Claude Code 防坑指南：让 AI 不再瞎猜

Karpathy 这条推文之所以引发共鸣，是因为当前所有 AI 编程工具（Cursor、Windsurf、Claude Code）共享同一个底层缺陷：模型被训练成" helpful"，导致过度迎合用户隐含假设而非主动澄清。这个项目的聪明之处在于把"反讨好"写成可复用的技能文件，而不是每次在 chat 里手动纠正。

相比 Cursor 的 .cursorrules 或 Claude 自带的系统提示，这份指南更聚焦"认知透明"——要求 AI 显式陈述假设、暴露不确定性、在模糊处停下来问人。对于已经用 Claude Code 做日常开发的团队，建议直接 fork 这份文件并根据自己代码库调整，比从零写规则省至少几小时的 prompt 调优。

真正值得观察的是：这类"人格补丁"会不会被 Anthropic 官方吸收进默认行为。如果不会，说明模型厂商和高级用户在" helpful 的边界"上存在结构性分歧，第三方 prompt 工程将持续有价值。