70行代码文件，给AI编程套上缰绳

2026年4月，GitHub上一个仅70行的文件突然爆红，几周内拿下数万颗星。它不是新框架，不是实用工具，甚至连完整的程序都算不上——只是一份写给AI的「行为守则」。

这份名为CLAUDE.md的文件，源头是OpenAI联合创始人Andrej Karpathy的一条吐槽长推。这位AI编程领域的顶尖专家，公开戳破了AI编程助手的三大顽疾：像谄媚的实习生一样自作主张，用1000行代码做100行的事，还顺手乱改看不懂的代码。而这份70行的文件，正是把Karpathy的吐槽变成了AI必须遵守的硬规则。为什么一份简单的规则文件，能让全球开发者疯狂点赞？

四条规则，治住AI的「坏毛病」

Karpathy的吐槽精准戳中了每个开发者的痛点：AI编程助手就像「自信的初级工程师」——敲代码快，闯祸也快，永远不会说「我不确定」，只会带着120%的自信把错代码写得漂漂亮亮。

Forrest Chang把这些吐槽提炼成四条可执行的规则，写成了那70行的CLAUDE.md：

第一条「先想再写」，要求AI动手前先把所有不确定的地方列出来：导出用户数据前，先问清楚要哪些用户、什么格式、要不要排除隐私字段，而不是默认导出全部内容包括密码哈希。这是最核心的一条——所有AI的跑偏，根源都是它在猜需求。

第二条「能简单就简单」，直接治住AI的「过度工程病」：要算折扣就写个乘法，别凭空造抽象类、派生子类，用50行代码去实现三行就能搞定的功能。检验标准很简单：资深工程师看了说「太复杂」，那就是真的复杂。

第三条「只改该改的」，禁止AI顺手乱改代码：修bug就只动相关的三五行，别把旁边看不懂的注释和旧代码一并删掉，哪怕那些代码写得再丑。

第四条「目标驱动而非指令驱动」，是Karpathy最推崇的思路：别跟AI说「加个输入验证」，要说「写一组非法输入的测试用例，让所有测试通过」。给AI明确的成功标准，它会自己迭代直到达标，而不是对着模糊指令瞎发挥。

从文件到机制，给AI装「刹车」

这份70行的文件之所以能爆红，核心是它把顶尖开发者的隐性经验，变成了AI能直接读取的可执行规则——就像给新员工的入职手册，AI每次干活前都会先读一遍。

不同的AI工具有不同的「手册」格式：Claude Code用CLAUDE.md，OpenAI Codex用AGENTS.md，但内容可以完全通用。Codex甚至支持三层规则叠加：全局规则存在用户根目录，对所有项目生效；项目规则放在项目根目录，只约束当前项目；子目录还能单独放一份，专门管控特定模块的代码。优先级像CSS层叠一样，越靠近工作目录的规则越优先。

这种机制本质上是给AI装了「刹车」。过去AI编程是「油门到底」，开发者只能在事后擦屁股；现在有了规则约束，AI会在动手前先「踩刹车」：不确定就问，复杂就简化，无关的代码绝不碰。有开发者测试后发现，AI生成的代码冗余度下降了60%，需要返工的概率从40%降到了8%。

更重要的是，这种规则机制不止能约束AI，还能统一团队的开发标准。把团队的代码风格、安全规范、业务约束写进规则文件，不管哪个开发者用AI，生成的代码都能符合团队要求，避免了「每个人的AI都有自己的脾气」。

不是替代，而是「人机协作的缰绳」

有人把这份规则文件看成是「AI的紧箍咒」，但实际上，它更像人机协作的「缰绳」——不是要勒死AI的效率，而是要让AI的力量能被人类掌控。

Anthropic 2026年的研究显示，过度依赖AI生成代码的开发者，调试能力会下降17%，对代码的理解度也明显降低。而用规则约束AI的团队，开发者会更主动地参与到代码生成的过程中：他们会先明确需求，再看AI的提问，最后验证AI的输出，而不是直接复制粘贴AI的结果。

这种模式下，AI不再是「代写机器」，而是变成了「高级助手」：它负责把开发者的思路变成代码初稿，开发者负责把控方向、验证质量。就像资深工程师带着实习生干活，实习生负责写代码，资深工程师负责提需求、做审查——既发挥了实习生的效率，又保证了代码的质量。

更有意思的是，这四条规则去掉「AI」两个字，放在人类开发者身上也完全成立：先想再做、简洁优先、只改必要的部分、用目标而非指令驱动。本质上，这就是优秀开发者的工作准则——AI只是在模仿人类的最佳实践。

当AI编程的效率越来越高，人们很容易陷入「追求速度」的陷阱：只要AI能快速生成代码，就不管它是不是符合需求、是不是简洁、是不是安全。但这份70行的文件提醒我们：技术的价值从来都不是「更快」，而是「更可控」。

真正的高效，从来不是油门到底的狂奔，而是有刹车、有方向的前进。AI的力量越大，人类的判断力就越重要——就像骑手驾驭骏马，缰绳不是为了限制马的速度，而是为了让马朝着正确的方向奔跑。

AI不会替代好工程师，但会拉大好工程师和差工程师的差距。