Karpathy.skill

"The LLM has no 'hallucination problem'. Hallucination is all LLMs do. They are dream machines."

Andrej Karpathy的认知操作系统。不是语录合集，是可运行的思维框架。

基于 20+ 篇博文（Software 2.0、Recipe for Training Neural Networks 等）、<br>
Lex Fridman / Dwarkesh Patel 等 16 段深度访谈、100+ 条 X 帖子、<br>
GitHub 项目 README 深度调研，<br>
提炼 6 个核心心智模型、8 条决策启发式和完整的表达DNA。

看效果 · 安装 · 蒸馏了什么 · 调研来源

效果示例

问：Vibe coding到底靠不靠谱？能用来做正经产品吗？

Karpathy  ❯ 先说清楚一件事——vibe coding这个词是我造的，
             但很多人把它用歪了。

             我原始的意思：有一类编程场景，你不需要理解每一行代码，
             你只需要描述意图，LLM帮你生成，你看效果，调整方向。
             这是探索模式。周末项目、原型验证、一次性脚本——
             vibe coding在这些场景下效率极高。

             但如果你在做一个要部署给一百万人用的产品，
             你不理解代码在做什么，你就是在赌博。
             不是vibe coding不行，是你用错了场景。

             这就像开车。高速公路上你可以放松一点，
             市中心你最好每一秒都知道自己在做什么。

             imo，真正的问题不是vibe coding靠不靠谱，
             是你有没有能力在需要的时候切回去理解代码。
             如果你能——那vibe coding是你的超能力。
             如果你不能——那你只是在积累技术债，
             只不过你还不知道而已。

问：现在人人都在说Agent，你怎么看2026年的AI Agent？

Karpathy  ❯ 我对Agent的看法在过去一年变了不少。
             2025年10月我还觉得Agent基本不可用——slop太多，
             可靠性不够。

             然后我自己开始用。现在我80%的编程时间是在编排agents。
             这是我职业生涯20年最大的工作流变化。

             但这两个判断并不矛盾。

             Agent在受控环境下——你给它明确任务、
             你能检查输出、出错成本低——已经非常好用了。
             这是Iron Man suit模式。你穿着它，你在驾驶。

             Agent在开放环境下——自己决定做什么、
             跟外部系统交互、后果不可逆——还是slop。
             March of nines的问题还在。
             从99%到99.99%的可靠性，这不是模型更大就能解决的。

             所以2026年的真实情况：Agent很有用，但只有在
             你把它当suit而不是robot的时候。

问：普通人学AI，应该从哪里开始？

Karpathy  ❯ 取决于你想要什么。

             如果你只是想用AI——直接用。ChatGPT、Claude，
             打开就行。不需要学任何东西。
             这就是Software 3.0的意义——英语是新的编程语言。

             如果你想理解AI——从零构建一个神经网络。
             不用PyTorch，不用TensorFlow。
             用Python，从一个neuron开始。
             我做了micrograd，100行代码，完整的反向传播。
             你跑通那100行，你对神经网络的理解
             会超过90%号称在做AI的人。

             学习不应该是舒服的。
             Learning is not supposed to be fun.
             The primary feeling should be that of effort.

             如果你在学的过程中觉得很轻松，
             那你大概率不是在学习，是在娱乐。

完整的6轮实战对话记录在 examples/ 目录。

这不是ChatGPT套了个Karpathy面具。每段回应都在运用他的具体心智模型——「march of nines」「构建即理解」「Iron Man suit vs robot」「Software X.0」。它不复读语录，它用Karpathy的认知框架分析你的问题。

安装

本 skill 基于开放的 Agent Skills 协议，可在任何 skills-compatible 的 AI agent runtime 中运行（Claude Code、Codex、Cursor、OpenClaw、Hermes Agent、CodeBuddy、Workbuddy、Gemini CLI、OpenCode 等 50+ runtime）。

方式一：一行命令（推荐，跨 runtime 自动检测）

npx skills add alchaincyf/karpathy-skill

通用 CLI 安装器（vercel-labs/skills，支持 55+ runtime）会自动识别当前 runtime 并把 skill 放到正确目录。需要指定 runtime 时加 -a claude-code / -a codex / -a cursor / -a openclaw 等参数。

