Andrej Karpathy大佬 （前特斯拉 AI 總監，OpenAI 創始成員之一）剛剛分享了他個人在進行“嚴肅” AI 輔助編程時遵循的一套獨特流程（節奏）。注意，這不是隨便寫寫玩（就是現在非?；鸬囊粋€詞 "vibe code"：氛圍編程），而是用于他真正關心、需要專業對待的代碼項目

　　這套方法強調了開發者如何與 AI 協作，更像是在引導一位極其聰明但有時不太靠譜的“實習生”，而不是簡單地復制代碼。信息密度很高，值得我們細細品味

　　Karpathy 的 AI 輔助編程心法，總結下來有七個關鍵步驟：

　　第一步：上下文拉滿 (Stuff everything relevant into context)

　　這是基礎。你需要把項目所有相關的信息都喂給 AI。對于大型項目，這可能需要花些時間。如果是小項目，可以直接打包所有相關文件。Karpathy 甚至給出了一個files-to-prompt工具的示例命令：
files-to-prompt . -e ts -e tsx -e css -e md --cxml --ignore node_modules -o prompt.xml
這個命令大致意思是，將當前目錄下所有的.ts,.tsx,.css,.md文件內容（忽略node_modules文件夾）打包成一個 XML 格式的 prompt 文件，供 AI 讀取。核心思想是：給 AI 足夠的全貌信息。

　　第二步：策略先行，而非代碼 (Describe the next single, concrete incremental change)

　　明確你想要實現的下一個具體、增量的改動是什么。關鍵點來了：不要直接讓 AI 寫代碼。相反，你應該要求 AI 提出幾種實現該目標的高級方法，并分析各自的優缺點（pros/cons）。Karpathy 指出，LLM 的判斷力并非總是最佳，通常實現一個功能有好幾種方式，先看選項再決定。如果需要，可以再讓 AI 把選定的方法具體化

　　第三步：選定方案，獲取初稿 (Pick one approach, ask for first draft code)

　　從上一步 AI 提供的幾種方法中，選擇你認為最合適的一種。然后，才讓 AI 基于這個選定的方法，生成第一版代碼草稿

　　第四步：評審與學習（關鍵環節） (Review / learning phase)

　　這是 Karpathy 流程中的核心，也是體現“不復制代碼”的關鍵。你需要手動地：

　　? 在旁邊打開瀏覽器，查閱代碼中你不熟悉或新調用的 API 的官方文檔。

　　? 向 AI 提問，要求它解釋代碼、澄清疑點、進行修改。

　　? 如果發現當前方法有問題或不夠好，要勇于回溯（wind back），嘗試之前討論過的其他方法。
這個階段，重點是開發者自己主動學習和理解，而不是把思考完全外包給 AI。

　　第五步：測試驗證 (Test)

　　對 AI 生成或修改后的代碼進行嚴格的測試。確保它能按預期工作，并且沒有引入新的問題。

　　第六步：代碼提交 (Git commit)

　　測試通過后，將代碼提交到版本控制系統（如 Git）。這是一個標準的開發實踐，確保工作的成果被記錄和保存。

　　第七步：規劃下一步，循環往復 (Ask for suggestions on what we could implement next. Repeat.)

　　完成一個增量改動后，可以詢問 AI 對于“接下來可以實現什么功能”的建議。然后，基于這些建議或你自己的規劃，開始新一輪的循環，回到第一步或第二步。

　　一圖總結：

　　核心理念：管好“天才實習生”

　　Karpathy 將這個過程中的 AI 形容為一個“過度熱情、知識淵博但有時會胡說八道、勇氣有余而品味不足的天才實習生”。它知道很多，但需要你嚴格把控方向和質量

　　因此，整個流程強調：

　　保持緊密控制 (Tight leash)：開發者始終是主導者

　　慢下來，保持防御性、謹慎、甚至偏執 (Slow, defensive, careful, paranoid)：不輕信 AI 的輸出，步步為營

　　抓住行內學習機會(Always taking the inline learning opportunity)：利用 AI 作為學習工具，深化自己對代碼和技術的理解，而不是回避學習

　　不委托理解 (Not delegating)：理解代碼的責任最終在開發者自己。

　　Karpathy 也坦言，目前這個流程的很多階段還顯得有些笨拙和手動化。現有的 AI 編程工具在 UI/UX 設計上，對于支持這種精細化的、以開發者為中心的協作流程，還有巨大的改進空間。

　　AI 輔助編程仍然處在非常早期的階段。Karpathy 的這套實戰心法，無疑為我們如何在實際工作中更有效、更負責任地利用 AI 提供了寶貴的思路。它提醒我們，AI 是強大的助手，但最終的判斷力、品味和學習成長的責任，仍然在開發者自己手中

　　希望這套方法能給你帶來啟發