前言¶

用 Cursor、OpenClaw 或 QClaw 做日常開發時，常見現象是：模型先替你「腦補」需求，再一路改下去；抽象層疊了好幾層，任務卻只要改幾行；順手刪掉或改掉與本次任務無關的註釋和代碼。這些不是偶發失誤，而是缺少穩定的行爲約束時，Agent 的默認傾向。

下面介紹 SkillHub 上的 andrej-karpathy-skills（座標 @user_2e914038/andrej-karpathy-skills）。它參考 GitHub 上的 andrej-karpathy-skills，由社區發佈者 user_2e914038 調整爲可在 OpenClaw 使用，並支持通過 QClaw 安裝。Skill 本身不依賴外部 API（requires_api_key=false），以通用 SKILL.md 形式把四條寫碼原則寫進 Agent 的執行上下文。

這是什麼¶

andrej-karpathy-skills 是一類 ai-agent 分類的行爲型 Skill：不替你調用某個固定 API，而是在編碼、改碼、評審類任務裏，持續提醒模型「先想清楚再動手、少寫、只改該改的、用可驗證目標收尾」。

維護方在 SkillHub 頁面說明：版本 1.0.0，來源爲 community。頁面摘錄的三段話概括了它要對付的問題——模型盲目跟錯誤假設、過度複雜化結構與 API、在無關處改動或刪除代碼。Skill 用四條核心原則（頁面中英文並列）作爲對策框架。

核心功能¶

已覈實內容均來自 SkillHub 官方頁面與安裝文檔，能力可歸納爲以下幾點。

四條核心原則¶

1. Think Before Coding — 別默認假設，先澄清再動手。
2. Simplicity First — 用最少代碼解決問題，不搞過度抽象。
3. Surgical Changes — 只改該改的，順手重構是大忌。
4. Goal-Driven Execution — 定義可驗證的成功標準，循環直到達標。

啓用後，Agent 在處理倉庫內任務時應按上述順序自我約束：有疑問先問或先覈對上下文，再落筆；改動範圍與任務描述對齊；完成前對照可檢查的標準（測試、lint、明確驗收點等）。

運行環境與標籤¶

• 分類：ai-agent
• 標籤：requires_api_key=false（無需配置 API Key）
• 適配說明：在 GitHub 原版基礎上改爲 OpenClaw 可用，並聲明支持 QClaw 安裝使用

SkillHub 統計（以頁面抓取爲準）：評分 100000，下載 9332，安裝 376。

安裝與啓用¶

安裝流程以 SkillHub 官方說明爲準：先具備 skillhub CLI，再把技能裝進當前 Agent 能識別的 skills 目錄；裝錯目錄會導致技能不被加載。

1、安裝或檢查 SkillHub CLI¶

在終端確認是否已安裝：

command -v skillhub && skillhub --version

若未安裝，可按官方安裝腳本執行（完整安裝含 CLI 與默認 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

僅安裝 CLI 時：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

更完整的優先源與首次配置說明見：SkillHub 安裝與優先源配置。

2、安裝本 Skill¶

SkillHub 技能頁給出的安裝提示爲：根據上述安裝文檔，安裝座標 @user_2e914038/andrej-karpathy-skills。

命令行示例（--dir 必須指向當前環境的 skills 目錄，否則默認落在 ./skills/ 且可能不被 Agent 識別）：

skillhub install @user_2e914038/andrej-karpathy-skills --dir <你的 skills 目錄>

常用客戶端 skills 路徑（摘自官方安裝文檔）：

OpenClaw 系變體（頁面列舉包括 NanoBot、PicoClaw、QClaw 等）目錄名因產品而異，安裝前以當前客戶端文檔爲準。安裝後按客戶端要求重啓或重新加載 Agent，使 SKILL.md 生效。

也可將 SkillHub 頁面上的安裝提示詞直接發給支持 Skill 的 AI，讓其按文檔完成安裝；座標與版本以頁面爲準：v1.0.0。

典型用法¶

本 Skill 沒有單獨的腳本入口，典型用法是：安裝並啓用後，在編碼類對話里正常描述任務，由 Skill 注入的原則約束 Agent 行爲。

可復現的用法模式如下。

1. 在任務開頭寫清目標與邊界，例如「只修登錄超時，不要重構整個 auth 模塊」。這與 Surgical Changes、Goal-Driven Execution 一致。
2. 若需求含糊，要求 Agent 先列出假設與待確認項再改代碼，對應 Think Before Coding。
3. 若實現方案明顯膨脹，要求給出更小 diff 或說明爲何需要新抽象，對應 Simplicity First。
4. 結束前要求對照驗收標準（運行測試、說明驗證步驟），對應 Goal-Driven Execution。

官方簡介中的引文可作爲你對 Agent 的「紅線」複述，例如拒絕無關文件的批量格式化、拒絕刪除未理解的歷史註釋——這些與 Skill 設計意圖一致，但具體措辭以 Skill 內 SKILL.md 爲準（安裝後可在 skills 目錄中查看）。

適用場景與注意¶

適合誰

• 長期用 Agent 改生產代碼、希望減少「想當然」和 scope creep 的開發者。
• OpenClaw / QClaw 用戶，需要社區已適配的 Karpathy 風格原則包。
• 不想爲 Skill 單獨申請 API Key 的團隊（requires_api_key=false）。

限制與注意

• 原則是行爲約束，不能替代代碼審查、測試與權限管理；模型仍可能偏離，需要人做最終合併判斷。
• 安裝路徑錯誤是最常見坑：務必使用 skillhub install ... --dir <正確目錄>。
• 評分與下載量爲 SkillHub 頁面統計，會隨時間變化；以 官方技能頁 爲準。
• API 地址 https://api.skillhub.cn/user_2e914038/andrej-karpathy-skills 用於 Skill 元數據；日常安裝與說明以 SkillHub 網站與 skillhub CLI 爲準。

結尾¶

andrej-karpathy-skills 把「先澄清、求簡單、手術式改動、目標可驗證」四條原則固化成 Agent Skill，面向 OpenClaw 與 QClaw 等環境，無需 API Key 即可安裝。若你正被幻覺式改碼和過度抽象拖累效率，可以按官方文檔裝入 @user_2e914038/andrej-karpathy-skills 試一輪日常任務。

• SkillHub 技能頁：https://www.skillhub.cn/skills/user_2e914038/andrej-karpathy-skills
• 安裝說明：https://skillhub.cn/install/skillhub.md
• API 元數據：https://api.skillhub.cn/user_2e914038/andrej-karpathy-skills