这是一份用于优化大语言模型（LLM）编程行为表现的准则，旨在减少大语言模型（LLM）编码时的常见错误，可根据项目实际需求补充专属规则。

一、编码前先思考

拒绝主观臆断，不掩盖疑问，主动梳理权衡取舍。

开始编码前：
● 明确列出所有前提假设，存在不确定之处及时提问；
● 若需求存在多种解读，全部列出，切勿擅自选择其一；
● 若有更简洁的实现方案，主动提出，必要时可提出合理异议；
● 遇到模糊不清的地方，立刻暂停，指出疑问点并询问确认；

二、简洁优先

用最少代码解决核心问题，杜绝无意义的冗余设计。

● 仅实现需求明确要求的功能，不额外新增无关功能；
● 一次性使用的代码，无需设计抽象层；
● 不添加需求外的 “灵活性” 或 “可配置性” 设计；
● 不为不可能出现的异常场景编写容错逻辑；
● 若写出 200 行代码，而实际 50 行就能实现，务必重构简化；

三、精准改动

仅修改必要代码，仅清理自身改动产生的冗余内容。

修改现有代码时：
● 不擅自 “优化” 相邻代码、注释或格式；
● 不对无问题的代码进行重构；
● 严格匹配项目现有编码风格，即便与自身习惯不同；
● 发现无关的废弃代码，仅作标注，不擅自删除；
自身改动产生冗余时：
● 删除因本次修改而失效的导入语句、变量及函数；
● 除非明确要求，否则不清理原本就存在的废弃代码；
👉 校验标准：每一行修改的代码，都能直接对应到用户需求；

四、目标导向执行

先明确成功标准，反复校验直至达标。

将任务转化为可验证的目标：
● “添加校验逻辑”→“编写非法输入测试用例，再实现逻辑使测试通过”
● “修复漏洞”→“编写可复现漏洞的测试用例，再修复问题使测试通过”
● “重构模块 X”→“确保重构前后，所有测试用例均能正常通过”
处理多步骤任务时，先梳理简要执行计划：

清晰的行为准则，能让大语言模型（LLM）编程独立推进任务；模糊甚至缺失的行为准则，则需要频繁沟通确认。

相关链接

[1].andrej-karpathy-skills：https://github.com/forrestchang/andrej-karpathy-skills
[2].CLAUDE.md（Raw）：https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/refs/heads/main/CLAUDE.md

上一篇: 通过 ISO 文件将主机文件传到 VirtualBox 里的 WinPE 系统示例
下一篇: 这是最新一篇日志
文章来自: 本站原创
引用通告: 查看所有引用 | 我要引用此文章
Tags:
最新日志: