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：