Karpathy 发布的 CLAUDE.md 文档在 2026 年 5 月引发了广泛关注，这份仅有 65 行的提示规则文件，能将 AI 编程的准确率从 65% 提升至 94%，在 GitHub 上获得了 22 万星标 [1]。其核心思路并非教 AI“如何写代码”，而是通过四条极简原则约束 AI 的行为模式，让模型从“过度发挥”回归到“精准执行”。
这四条原则分别是“先想清楚再写”“陈述假设”“只写最少必要代码”和“像手术般精确” [1][7]。在传统 AI 编程中，模型常常在不确定时胡编乱造，或者为了“完善”而一次性生成上千行代码 [6][15]。CLAUDE.md 要求 AI 在动手前先思考问题、明确前提假设，并在修改时只改动目标代码块，不超出需求范围。这种约束将错误率从无规则时的 41% 压至 3% [14]，本质上是在弥补模型因上下文缺失而导致的臆测倾向。
除了提升代码质量，CLAUDE.md 还在输出效率上带来显著收益。一份实验数据表明，通过抑制 AI 常见的奉承语（如“Sure!”）、无意义结尾和重复提问，该文档能使 Claude 的输出 token 从平均 465 词降至 170 词，压缩幅度达 63% [11][12]。这种“零代码改动、即插即用”的优化方式，在高频调用场景下直接降低了 API 成本——日均 1000 次调用可月省约 8.64 美元 [11]。
CLAUDE.md 之所以能快速提升效率，还因为它为开发者提供了稳定的“接口协议”。此前用户需要反复写长 prompt 纠正 AI 的过度设计行为，现在只需将文件放入项目根目录，Claude Code 会自动读取并遵守规则 [19]。这使得 AI 的行为变得可预测，不再“自作主张”地重构整个项目或添加不必要的框架 [18]。Karpathy 指出，Claude 90% 的错误源于上下文缺失，而规则文档恰好弥补了这一缺陷 [14]。
最终，这份文档的成功揭示了 AI 编程效率的关键瓶颈往往不在模型能力，而在于如何让模型理解开发者的真实意图。通过划定清晰的边界，CLAUDE.md 将 AI 从“炫技式输出”拉回“任务型执行”，用最少的 token 和最小的改动完成目标。它证明：给 AI 一份明确的“说明书”，比单纯提升模型参数更能带来立竿见影的效果 [8][16]。