ไฟล์ Markdown ที่ขับเคลื่อนด้วย CLAUDE.md ซึ่งได้รับแรงบันดาลใจจาก Karpathy ทะลุ 15K ดาว: วิธีการฝึกให้ไฟล์ Markdown ควบคุมนิสัยแย่ๆ ของ AI ในการเขียนโค้ด

โปรเจกต์ GitHub ชื่อ andrej-karpathy-skills ซึ่งมีไฟล์ Markdown เพียงไฟล์เดียว ทะลุ 15,000 ดาว กลายเป็นหนึ่งในโปรเจกต์โอเพนซอร์สที่ได้รับความนิยมมากที่สุดในระบบนิเวศ Claude Code หนึ่งไฟล์ CLAUDE.md นี้อ้างอิงจากข้อสังเกตของ Andrej Karpathy อดีต Chief AI Officer ของ Tesla เกี่ยวกับความผิดพลาดที่พบบ่อยในการเขียนโค้ดด้วย LLM และนำมาปรับให้เป็นกฎเกณฑ์การปฏิบัติที่สามารถใช้งานได้ทันทีใน Claude Code

โรคประจำของการเขียนโค้ดด้วย LLM ที่ Karpathy พบ

Karpathy ชี้ให้เห็นว่า เวลาที่ LLM เขียนโค้ดมักจะทำผิดพลาดบางอย่างที่คาดเดาได้ ได้แก่ การ over-engineering การไม่คำนึงถึงแพตเทิร์นโค้ดที่มีอยู่ และการเพิ่ม dependency ในจุดที่ไม่จำเป็น ความผิดพลาดเหล่านี้ไม่ใช่ข้อผิดพลาดแบบสุ่ม แต่เป็นอคติเชิงระบบที่เกิดจากวิธีการฝึกโมเดล — โมเดลมีแนวโน้มที่จะพยายามนำเสนอวิธีแก้ที่ “ดูฉลาด” แทนที่จะเป็นโซลูชันที่เรียบง่ายซึ่งสอดคล้องกับบริบทของโปรเจกต์

แก่นของมุมมองอยู่ที่ว่า: ถ้าข้อผิดพลาดเหล่านี้คาดเดาได้ ก็สามารถป้องกันได้ด้วยคำสั่งที่ถูกต้อง นี่คือการประยุกต์ใช้งานจริงของ “feedforward” ใน Harness Engineering — ตั้งกฎไว้ล่วงหน้าก่อนที่ AI จะลงมือ ไม่ใช่ค่อยแก้ทีหลัง

ไฟล์ Markdown หนึ่งไฟล์เปลี่ยนพฤติกรรมของ AI อย่างไร

CLAUDE.md เป็นไฟล์ตั้งค่าระดับโปรเจกต์ของ Claude Code เมื่อคุณวางไว้ในรูทของโปรเจกต์ Claude Code จะอ่านและทำตามคำสั่งในนั้นโดยอัตโนมัติทุกครั้งที่เริ่มทำงาน ไฟล์นี้แปลงข้อสังเกตของ Karpathy ให้เป็นหลักการหลัก 4 ข้อ:

การลงมือทำตามเป้าหมาย — แปลงคำสั่งแบบเชิงคำสั่ง (imperative) ให้เป็นเป้าหมายแบบเชิงประกาศ (declarative) พร้อมวงจรการตรวจสอบ

อย่าสมมติ — เมื่อเจอสถานการณ์ที่ไม่แน่ใจ ต้องยืนยันก่อน ไม่ใช่เดา

อย่าปิดบังความสับสน — หากไม่เข้าใจความต้องการ ต้องแสดงออกให้ชัดเจน

เปิดเผยการแลกเปลี่ยนเชิงรุก — เมื่อมีหลายทางเลือก ให้แสดงข้อดีข้อเสียของแต่ละทาง

หลักการเหล่านี้ฟังดูเหมือนคำแนะนำสำหรับวิศวกรมนุษย์ แต่ในบริบทของ AI ความหมายต่างออกไป พฤติกรรมเริ่มต้นของ LLM คือ “ออกคำตอบให้ครบที่สุดเท่าที่จะทำได้” แม้ว่านั่นจะหมายถึงการเดาความตั้งใจของผู้ใช้หรือทำดีไซน์มากเกินจำเป็น CLAUDE.md จะพาแนวทางของพฤติกรรมเหล่านี้ไปสู่ความรอบคอบมากขึ้น

กระแสที่อยู่เบื้องหลัง 15K ดาว: รูปแบบใหม่ของ Prompt Engineering

ความที่โปรเจกต์นี้ระเบิดความนิยม สะท้อนการเปลี่ยนแปลงในชุมชนผู้พัฒนา: จาก “ใช้ AI เพื่อเขียนโค้ด” ไปสู่ “การที่พฤติกรรมของ AI เชิงวิศวกรรมทำให้คุณภาพโค้ดดีขึ้น” ในอดีต prompt engineering มุ่งเน้นการออกแบบพรอมต์สำหรับการสนทนาเพียงครั้งเดียว ปัจจุบันจุดสนใจอยู่ที่หลักการเชิงพฤติกรรมที่คงอยู่ระยะยาว — ตั้งค่าเพียงครั้งเดียวแล้วมีผลในระยะยาว

นี่ก็สอดคล้องกับมุมหนึ่งของกระแส Vibe Coding ที่ยังถูกพูดถึงไม่มากนัก: เมื่อผู้พัฒนาในสหรัฐฯ 92% ใช้เครื่องมือช่วยเขียนโค้ดด้วย AI แล้ว การตัดสินคุณภาพของโค้ดไม่ได้ขึ้นอยู่กับความสามารถของโมเดลเพียงอย่างเดียวอีกต่อไป แต่ขึ้นอยู่กับว่าคุณ “บริหารจัดการ” พฤติกรรมของผู้ช่วย AI ตัวนี้อย่างไร CLAUDE.md ที่ดีอาจมีประสิทธิภาพมากกว่าการเลือกโมเดลที่ทรงพลังขึ้น

โปรเจกต์นี้สร้างโดยผู้พัฒนา forrestchang เป็นโอเพนซอร์ส 100% นอกจากไฟล์หลัก CLAUDE.md แล้ว ยังมีเวอร์ชันที่สามารถนำไปติดตั้งเป็น Claude Code Skill ได้ด้วย

บทความที่แรงบันดาลใจจาก Karpathy: CLAUDE.md ที่ทะลุ 15K ดาว — ไฟล์ Markdown หนึ่งไฟล์ที่ทำให้ AI เลิกนิสัยไม่ดีในการเขียนโค้ด ปรากฏครั้งแรกที่ 鏈新聞 ABMedia