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

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

大神入职后活跃度降低

上班真是有毒啊,连AI领域大神Andrej Karpathy(安德烈・卡帕西)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。对此马斯克也承认:确实,我们需要彻底改进。

“做教程”热情依旧

不过作为一个闲不下来的人,Andrej Karpathy对「做教程」这件事的热爱是一以贯之的,不论主动还是被动。最近有人说,「我有个朋友,拿到了Andrej Karpathy实际使用的CLAUDE.md文件。」据说它可以完全改变你使用Claude的方式。这下大家又有的学了?

CLAUDE.md文件揭秘

一份「Karpathy自用的CLAUDE.md」在社区流传。CLAUDE.md是一个专门写给Claude AI看的项目级说明文档。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」。将这个文件放在项目的根目录下,当你在该项目中使用Claude辅助编程时,它会自动读取其中的内容。

文件内容大公开

这份号称是「Andrej Karpathy实际使用的CLAUDE.md文件」究竟讲了啥?这份文件之所以存在,是因为大语言模型在写代码时会犯一些可预测的错误。这些错误并不是随机发生的,它们总是同一类问题,一遍又一遍地出现。文件中强调这些不是建议,而是规则。遵守它们,你产出的代码就不需要被重写;忽视它们,你产出的代码也许看起来很厉害,但会在生产环境中出问题。

写代码的规则与建议

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;写代码之前先想清楚,说清楚假设、取舍,列出多种方案并给出推荐,有困惑就停下来;保持简单,抵抗过度设计的冲动,避免过早抽象、臆想式错误处理、不必要的可配置和没有生命力的灵活性;外科手术式修改,diff要尽可能小,不碰没被要求碰的东西,匹配现有风格,只清理自己造成的问题,不要重新格式化;验证,修bug时先写测试,改动前后都运行现有测试,不要为了写测试而写测试,没法写测试就说明原因;目标驱动执行,每个任务要有清晰的成功标准,把模糊任务变成可验证任务,执行前说明计划;调试,阅读错误信息,先复现问题,一次只改一件事,不要在没理解根因之前加workaround,卡住了就说出来;依赖,不要不经思考就添加依赖,添加package之前先问几个问题,添加时说明原因;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。

常见失败模式

文件还指出了常见的失败模式,如大杂烩,只做用户要求的一件事,别“顺手”重构半个代码库;错误的抽象,重复远比错误抽象便宜,复制粘贴两次以后再考虑抽象;隐形决策,做架构选择要标记成决策,让用户知道;乐观路径,考虑API返回500、文件不存在、用户提交空表单等情况;知识幻觉,不确定某个方法是否存在就查文档、看源码;风格漂移,匹配代码库风格,而不是自己的偏好;失控重构,修复开始连锁扩散就停下来,告诉用户并获得同意。

文件真实性与价值

有网友表示,值得细读的是其结构,而不是照搬复制粘贴。最好的CLAUDE.md文件永远是根据你自己的技术栈和风格进行调整的。还有网友评论,即使是Karpathy这种人物,用Claude的时候还是得写一大堆详细规则,像管一个初级实习生一样,对Claude进行事无巨细的指导。关于这份被称为「Andrej Karpathy自己用的CLAUDE.md」的文件,它的真实性存疑,但其内容确实完全基于Karpathy本人的思想。自从发明了Vibe Coding(氛围编程)概念之后,Andrej Karpathy本人高度依赖AI辅助编程,公开发表过一系列关于当前大语言模型写代码「通病」的观察与吐槽。社区开发者基于他的这些思考,将其提炼成了4条核心原则,并制作成了CLAUDE.md模板供大家直接套用,项目还有十几万的star。比如这个《andrej - karpathy - skills》,有博主测试说,能将Claude的代码错误率从41%降到11%。无论如何,这些原则是区分有效构建和混乱构建的关键所在。

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar 立即下载

相关推荐

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

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

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

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

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。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。

IT界那些事儿 273

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

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

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

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

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

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

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

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

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

别再让 Claude Code 瞎改了:一份 CLAUDE.md 让 AI 真正读懂你项目(含模板·避坑·2026)

1. 越短越好,别写成手册。CLAUDE.md越长,关键约束越容易被淹没。我的经验是控制在 100 行以内,每条都是"不写它就会犯的错"。写满 500 行的文档,它读了等于没读。2. 用"禁止/务必"这种硬词。“建议用 pnpm"和"禁止用 npm”,效果天差地别。约束要写成命令式,别写成商量。3. 让它自己维护。发现它又犯了同一个错,直接说:"把这条规矩补进 CLAUDE.md。"它会帮你加。CLAUDE.md是越用越准的活文档。4. 用快捷记忆(实测好用)。

未来已来,AI时代,学AI编程,做AI量化,就来大鹏AI教育。 595

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

上一篇: OpenAI推出GPT - 5.6三版本预览版:性能提升、价格分层,多领域测评超Claude!
下一篇: 2025 年英伟达赣州“抢矿”,高性能钕铁硼成具身智能机器人战略关键!
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