karpathy-methodology について
Andrej Karpathy の投稿や資料からまとめた14の方法論を選択・適用するための索引スキルです。コーディング、調査、意思決定、プロダクト設計、ML研究に応じた方法を案内します。
主な機能
- 0114の方法論のインデックス
- 02タスクに応じた選択ガイド
- 03基本制約をまとめたマスタープロンプト
- 04コーディング・調査・意思決定の指針
- 05プロダクト設計とML研究の方法
活用シーン
- 01エージェントを使うコーディング手法の選択
- 02調査や学習に使う方法の選定
- 03意思決定やプロダクト設計の進め方の構成
インストール
コマンドをコピーしてターミナルで実行します。
npx skills add https:/インストール後、Claude Code で/karpathy-methodologyを入力して読み込まれたか確認します。
同梱ファイルreferences/index.md
詳細
Karpathy の手法 — 14 のコアスキル
X で最も多く「いいね」された Andrey Karpathy の投稿（2023–2026）、LLM Wiki Gist、multica-ai/andrej-karpathy-skills リポジトリから抽出。 ソース：https://x.com/karpathy | https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
このスキルはマスターインデックスです。呼び出されたら、次のいずれかを行います。
- ユーザーの現在のタスクに関連する特定の手法を適用する、または
- 以下の 14 個から適切な手法をユーザーに案内する。
14 の手法
| # | スキル名 | 要点 |
|---|---|---|
| 1 | karpathy-agentic-engineering | 明確なタスクと検証可能な成功基準でエージェントを統括する |
| 2 | karpathy-llm-wiki | 知識ベースの管理は LLM に任せ、自分で探索する |
| 3 | karpathy-llm-simulator | 1 つの意見を求めるのではなく、専門家同士の議論を LLM にシミュレートさせる |
| 4 | karpathy-minimalism | 純粋な Python 200 行は npm パッケージ 50 個に勝る |
| 5 | karpathy-vibe-to-agentic | バイブコーディングは最低水準を引き上げ、エージェント型エンジニアリングは上限を引き上げる |
| 6 | karpathy-autoresearch | エージェントは git ブランチでループし、自分はプロンプトだけを変更する |
| 7 | karpathy-output-evolution | テキスト → Markdown → HTML → レンダリング済み；常に構造化を求める |
| 8 | karpathy-understanding-first | 思考は外部に委ねても、理解は決して委ねない |
| 9 | karpathy-idea-files | コードではなく Gist（概要 + 基準）を公開する |
| 10 | karpathy-meta-reflection | 毎月の振り返り：衰えていること、急速に伸びていること |
| 11 | karpathy-supply-chain-hygiene | 依存関係はすべて攻撃対象領域である |
| 12 | karpathy-education-first | すべてを教えられる形にする；巨大なプロジェクトよりナノプロジェクトを選ぶ |
| 13 | karpathy-system-prompt-learning | 教科書のように戦略をシステムプロンプトに書き込む |
| 14 | karpathy-practice-environments | エージェントが試し、失敗し、学べる練習環境を構築する |
メタ原則（14 のすべてを貫く原則）
「思考は外部に委ねられますが、理解は外部に委ねられません。」 — Karpathy、約 46k 件の「いいね」、2026
AI を使って作業を速めましょう。正しい方向に進んでいるかを判断するには、自分の頭を使いましょう。
このスキルの適用方法
クイック判断フロー
「何かを構築／コーディングする必要がある」 → #1 エージェント型エンジニアリング（明確なタスク + 成功基準）から始め、#4 ミニマリズム（肥大化を避ける）を組み合わせ、最後に**#8 まず理解する**（構築されたものを検証する）を適用します。
「何かを調査／学習する必要がある」 → 知識を構築するには**#2 LLM Wiki**、前提を検証するには**#3 LLM シミュレーター**、次に学ぶことを調整するには**#10 メタリフレクション**を使います。
「意思決定をする必要がある」 → #3 LLM シミュレーター（議論モード）を使い、その後**#8 まず理解する**（自分の結論に責任を持つ）を適用します。
「製品／ツールを設計している」 → #4 ミニマリズム + エージェントネイティブ、#14 練習環境、#12 教育優先を使います。
「アイデアを共有したい」 → #9 アイデアファイル（まず Gist）、#7 出力の進化（構造化された出力）、#12 教育優先（教えられる形）を使います。
「ML 研究をしている」 → #6 AutoResearch、#13 システムプロンプト学習、#14 練習環境を使います。
マスタープロンプトのテンプレート
ユーザーが手法を指定していない場合は、Karpathy 風のオールインワンな枠組みを使います。
You are operating under the Karpathy Methodology.
Core constraints:
1. UNDERSTAND before outsourcing — never ship what you can't explain
2. MINIMIZE dependencies — prefer 200-line pure implementations
3. AGENT-NATIVE outputs — CLI-friendly, markdown-structured, LLM-legible
4. VERIFIABLE goals — every task must have a testable success criterion
5. TEACH as you build — outputs should be understandable by a curious beginner
Task: [USER_TASK]
Success criteria: [WHAT_DONE_LOOKS_LIKE]
Constraints: [TECH_STACK, SIZE_LIMIT, NO_LIBS]
投稿元（いいね数順）
- 145k いいね — Anthropic に参加：https://x.com/karpathy/status/2056753169888334312
- 59k いいね — LLM ナレッジベース：https://x.com/karpathy/status/2039805659525644595
- 56k いいね — 「プログラマーとして、これほど遅れを感じたことはない」：https://x.com/karpathy/status/2004607146781278521
- 46k いいね — 「理解ではなく、考えることを外部委託する」：https://x.com/karpathy/status/2049907410303865030
- 40k いいね — Claude のコーディングに関するメモ：https://x.com/karpathy/status/2015883857489522876
- 37k いいね — プログラミングのフェーズシフト：https://x.com/karpathy/status/2026731645169185220
- 31k いいね — LLM に反対意見を述べさせる：https://x.com/karpathy/status/2037921699824607591
- 28k いいね — AutoResearch プロジェクト：https://x.com/karpathy/status/2030371219518931079
- 28k いいね — litellm のサプライチェーン攻撃：https://x.com/karpathy/status/2036487306585268612
- 25k いいね — 純粋な Python で書かれた 243 行の GPT：https://x.com/karpathy/status/2021694437152157847
- 22k いいね — エージェントネットワークに関する議論：https://x.com/karpathy/status/2017442712388309406
- 19k いいね — HTML 出力と I/O の進化：https://x.com/karpathy/status/2053872850101285137
- 27k いいね — LLM Wiki の Gist 版：https://x.com/karpathy/status/2040470801506541998