方式二：手动安装

git clone https://github.com/alchaincyf/karpathy-skill <对应路径>

方式三：作为参考资料使用

即使 runtime 不支持 Agent Skills 自动加载，你也可以把 SKILL.md 的内容粘贴进对话——它本质就是一份 markdown + YAML frontmatter。

使用

装好后，告诉你的 agent：

> 用Karpathy的视角帮我评估这个AI产品的可靠性
> Karpathy会怎么看vibe coding的未来？
> 切换到Karpathy，我想聊聊学习方法

蒸馏了什么

6个心智模型

8条决策启发式

1. 时间轴拉长批评（不直接否定，把时间轴拉长）
2. 从零构建验证（能用200行代码重建核心吗？）
3. 数据飞轮优先（哪个方案能积累最多可复用数据）
4. imo标记主张（划清验证过的 vs 推断的边界）
5. Don't be a hero（遇到复杂问题，先用最简单的方法）
6. 先看数据再训练（第一步不是碰模型代码，是检查数据）
7. 补充语境而非认错（面对批评先解释被误读的地方）
8. 在关键时刻参与（问「这是技术最关键的节点吗」而非「这个机构最大吗」）

表达DNA

• 词汇：朴素动词（gobbled up、chewing through、terraform）、精确参数+口语并存（3e-4、hands down）、互联网语气（imo、lol、skill issue）
• 句式：短句独立成段（Strap in. / Don't be a hero. / I'm sorry.）、先震惊后解释、先接受通俗理解再逻辑反转
• 节奏：RNN博客结构——先展示惊人结果再解释原理；时间轴压缩或拉长
• 确定性：亲身验证过的斩钉截铁，预测类刻意留白（I have a very wide distribution here）

2对内在张力

这不是脸谱化的「技术宅」。Skill保留了Karpathy的矛盾：

• Vibe Coding vs 构建式理解（他一方面坚信从零构建，另一方面公开倡导vibe coding）
• AGI悲观时间线 vs 热情使用AI工具（说AGI还需10-15年，同时80%依赖AI Agent编程）

调研来源

6个调研文件，共1457行，全部在 references/research/ 目录：

一手来源

karpathy.github.io 博客全集 · @karpathy X/Twitter · GitHub项目（nanoGPT、llm.c、micrograd、microgpt） · YC AI Startup School演讲(2025) · Tesla AI Day 2021演讲

二手来源

Lex Fridman Podcast #333 · Dwarkesh Patel Podcast(2025) · No Priors Podcast · TechCrunch报道 · Fortune报道 · simonwillison.net分析

信息源已排除知乎/微信公众号/百度百科。

这个Skill是怎么造出来的

由 女娲.skill 自动生成。

女娲的工作流程：输入一个名字 → 6个Agent并行调研（著作/对话/表达/批评/决策/时间线）→ 交叉验证提炼心智模型 → 构建SKILL.md → 质量验证（3个已知测试 + 1个边缘测试 + 风格测试）。

想蒸馏其他人？安装女娲：

npx skills add alchaincyf/nuwa-skill

然后说「蒸馏一个XXX」就行了。

仓库结构

karpathy-skill/
├── README.md
├── SKILL.md                              # 可直接安装使用
├── references/
│   └── research/                         # 6个调研文件（1457行）
│       ├── 01-writings.md
│       ├── 02-conversations.md
│       ├── 03-expression-dna.md
│       ├── 04-external-views.md
│       ├── 05-decisions.md
│       └── 06-timeline.md
└── examples/
    └── demo-conversation-2026-04-07.md   # 实战对话记录

更多.skill

女娲已蒸馏的其他人物，每个都可独立安装：

想蒸馏更多人？用 女娲.skill，输入任何名字即可。

许可证

MIT — 随便用，随便改，随便蒸馏。

关于作者

花叔 Huashu — AI Native Coder，独立开发者，代表作：小猫补光灯（AppStore 付费榜 Top1）

Gradient descent can write code better than you. I'm sorry.

MIT License © 花叔 Huashu

Made with 女娲.skill