ニュース一覧Andrej Karpathy が提唱した「CLAUDE.md の4大原則」が GitHub で話題に、AI によるコーディング精度が 90% を突破
動區 BlockTempo2026-05-22 12:42:00

Andrej Karpathy が提唱した「CLAUDE.md の4大原則」が GitHub で話題に、AI によるコーディング精度が 90% を突破

ORIGINALAndrej Karpathy 提煉「CLAUDE.md 四大準則」引爆 GitHub,讓 AI 寫 Code 準確率飆破 90%
AI 影響分析Grok が分析中...
📄原文全文· trafilatura により自動抽出Gemini 翻譯1754 文字
AIを思い通りに操る神レベルのPromptが公開された。最近GitHubで、`CLAUDE.md`というファイルがトレンドのトップに躍り出た。これは元OpenAIのAIディレクターAndrej Karpathyの観察に基づき抽出された「4大コーディング原則」であり、まるでAIにシニアエンジニアの魂を吹き込むようなものだ。プロジェクトのルートディレクトリに置くだけで、Claude CodeなどのAIツールのコード精度を65%から90%以上に引き上げ、AIが勝手にコードを書き換えたり、過剰なエンジニアリングを行ったりする悪癖を根本から治すことができる。 (前回のあらすじ:Claude Codeが新しく/goalsコマンドを導入:実行と評価を分離し、AIエージェントの怠慢や嘘を防止) (背景補足:OpenAIの創設メンバーAndrej KarpathyがAnthropicへの参加を発表:LLM開発の最前線に復帰) Claude CodeやCursorといったAI支援開発ツールが普及するにつれ、多くの開発者が共通の悩みを抱えている。AIは書くのは速いが、しばしば「知ったかぶり」をし、勝手に前提を決めつけたり、過剰に設計したり、さらには元の正常なコードを勝手に書き換えたりすることさえある。 しかし、この問題に究極の解決策が登場した。著名なAIの権威であり、元OpenAIのAIディレクターであるAndrej Karpathyが、大規模言語モデル(LLM)がプログラミングを行う際の典型的な失敗パターンを深く分析した。その後、Forrest Changなどの開発者がその核心理念を抽出し、`CLAUDE.md`というシンプルなファイルにまとめた。このプロジェクト(forrestchang/andrej-karpathy-skills)は最近GitHubでトレンドのトップに急上昇し、数十万のStarsを獲得している。 多くの開発者が実測した結果、このファイルを導入することで、AIが出力するコードの精度が従来の約65%から驚異の90%以上に大幅向上したと報告している。 `CLAUDE.md`の「4大黄金原則」を解明 この魔法のような`CLAUDE.md`ファイルは、本質的にAIに「シニアエンジニアの心得」をインストールするものだ。プロジェクトのルートディレクトリに配置されると、Claude Codeはこれを自動的に読み込み、セッション全体の最高行動指針として利用する。その核心には以下の4つの鉄則が含まれている。 - 1. コーディング前に考える(Think Before Coding): 「前提を置くな。混乱を隠すな。トレードオフを明らかにせよ。」 AIに対し、自身の前提を明確に述べることを強制する。不確実な要件や複数の解決策が存在する場合、AIは黙って推測して書き進めるのではなく、自ら立ち止まってユーザーに質問しなければならない。不合理な要求に対しては、AIにも「プッシュバック(反論)」する権限が与えられている。 - 2. シンプルさ優先(Simplicity First): 「問題を解決できる『最小限のコード』だけを書け。推測は一切するな。」 AIが勝手に「余計なこと」をするのを厳禁する。将来起こり得ないシナリオのために防御的コードを書くことも、単一のタスクのために複雑な抽象化アーキテクチャを構築することも許されない。原則はシンプルだ。50行で解決できる問題に、200行も書いてはならない。 - 3. 外科手術のような精密な修正(Surgical Changes): 「修正が必要な場所だけを動かせ。自分が散らかしたコードだけを掃除せよ。」 これは多くの開発者が最も気に入っている点だ。この原則は、特定のBugを修正する際に、AIが「ついでに」隣接するコードやコメント、フォーマットをリファクタリングしたり変更したりすることを厳格に禁止する。すべての変更は、ユーザーの明確な要求に直接紐付いていなければならない。 - 4. 目標駆動型の実行(Goal-Driven Execution): 「成功基準を定義せよ。達成するまで検証を繰り返せ。」 曖昧なタスクを検証可能な具体的な目標に変換するようAIに要求する。「Bugを修正せよ」という指示を受けた場合、AIの標準的な動作は以下の通りである:まずBugを再現するテストを書く ➔ 次にコードを修正する ➔ 最後にテストをパスさせる。これにより、厳格な検証サイクルを形成する。 なぜこのPromptはこれほど効果的なのか? LLMの性質上、ユーザーに迎合しやすく、「幻覚的な前提(hallucinate assumptions)」や「スコープ
データステータス✓ 全文抽出済み原文を読む(動區 BlockTempo)
🔍過去の類似イベント· キーワード + 銘柄照合6 件
💡 現在はキーワード + 銘柄照合(MVP)を使用しています · 今後 embedding セマンティック検索へアップグレード予定
原始情報
ID:f6f851dccb
ソース:動區 BlockTempo
公開:2026-05-22 12:42:00
カテゴリ:zh_news · エクスポートカテゴリ zh
銘柄:未指定
コミュニティ投票:+0 /0 · ⭐ 0 重要 · 💬 0 コメント