Karpathy Skills for Claude Code: 10万星背後のLLMコーディング落とし穴ガイド

課題

Claude Code、Cursor、GitHub CopilotなどのAIコーディングツールは、ほとんどのプログラミングタスクを処理できるほど賢くなった。しかし同時に、「犯すべきではない」ミスも頻繁に犯す。

Andrej Karpathyは過去数ヶ月にわたり、LLMのコーディングにおける典型的な落とし穴を体系的に観察し、これらの観察をCLAUDE.mdファイルにまとめた。コミュニティメンバーのforrestchangがこれを再利用可能なスキルセットとしてパッケージ化し、GitHubで公開後1週間で102,000スターを突破した。

これは「ツール」ではない。「行動規範」なのだ。AIコーディングアシスタントに「何をすべきではないか」を伝えることは、「何をすべきか」を伝えることよりも価値があることが多い。

コアルール分解

Karpathy Skillsのコアロジック：LLMコーディングの問題は「十分に賢くない」ことではなく、「行動パターンの偏り」にある。 以下は主要なルールカテゴリー：

1. 過剰な抽象化を避ける

LLMは、プロジェクトが単純なスクリプトだけを必要としている場合でも、すべての関数に抽象化レイヤーを作成する傾向がある。

2. テストをスキップしない

LLMが生成したコードは「動くように見える」が、テストカバレッジがないことが多い。スキルファイルは以下を義務付けている：

新しい関数ごとに少なくとも1つのテストケースを添付する
既存のコードを変更する際、まずテストが通るか確認する
「冗長に見える」テストを削除しない

3. 依存関係が利用可能だと仮定しない

LLMは頻繁に、まだインストールされていないパッケージや非推奨のAPIを参照する。ルールは以下を要求する：

新しい依存関係を参照する前に、package.json / requirements.txtを確認する
不確かなAPIについては、「記憶から生成する」のではなくドキュメントを参照する
バージョンロック：* や latest を使用しない

4. エラー処理を無視しない

これはLLMコーディングで最も一般的な欠陥：

エラータイプ	LLMのデフォルト動作	Karpathyルール
ネットワークリクエスト	常に成功すると仮定	タイムアウト、リトライ、エラーコールバックを追加
ファイル操作	ファイルが存在すると仮定	存在を確認し、存在しない場合を処理
ユーザー入力	正しい形式だと仮定	バリデーション、サニタイズ、無効入力を拒否
並行操作	レースコンディションがないと仮定	ロックまたはアトミック操作を追加

5. 一貫したコードスタイルを維持する

LLMが生成するコードのスタイルは、コンテキストによってしばしば一貫していない。ルールは以下を要求する：

プロジェクトの既存の命名規則に従う
同じファイル内で異なるスタイルを混在させない
コードを修正する際、周囲のコードのスタイルを維持する

なぜ102Kスター？

このプロジェクトの爆発的成長は3つのトレンドを反映している：

Claude Codeの普及：より多くの開発者がClaude Codeを日常コーディングツールとして使用しているが、デフォルトの動作は「あと一歩」のことが多い
プロンプトエンジニアリングのエンジニア化：「手動でプロンプトを調整する」から「CLAUDE.mdでベストプラクティスを固定する」へ
Karpathyの影響力：AI分野のトップテクニカルエバンジェリストとして、LLMコーディング行動の体系的観察は自然な説得力を持つ

使用方法

方法1：プロジェクトに配置

# プロジェクトルートディレクトリで
curl -O https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
# または既存のCLAUDE.mdに内容をコピー

方法2：グローバルClaude Code設定

# グローバルに適用（すべてのプロジェクト）
mkdir -p ~/.claude
cp CLAUDE.md ~/.claude/CLAUDE.md

方法3：他のスキルと組み合わせ

このプロジェクトはmattpocock/skills（48Kスター、「Real Engineersのスキルセット」と組み合わせられる：

プロジェクト	重点	適したシーン
Karpathy Skills	LLMコーディング行動修正	LLM生成バグの削減
Matt Pocock Skills	TypeScript/エンジニアリングベストプラクティス	コード品質の向上
両方組み合わせ	行動 + 品質	最高の効果

限界

Karpathy Skillsは銀の弾丸ではない：

コードレビューの代わりにはならない：AIは依然として人間のレビューが必要
ルール越多、制約越强：一部のシナリオでは一時的にルールを無効にする必要があるかもしれない
LLMは進化している：モデルの能力向上に伴い、一部のルールは不要になる可能性がある
プロジェクトの違い：異なるプロジェクトのコーディング規範は異なるため、カスタマイズ調整が必要

アクションアイテム

今日：CLAUDE.mdを進行中のClaude Codeプロジェクトに配置
今週：AIコーディング行動の変化を観察し、どのルールが最も効果的かを記録
今月：プロジェクトの特徴に応じてルールをカスタマイズ・追加・削除
継続：Karpathyや他の技術リーダーのLLMコーディング行動に関する新しい観察をフォロー

AIコーディングツールの次の飛躍は「より賢く」ではなく「より信頼できる」ことだ。Karpathy Skillsは実用的なパスを代表している：モデルが自分でミスを犯さないようになるのを待つよりも、まずどの落とし穴を避けるべきかを伝えるのだ。

課題