一个 .md 文件，让13万程序员连夜抄作业
公众号名称：墨鱼的Zoom
作者名称：徐小陌
发布时间：2026-05-22 08:20
AI 编程 · 开源热点
一个 .md 文件
让13万程序员连夜抄作业
Karpathy的AI编程四诫 + Multica的Agent管理野心
一场关于「如何驯服AI」的思想革命
本周 GitHub 发生了一件很荒谬的事：一个没有任何代码的文本文件，登上了月度热榜第一，单月新增超过 8 万颗 Star。
它叫 CLAUDE.md，整个仓库只有一个 Markdown 文件，写着四条规矩。
13 万程序员，连夜把它丢进了自己的项目根目录。
「模型选错了分支，跑了40分钟后碰壁失败。而提前澄清，只需30秒。」
—— 一位开发者在 X 上的评论
📍 故事从 Karpathy 的一条吐槽帖开始
今年1月26日，前特斯拉AI总监、OpenAI联创 Andrej Karpathy 在 X 上发了一条长帖，专门吐槽 AI 编程 Agent 的毛病。
他写到：AI不会管理自己的困惑，不主动寻求澄清，不暴露矛盾，不提供权衡，不在该推回来的时候推回来。它们就是默默猜一个，然后跑起来。
这条帖子，被一个叫 Jiayuan Zhang 的华人开发者看到了。
他先用 Claude Code 把帖子转成 skills 文件，生成约 800 行，再让 Claude 审查自己，最终砍成 70 行干净指令——就是那个 CLAUDE.md。
🕐 事件时间线
2026年1月26日
Karpathy 发布 AI 编程陷阱长帖
2026年1月28日
Jiayuan Zhang 发布 CLAUDE.md 仓库
2026年4月
连续三天霸榜 GitHub Trending 日榜第一，6万码农抄作业
2026年5月（本周）
总 Stars 突破 135k，月增 80.8k，GitHub 月榜第一
📜 四条规则，戳穿了 AI 编程的七寸
这个文件里写了什么？说起来其实很简单，四条原则，每一条都精准对应了你每天用 AI 写代码时踩过的坑。
① 编码前先思考
不确定时必须停下来问，不能猜。存在多种理解时，列出选项让用户选，而不是替你做决定。
❌ 解决的问题：AI 默默假设你的意图，跑了一小时发现方向完全错了
② 简约至上
没被要求的功能不写。只用一次的代码不建抽象层。检验标准：资深工程师看了会不会说「太复杂了」。
❌ 解决的问题：你要一个小功能，AI 给你一套企业级架构
③ 精确编辑
只动被要求动的部分。看到不相关的问题，提一嘴就行，别动手。匹配项目已有的代码风格。
❌ 解决的问题：修一个 bug，AI 顺手把整个文件重构了
④ 目标驱动
别告诉 AI 具体步骤，给它验收标准让它自己跑。不说「写一个函数实现X」，改成「先写测试，再让测试通过」。
✅ 这是用 AI 编程时杠杆最大的一条
把这个文件丢进项目根目录，AI 编程 Agent 就会自动读取并遵守里面的规则。
零配置，开箱即用。
💥 为什么一个 .md 文件能炸成这样？
X 上有个开发者 Kraggich 的评论说得非常准：
“一个 Markdown 文件冲上趋势榜第一，说明现在的瓶颈不在模型，而在模型周围的脚手架。这些’胶水’才是产品本身。”
— Kraggich，开发者，X
这话戳中了很多人。2026年的今天，大模型本身已经不是瓶颈。Claude、GPT-5、DeepSeek V4，个顶个地强。真正的差距，在于你怎么跟它们协作。
**andrej-karpathy-skills 做的事，是把一个顶级工程师的隐性知识，打包成 Agent 可以直接读取的格式。**Karpathy 不再只是一个你读的人，而是一个可以跟着你去上班的「AI导师」。
而 Karpathy 自己呢？他在原帖里说，短短几周内，自己的编程工作流从「80%手写+20%AI辅助」彻底翻转成了「80%交给Agent+20%自己修补」。
但他也发出了一个警告：他把这种现象叫做 Slopacolypse——AI生成的低质量内容正在泛滥。生产力是真的，质量垮塌的风险也是真的。
🏗️ 这个文件背后，是一个更大的野心
作者 Jiayuan Zhang 不是随手发了一个文件。他背后有个主业项目，叫 Multica。
Multica 干的事情，是把 Claude Code、OpenAI Codex、OpenCode 这些 AI 编程 Agent 统一管理起来——像真正的团队成员一样，分配 Issue、汇报进展、自主交付代码。
传统 AI 使用方式 · 一次只用一个工具 · 手动切换 Claude/GPT · 自己盯着任务进度 · 不会用命令行就没法用 | → | Multica Agent 管理 · 多个 Agent 并行干活 · 统一调度 Claude/Codex · 自动汇报进展 · 零命令行门槛使用 |
“Your next 10 hires won’t be human.”
— Multica 官方口号。他们自己公司的代码，100% 由 AI 编写，每天消耗 token 超过 1 亿。
你会发现，从 andrej-karpathy-skills 到 Multica，其实是同一个问题的两个层次：前者解决「怎么让单个 AI 听话」，后者解决「怎么让一群 AI 协作干活」。
🌊 这只是一个缩影
把视野拉开，这周 GitHub 上 Agent / Skills 类项目的爆发，不是偶然现象。
| 155.8k Hermes Agent 自进化开源 Agent | 90.8k mattpocock/skills "真实工程师"Skills集合 |
| 76.8k TradingAgents 多智能体金融交易框架 | 52.6k ruflo Claude 多智能体编排平台 |
这些项目有一个共同的特征：它们不是在造更强的模型，而是在造让模型更好用的「脚手架」。
开发者已经不再只是 AI 的使用者，他们开始给 AI 装插件、组团队、教它记忆、教它自进化。
这或许才是 2026 年最值得关注的底层变化：AI 的能力边界，正在被无数程序员用一个个 .md 文件、一个个开源框架，一点一点地重新定义。
🌙 写在最后
我把 andrej-karpathy-skills 这个 CLAUDE.md 丢进自己项目的第二天，发现一件很有意思的事：AI 开始主动问我问题了。
「你说的这个功能，有几种理解方式，你想要哪种？」
就这一句话，省下了我后来可能两个小时的返工时间。
Karpathy 说他手写代码的能力正在萎缩——那种「能看懂但写不出来」的感觉。我不知道这是不是坏事。但我知道，学会怎么「管好 AI」，已经和「写好代码」一样重要了。
四条规则，一个 .md 文件。也许这才是 2026 年每个程序员最该收藏的「编程手册」。
— 一个从北京回到西安、从大厂回归生活的程序员
内容效果不满意？点此反馈