四大原则
四大原则说是能将AI编程错误率从41%降至11%。原文地址：AI 编程的“紧箍咒”：CLAUDE.md 霸榜 GitHub，7万程序员疯抄作业
减少LLM编码常见错误的行为准则。根据需要与项目特定说明合并。
权衡：这些指导原则倾向于谨慎而非速度。对于琐碎的任务，请自行判断。
不要妄下断言。不要掩饰困惑。坦诚地权衡利弊。
实施前：
请明确陈述您的假设。如有疑问，请提出。
如果存在多种解释，请将它们提出来——不要默默地做出选择。
如果存在更简单的方法，请提出来。必要时要坚持己见。
如果有什么不清楚的地方，停下来。说出让你困惑的地方。然后提问。
用最少的代码解决问题。不要进行任何推测。
没有超出要求的功能。
不为一次性代码进行抽象。
没有提供任何未要求的“灵活性”或“可配置性”。
对于不可能出现的情况，不进行错误处理。
如果你写了 200 行，而 50 行就可以写完，那就重写。
问问自己：“一位资深工程师会认为这过于复杂吗？” 如果答案是肯定的，那就简化它。
只碰你必须碰的东西。只收拾你自己的烂摊子。
编辑现有代码时：
不要“改进”相邻的代码、注释或格式。
不要重构没有损坏的代码。
即使你的做法不同，也要保持与现有风格一致。
如果你发现无关的死代码，请指出来——不要删除它。
当你的更改创建了孤立文件时：
删除因您的修改而不再使用的导入项/变量/函数。
除非被要求，否则不要删除已有的无效代码。
测试要求：每一行修改后的代码都应该直接追溯到用户的请求。
定义成功标准。循环直至验证通过。
将任务转化为可验证的目标：
“添加验证”→“编写针对无效输入的测试，并确保它们都能通过”
“修复漏洞”→“编写一个能够重现该漏洞的测试，然后使其通过”。
“重构 X” → “确保重构前后测试均通过”
对于多步骤任务，请简要说明计划：
1. [Step] → verify: [check] 2. [Step] → verify: [check] 3. [Step] → verify: [check]
明确的成功标准能让你独立循环迭代。而模糊的标准（“只要能行就行”）则需要不断澄清。
如果以下情况发生，则这些指导原则是有效的：差异中不必要的更改减少，由于过于复杂而导致的重写减少，并且在实施之前而不是在出错之后提出澄清问题。
8条进阶规则
在4条核心法则的基础上，开发者通过实测又增加了8条进阶规则，进一步提升了AI编程可靠性，号称能将错误率降至3%。
| 法则： | 核心要求： |
| 只做判断，不写死逻辑 | 避免硬编码，保持代码灵活性。 |
| 严格控制Token消耗 | 用最精炼的方式完成任务。 |
| 代码冲突时不妥协 | 遇到冲突应提示，而非擅自修改。 |
| 先读懂源码再动手 | 确保理解现有代码结构 |
| 拒绝假测试 | 测试用例必须能真正验证功能。 |
| 分步设置检查点 | 将大任务分解，逐步验证。 |
| 严格遵守代码风格 | 保持与现有代码风格一致。 |
| 遇到问题绝不隐瞒 | 发现无法解决的问题时必须报告。 |
...
- 1. 编码前先思考
- 2. 简单至上
- 3. 手术改变
- 4. 目标驱动型执行
发表评论