Разработчик Forrest Chang выпустил открытый плагин для Claude Code, основанный на наблюдениях Андрея Карпати о типичных провалах LLM при написании кода. Один файл CLAUDE.md с четырьмя принципами заставляет AI-ассистента думать перед действием, писать проще и не трогать чужой код.

Что не так с AI-кодингом

Карпати — бывший директор AI в Tesla и один из основателей OpenAI — в своём обзоре «2025 LLM Year in Review» сформулировал проблемы, которые знакомы каждому, кто работает с AI-ассистентами для кода:

«Модели делают неверные предположения от вашего имени и просто бегут с ними, не проверяя. Они не управляют своей неуверенностью, не просят уточнений, не показывают противоречия, не предлагают компромиссы, не возражают, когда должны».

Вторая претензия — раздувание кода. LLM любят переусложнять: создают абстракции на один раз, пишут тысячу строк там, где хватило бы ста, добавляют «гибкость», которую никто не просил.

Третья — побочные изменения. Модель получает задачу поправить одну функцию, а заодно «улучшает» комментарии, переформатирует соседний код и удаляет то, чего не понимает.

⚠ Знакомая ситуация?
Вы просите AI-ассистента исправить баг в трёх строках, а в pull request попадает 40 изменённых файлов с «улучшениями». Именно эту проблему решает проект.

Четыре принципа в одном файле

Плагин andrej-karpathy-skills кодирует наблюдения Карпати в четыре правила, которые Claude Code читает перед каждым действием:


graph TD
    A["🧠 Think Before Coding
Думай перед кодом"] --> B["✂️ Simplicity First
Простота прежде всего"]
    B --> C["🎯 Surgical Changes
Хирургические правки"]
    C --> D["✅ Goal-Driven Execution
Цель → проверка → результат"]
    D --> E["Чистый, минимальный PR"]
ПринципПроблема, которую решаетЧто требует от модели
Think Before CodingЛожные предположения, скрытая неуверенностьЯвно формулировать допущения, спрашивать при неясности
Simplicity FirstПереусложнение, раздутые абстракцииМинимум кода для решения задачи, никаких спекулятивных фич
Surgical ChangesПобочные правки, «улучшения» чужого кодаМенять только то, что просили; удалять только то, что сам осиротил
Goal-Driven ExecutionРазмытые критерии успехаПревращать задачи в проверяемые цели, писать тесты до кода
ℹ Ключевая идея Карпати
«LLM исключительно хороши в циклах до достижения конкретных целей. Не говорите им, что делать — дайте критерии успеха и наблюдайте». Принцип Goal-Driven Execution превращает расплывчатое «добавь валидацию» в конкретное «напиши тесты на невалидный ввод, потом заставь их пройти».

Как установить

Проект доступен как плагин для Claude Code через маркетплейс или как файл CLAUDE.md для любого проекта.

Вариант 1 — плагин (работает глобально во всех проектах):

/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills

Вариант 2 — файл в проект:

curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md

Оба варианта совместимы с существующими инструкциями — правила можно добавить к уже имеющемуся CLAUDE.md.

💡 Как понять, что работает
Признаки эффекта: в дифах только запрошенные изменения, код прост с первого раза, модель задаёт уточняющие вопросы до реализации, а не после ошибок. PR становятся чистыми — без случайного рефакторинга.

Контекст: экосистема плагинов Claude Code

Проект появился на фоне быстрого роста экосистемы плагинов Claude Code. По данным агрегаторов, в маркетплейсах уже доступно более 800 плагинов — от линтинга и безопасности до специализированных workflows. andrej-karpathy-skills выделяется тем, что решает не инструментальную, а поведенческую задачу: не добавляет новые возможности, а дисциплинирует существующие.

Важный нюанс — авторы проекта честно предупреждают: правила смещают баланс в сторону осторожности, а не скорости. Для тривиальных задач (опечатки, однострочники) полная строгость избыточна. Цель — сократить дорогие ошибки на сложных задачах, а не замедлять простые.

Подход «правила в файле» набирает популярность: вместо того чтобы ждать, пока разработчики моделей исправят поведение, пользователи настраивают его сами — через системные промпты, CLAUDE.md, .cursorrules и аналоги.

Репозиторий распространяется под лицензией MIT и открыт для доработки.