mcpField
K
karpathy-methodology

karpathy-methodology

github.com/learnpromptAgent 工作流118139 次安装16 周前更新
代码仓库

关于 karpathy-methodology

汇总 14 种从 Andrej Karpathy 的帖子和资料提炼的方法，供用户按任务选用或直接应用。它将编码、研究、决策、产品设计和 ML 任务对应到相关方法。

主要功能

  1. 0114 种方法的索引
  2. 02按任务选择方法的指引
  3. 03包含核心约束的主提示词
  4. 04编码、研究与决策指导
  5. 05产品设计和 ML 研究方法

适用场景

  1. 01为 Agent 辅助编码任务选择方法
  2. 02为研究或学习挑选方法
  3. 03构建决策或产品设计流程

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/learnprompt/andrej-karpathy-skills --skill karpathy-methodology

安装后在 Claude Code 中输入/karpathy-methodology确认已加载。

附带文件references/index.md

详细介绍

Karpathy 方法论 — 14 项核心技能

从 Andrej Karpathy 在 X 上最受欢迎的帖子（2023–2026）、他的 LLM Wiki Gist，以及 multica-ai/andrej-karpathy-skills 仓库中提炼而成。 来源：https://x.com/karpathy | https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

这项技能是主索引。调用后，可以：

  1. 应用与用户当前任务相关的特定子方法论，或
  2. 从以下 14 项中引导用户选择合适的方法论。

14 项方法论

#技能名称一句话精髓
1karpathy-agentic-engineering为 Agent 安排明确的任务和可验证的成功标准
2karpathy-llm-wiki让大模型维护你的知识库；由你来探索
3karpathy-llm-simulator让大模型模拟专家辩论，而不是只给出一种观点
4karpathy-minimalism200 行纯 Python 胜过 50 个 npm 包
5karpathy-vibe-to-agentic氛围编程提高下限；Agent 式工程提高上限
6karpathy-autoresearchAgent 在 git 分支上循环迭代；你只需修改提示词
7karpathy-output-evolution文本 → Markdown → HTML → 渲染；始终要求结构化输出
8karpathy-understanding-first可以把思考外包，但绝不能把理解外包
9karpathy-idea-files发布要点（抽象概念 + 标准），而非代码
10karpathy-meta-reflection每月审视：哪些能力正在退化，哪些正在突飞猛进
11karpathy-supply-chain-hygiene每个依赖都是一个攻击面
12karpathy-education-first让一切都可教；用微型项目替代庞大单体项目
13karpathy-system-prompt-learning像编写教科书一样，将策略写入系统提示词
14karpathy-practice-environments构建训练场，让 Agent 能够尝试、失败并学习

元原则（贯穿全部 14 项）

“你可以把思考外包，但不能把理解外包。” — Karpathy，约 4.6 万个赞，2026 年

用 AI 加快速度。用自己的大脑判断方向是否正确。

如何应用这项技能

快速决策树

“我需要构建／编写代码” → 从 #1 Agent 式工程 开始（明确任务 + 成功标准），结合 #4 极简主义（避免臃肿），最后用 #8 理解优先 验证构建成果。

“我需要研究／学习某些内容” → 用 #2 LLM Wiki 构建知识，用 #3 LLM Simulator 挑战假设，用 #10 元反思 校准下一步要学什么。

“我需要做出决策” → 先用 #3 LLM Simulator（辩论模式），再用 #8 理解优先（对自己的结论负责）。

“我正在设计产品／工具” → #4 极简主义 + Agent 原生设计、#14 练习环境、#12 教育优先。

“我想分享一个想法” → #9 想法文件（先写 Gist）、#7 输出演进（结构化输出）、#12 教育优先（便于教学）。

“我正在做机器学习研究” → #6 自动化研究、#13 系统提示词学习、#14 练习环境。

主提示词模板

如果用户没有指定子方法论，请使用以下 Karpathy 风格的全能框架：

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]

来源帖子（按点赞数排序）

  1. 145k 赞 — 加入 Anthropic：https://x.com/karpathy/status/2056753169888334312
  2. 59k 赞 — 大模型知识库：https://x.com/karpathy/status/2039805659525644595
  3. 56k 赞 — “作为程序员，从未觉得这么落后过”：https://x.com/karpathy/status/2004607146781278521
  4. 46k 赞 — “外包思考，而非理解”：https://x.com/karpathy/status/2049907410303865030
  5. 40k 赞 — Claude 编码笔记：https://x.com/karpathy/status/2015883857489522876
  6. 37k 赞 — 编程阶段转变：https://x.com/karpathy/status/2026731645169185220
  7. 31k 赞 — 让大模型论证相反观点：https://x.com/karpathy/status/2037921699824607591
  8. 28k 赞 — AutoResearch 项目：https://x.com/karpathy/status/2030371219518931079
  9. 28k 赞 — litellm 供应链攻击：https://x.com/karpathy/status/2036487306585268612
  10. 25k 赞 — 243 行纯 Python GPT：https://x.com/karpathy/status/2021694437152157847
  11. 22k 赞 — Agent 网络讨论：https://x.com/karpathy/status/2017442712388309406
  12. 19k 赞 — HTML 输出 + 输入/输出演进：https://x.com/karpathy/status/2053872850101285137
  13. 27k 赞 — 大模型 Wiki Gist 版本：https://x.com/karpathy/status/2040470801506541998

评论

支持 Markdown