Von Karpathy inspirierte CLAUDE.md überschreitet 15K Sterne: Wie eine Markdown-Datei die schlechten Gewohnheiten von KI beim Programmieren zähmt

Ein GitHub-Projekt namens andrej-karpathy-skills, das nur eine einzige Markdown-Datei enthält, durchbricht 15.000 Sterne und gehört zu den beliebtesten Open-Source-Projekten im Claude-Code-Ökosystem. Diese CLAUDE.md-Datei basiert auf Beobachtungen von Andrej Karpathy, dem ehemaligen Tesla-AI-Chef, zu häufigen Fehlern beim Programmieren mit LLMs und wandelt sie in Verhaltensregeln um, die direkt von Claude Code verwendet werden können.

Die typischen LLM-Programmierungsfehler, die Karpathy beobachtet hat

Karpathy weist darauf hin, dass LLMs beim Schreiben von Code einige vorhersehbare Fehler machen: Überengineering (over-engineering), das Ignorieren vorhandener Code-Muster und das Hinzufügen von Abhängigkeiten an unnötigen Stellen. Das sind keine zufälligen Fehler, sondern systematische Verzerrungen, die durch die Art des Modelltrainings entstehen — das Modell neigt dazu, „clevere“ Lösungen zu präsentieren, statt zu einer knappen Lösung zu passen, die zum Kontext des Projekts passt.

Die zentrale Erkenntnis lautet: Wenn diese Fehler vorhersehbar sind, kann man sie mit den richtigen Anweisungen verhindern. Genau das ist die praktische Anwendung von „Feedforward“ in Harness Engineering — Regeln festlegen, bevor überhaupt KI-Aktionen stattfinden, statt sie nachträglich zu korrigieren.

Wie eine einzige Markdown-Datei das KI-Verhalten verändert

CLAUDE.md ist eine projektweite Konfigurationsdatei für Claude Code. Wenn du sie in das Projekt-Root-Verzeichnis legst, liest Claude Code sie bei jedem Start automatisch und befolgt die darin enthaltenen Anweisungen. Diese Datei überträgt Karpathys Beobachtungen in vier zentrale Prinzipien:

Zielorientierte Ausführung — Befehlshafte Anweisungen in deklarative Ziele umwandeln, kombiniert mit einer Validierungsschleife

Nicht annehmen — Bei Unsicherheit muss zuerst bestätigt werden, statt zu raten

Verwirrung nicht verstecken — Wenn die Anforderungen nicht verstanden werden, muss das klar zum Ausdruck gebracht werden

Offen Alternativen abwägen — Wenn es mehrere Ansätze gibt, die jeweiligen Vor- und Nachteile darstellen

Diese Prinzipien klingen wie Ratschläge für menschliche Ingenieure, aber im Kontext von KI bedeutet das etwas anderes. Das Standardverhalten von LLMs ist „so vollständige Antworten wie möglich zu produzieren“, selbst wenn das bedeutet, die Intention des Nutzers zu raten oder zu stark zu designen. CLAUDE.md lenkt diese voreingestellten Verhaltensweisen in eine umsichtigere Richtung.

Der Trend hinter 15K Stars: eine neue Form von Prompt Engineering

Der plötzliche Erfolg dieses Projekts spiegelt eine Veränderung in der Entwickler-Community wider: von „mit KI Code schreiben“ hin zu „die Verhaltensweisen von Engineering- KI sorgen dafür, dass die Codequalität besser wird“. In der Vergangenheit konzentrierte sich prompt engineering vor allem auf die Gestaltung von Prompts für eine einzelne Unterhaltung; heute liegt der Fokus auf persistenten Verhaltensregeln — einmal festlegen, dauerhaft wirksam.

Das knüpft auch an den Vibe-Coding-Trend an: ein Aspekt, der noch nicht ausreichend diskutiert wurde. Wenn bereits 92% der US-Entwickler KI-Programmierungswerkzeuge nutzen, hängt die Entscheidung über die Codequalität nicht mehr nur von der Modellfähigkeit ab, sondern davon, wie du dieses KI-„Mitspieler“verhalten „managst“. Eine gute CLAUDE.md kann möglicherweise effektiver sein als die Wahl eines stärkeren Modells.

Das Projekt wurde von dem Entwickler forrestchang erstellt, ist zu 100% Open Source und bietet neben der CLAUDE.md-Hauptdatei auch Versionen, die sich als Claude-Code-Skill zur Installation verwenden lassen.

Dieser Artikel Karpathy inspirierte CLAUDE.md durchbricht 15K Stars: Eine einzelne Markdown-Datei, die schlechte Gewohnheiten beim KI-Programmieren bändigt, erschien zuerst in Kettennews ABMedia.