规则」。这下大家又有的学了?

IT界那些事儿 83

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

系统提示词泄露攻防实战:把「不能说的秘密」从提示词里请出去

回看整条主线:系统提示词一定会被提取,这是架构与协议的必然(第 2 节),所以防御的重心要从「藏」转向「分层止损」——机密搬出提示词(第 0 层)、canary 让泄露可观测(第 1 层)、审查模型拦语义变体(第 2 层)、上下文隔离切注入通道(第 3 层)、自动化红队把残余风险变成可管理的回归指标(第 4 层),配合 2025 年研究路线(SIF)把保密性变成可计算的量。延伸方向有三个值得投入的角度:其一,推理链泄漏。

专注于网络安全攻防技术与安全运营(SecOps)实践。 1443

Andrej Karpathy Skills:184K Star!一个 CLAUDE.md 文件根治 AI 编码三大顽疾,Karpathy 本人观察提炼的4大原则,Claude Code + Curs

Andrej Karpathy Skills是一份184K星标的AI编码优化指南,核心是通过一个CLAUDE.md文件解决AI编程的三大问题:错误假设、过度复杂和乱改代码。基于Karpathy的观察提炼出四大原则:先思考后编码(明确假设/呈现权衡)、代码极简主义(用最少代码)、精准修改(只改必要部分)和目标驱动(定义验证标准)。支持Claude插件和Cursor工具,MIT协议开源,适用于非琐碎任务,能显著减少不必要改动和重构需求。通过声明式编程让AI自主循环验证,提升开发效率。

guopeiAI 1619

爆火 GitHub:这份以 Karpathy 命名的 CLAUDE.md,揭示了 AI 编程的“纪律危机”

GitHub项目"andrej-karpathy-skills"因提出AI编程四大核心原则引发热议:1)先思考后编码;2)简约至上;3)外科手术式修改;4)目标驱动执行。该项目指出AI编程的瓶颈不在于知识量,而在于工程纪律,强调要让AI遵循明确约束和系统化流程。这份指南将资深工程师的实践经验显式化,帮助AI减少不必要改动,以可验证目标驱动执行。项目首日即获6,000星,现突破60k,展现了业界对提升AI编程纪律性的迫切需求。

2401_84262484的博客 908

AI编程系列之6:CLAUDE.md 三层记忆系统——让 AI 真正“懂“你的项目

你有没有过这种经历:明明昨天才告诉 Claude Code "我们项目用 TypeScript 严格模式",今天开新会话它又问"用 JavaScript 还是 TypeScript"?明明上次你吐槽过"不要用 class 组件",它这次又写了一个? 这不是 AI 记性差,而是你**没有给它一个记笔记的地方**。 解决方案就是 **CLAUDE.md**——一个放在项目里的"记忆文件"。这一篇我会彻底讲清楚:它分几层、怎么用、有多强大。

cooldream2009的博客 909

AI大咖说-李飞飞高徒/特斯拉前AI总监出的最新AI课程

我们将从头开始,从基础到构建一个类似于ChatGPT的实用Web应用,全程使用Python、C和CUDA进行开发,且对计算机科学背景知识的要求极低。Andrej Karpathy的职业生涯充满了对人工智能技术的热情和追求,他的贡献不仅推动了深度学习领域的发展,也为自动驾驶、机器人等前沿领域的技术进步提供了有力支持。它其实是minGPT的一个升级版,更注重实用性。我们的存储库直接采用简洁高效的C/CUDA语言,无需加载245MB的PyTorch或107MB的cPython,让你轻松搭建大型语言模型。

人工智能微客/aiweker 1406

别再裸跑 Claude Code 了!我用 10 个真实工单实测 Karpathy Skills,diff 干净到不敢认

还在忍受 Claude Code 瞎猜需求、过度设计和乱改代码?我拿 10 个真实工单做了对照实测,验证爆火的 Karpathy Skills(CLAUDE.md)。结果惊人:无关改动清零,对话轮次锐减,PR Diff 干净到极致。这篇实战总结告诉你,为什么这 70 行配置是 AI 编程的必装"紧箍咒"。

weixin_64160021的博客 638

Andrej Karpathy是谁?

摘要: Andrej Karpathy(1986- )是斯洛伐克裔加拿大AI科学家,OpenAI创始成员及特斯拉前AI总监,现专注AI教育创业。学术上,他参与奠定CNN在ImageNet的基准地位(引用5万+),提出视频分类、多模态对齐等开创性方法;工业领域主导特斯拉Autopilot向纯视觉架构转型,推动"软件2.0"数据驱动范式。教育贡献包括创建斯坦福CS231n课程(全球AI入门标杆)和ConvNetJS等开源工具。其核心思想如"自主性滑块""认知解耦

WSSWWWSSW的博客 1522

颠覆LLM训练方法!Karpathy仅凭1000行C语言代码、一台Mac训练出GPT-2

编译 | 屠敏出品 | 优快云(ID:优快云news)大佬的话究竟有几分可信?很多人已经傻傻分不清了,遥记多年前,当 Linux 之父 Linus Torvalds 声称要去休假时,他一个人趁着休息时间捣鼓出了如今成为主流的项目版本管理工具 Git。现下放到 AI 领域,不久之前,特斯拉前 AI 总监、OpenAI 联合创始人 Andrej Karpathy 在社交媒体平台 X 上高调宣布,他...

AI科技大本营 1986

向量数据库要凉?Karpathy Markdown 新方案深度解析(非常硬核),知识库架构从 0 到 1,收藏这一篇就够了!

你 vibe code 了一整天。Claude 终于搞懂了你的项目架构——哪个模块怎么通信、那个诡异的 bug 根因是什么。你松了口气,合上电脑。

m0_59235945的博客 585

利用AI祖师爷Karpathy的理念——零代码构建个人AI知识库

爷`Karpathy`的理念,零代码构建个人AI知识库,总体来说该套理念就是让`Harness`去读取资料,然后整理归档并做好索引(书籍目录),方便下次需要的时候直接找知识点,而且通过`schema.md`作为`Harness`的工作手册约束规范,让`Harness`不要越界,同时如果遇到不太懂的知识点,可以按需维护新的知识到知识库`wiki/`下,并更新索引(目录)`index.md`。

LXWalaz1s1s的博客 876
上一篇: 美国放宽对 Anthropic 先进 AI 模型限制,未来模型发布管控引质疑
下一篇: DeepSeek V4更新:DSpark框架加速大语言模型推理,DeepSpec全栈代码库同步开源
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值