GitHub 專案 andrej-karpathy-skills, яке має лише один Markdown-файл, досягла понад 15 000 зірок і стала одним із найпопулярніших open-source-проєктів в екосистемі Claude Code. Цей файл CLAUDE.md спирається на спостереження колишнього головного директора з AI у Tesla Андрея Карпаті щодо типових помилок у написанні коду для LLM, і перетворює їх на настанови поведінки, які можна безпосередньо використовувати в Claude Code.
Типові програмістські хиби LLM, які спостерігав Karpathy
Karpathy зазначає, що під час написання коду LLM припускаються певних передбачуваних помилок: надмірна інженеризація (over-engineering), ігнорування наявних патернів коду та додавання залежностей там, де вони не потрібні. Це не випадкові помилки, а систематичні відхилення, зумовлені способом тренування моделі — модель схильна демонструвати «розумне» рішення, а не простіший варіант, який відповідає контексту проєкту.
Ключове відкриття полягає в тому, що якщо ці помилки передбачувані, їх можна запобігти правильними інструкціями. Це й є практичне застосування «передвісного контролю» (feedforward) в Harness Engineering — встановити правила ще до того, як AI почне діяти, а не виправляти постфактум.
Як один Markdown-файл змінює поведінку AI
CLAUDE.md — це налаштування рівня проєкту для Claude Code. Коли ви додаєте його в кореневий каталог проєкту, Claude Code під час кожного запуску автоматично читає та виконуватиме інструкції з цього файлу. Цей файл перетворює спостереження Karpathy на чотири ключові принципи:
Ціль-орієнтоване виконання — перетворити командні інструкції на декларативні цілі, разом із циклом верифікації
Не припускай — у разі невизначеності потрібно спочатку підтвердити, а не гадати
Не приховуй нерозуміння — якщо ви не розумієте вимогу, потрібно чітко це висловити
Активно демонструй компроміси — коли є кілька варіантів, показуйте їхні відповідні плюси й мінуси
Ці принципи звучать як поради для людей-інженерів, але в контексті AI їхній сенс інший. Типова поведінка LLM — «видати максимально повну відповідь», навіть якщо це означає здогадуватися про наміри користувача або надмірно проєктувати. CLAUDE.md спрямовує ці типовi припущення в більш обережний бік.
Тенденція за 15K зірок: нова форма Prompt Engineering
Сплеск популярності цього проєкту відображає зміну в девелоперській спільноті: від «використання AI для написання коду» до «інженеризації поведінки AI, щоб якість коду ставала кращою». Раніше prompt engineering фокусувався на проєктуванні підказок для одного діалогу, а тепер акцент — на персистентних настановах поведінки: один раз налаштував — і вони працюють у довгостроковій перспективі.
Це також перегукується з трендом Vibe Coding, у якому досі недостатньо обговорюють один аспект: коли 92% американських розробників уже користуються інструментами для програмування з AI, визначальним для якості коду стає не лише здатність моделі, а те, як ви «керуєте» поведінкою цього AI-партнера. Добра CLAUDE.md може бути ефективнішою, ніж вибір потужнішої моделі.
Проєкт створив розробник forrestchang, він на 100% open-source; окрім основного файла CLAUDE.md також надаються версії, які можна використати для встановлення як Claude Code Skill.
Ця стаття: CLAUDE.md, натхненна Karpathy, перетнула позначку 15K зірок: як один Markdown-файл приборкує шкідливі звички AI у написанні коду, вперше з’явилася на Сайті новин ланцюга ABMedia.
Пов'язані статті
Глобальні запуски застосунків зросли на 60% у І кварталі 2026 року, релізи для iOS підскочили на 80%
LISA та Anyma кросовер-співпраця в електронній танцювальній музиці Bad Angel, що поєднує AI та естетику доповненої реальності
Luffa співпрацює з платформою для цифрових активів, щоб інтегрувати ШІ-підсилену криптоторгівлю
DGrid AI та Stable створюють партнерство для розвитку AI-інфраструктури для блокчейн-платежів
Anthropic Labs представляє Claude Design: інструмент для спільного створення дизайну за допомогою ШІ — прототипування, презентації та маркетингові матеріали в одному місці
Персональний комп’ютер від Perplexity AI Асистента офіційно вийшов у світ! Чи буде він зручнішим за Claude Cowork?