不要把 AI 编程当许愿池：用 Karpathy 四原则搭建可验证的编码工作流

写在前面AI 编程工具越来越像一个“能干活的同事”：它可以读代码、改文件、跑测试、写文档，也可以把一个很小的问题一路扩展成一套复杂架构。真正的问题不在于 AI 会不会写代码，而在于它经常会在没有充分理解上下文时，直接替你做决定：默认一种解释、隐藏不确定性、顺手重构相邻代码、为了显得“通用”而堆抽象。最后你得到的不是一个干净的改动，而是一份需要重新审查的巨大 diff。andrej-karpathy-skills这份指南把这个问题压缩成四个原则：编码前思考简洁优先精准修改目标驱动执行本文要做的不是简单复述这四句话，而是把它们转成一套可直接用于 AI 编程助手的工作流。先给结论：AI 编程不是“下命令”，而是“设目标 + 设边界 + 设验证”和传统搜索不同，AI 编程助手会主动操作工程文件。因此，一条好的指令不应该只描述“你要做什么”，还要说明：为什么要做哪些地方可以改哪些地方不能碰成功后如何验证如果发现歧义该怎么处理可以把它理解成下面这条主线：