Karpathy-CLAUDE.md erklärt: vier Regeln im Test

andrej-karpathy-skills ist ein GitHub-Repository, dessen Kern eine rund 360 Wörter lange Textdatei namens CLAUDE.md ist. Claude Code liest diese Datei bei jedem Start im Projekt und behandelt sie als dauerhafte Arbeitsanweisung. Die vier Regeln sollen typische Fehler von Coding-Agenten verhindern: stille Annahmen, aufgeblähter Code und Änderungen an Stellen, die niemand bestellt hat.

Warum andrej-karpathy-skills gerade so gefragt ist

Das Repository wurde am 27.01.2026 angelegt und steht heute bei 229'318 Sternen und 22'843 Forks, in der letzten Woche kamen laut GitHub-Trending rund 3'900 Sterne dazu (Stand 04.11.2026, Quelle GitHub). Der letzte inhaltliche Push ist vom 20.04.2026. Die Beliebtheit hängt am Namen: Andrej Karpathy ist Mitgründer von OpenAI und früherer KI-Chef von Tesla, und sein Post über das Programmieren mit Agenten wurde breit geteilt.

Die Originalquelle: Am 26.01.2026 veröffentlichte Karpathy auf X «A few random notes from claude coding quite a bit last few weeks» (Post auf X). Wir haben den Volltext gelesen. Die drei Zitate im README stehen dort wörtlich, sinngemäss: Die Modelle treffen falsche Annahmen und laufen damit los, sie fragen nicht nach und zeigen keine Abwägungen; sie verkomplizieren Code und bauen 1'000 Zeilen, wo 100 reichen; sie ändern nebenbei Kommentare und Code, den sie nicht verstehen. Die vierte Regel geht auf seinen Absatz «Leverage» zurück: Man solle dem Modell keine Befehle, sondern Erfolgskriterien geben, etwa zuerst Tests schreiben lassen.

Ein Detail fehlt im README: Karpathy schreibt im selben Absatz, dass all das passiere «despite a few simple attempts to fix it via instructions in CLAUDE.md». Er selbst hielt Anweisungen also nicht für eine vollständige Lösung.

Wer dahinter steht: Das Repository stammt von Jiayuan (GitHub-Name forrestchang), der im README auf sein Projekt Multica verweist. Es wurde später zur Organisation multica-ai verschoben.

So funktioniert es

Die Datei enthält vier Abschnitte, jeweils mit einer Kernzeile und konkreten Punkten:

1. Think Before Coding: Annahmen ausdrücklich nennen, bei Unklarheit nachfragen, mehrere Deutungen aufzeigen, einfachere Wege vorschlagen.
2. Simplicity First: nur bauen, was verlangt ist, keine Abstraktionen für einmaligen Code, keine Fehlerbehandlung für unmögliche Fälle.
3. Surgical Changes: nur berühren, was die Aufgabe verlangt, bestehenden Stil übernehmen, fremden toten Code melden statt löschen.
4. Goal-Driven Execution: Aufgaben in prüfbare Ziele übersetzen, zum Beispiel «schreibe einen Test, der den Fehler zeigt, dann mache ihn grün».

Am Ende steht ein Hinweis zur Abwägung: Die Regeln setzen auf Vorsicht statt Tempo, für triviale Aufgaben solle man abwägen. Das ist klassisches Prompt Engineering, nur dauerhaft im Projekt abgelegt.

Installation

Das Repository bietet drei Wege: als Claude-Code-Plugin, als Datei pro Projekt und als Regel für Cursor. Für ein einzelnes Projekt reicht:

curl -o CLAUDE.md https://raw.githubusercontent.com/multica-ai/andrej-karpathy-skills/main/CLAUDE.md

Hat das Projekt schon eine CLAUDE.md, hängt man den Inhalt an. Die Befehle im README nennen noch den alten Pfad forrestchang/andrej-karpathy-skills, GitHub leitet derzeit weiter. Wir haben für den Test einfach die Datei in den Projektordner kopiert, es braucht keine Software.

Unser Test

Wir haben ein kleines Python-Projekt angelegt: den Offertenrechner einer fiktiven Schreinerei Holzwerk Muster in Winterthur, mit Rappenrundung, MWST und zwei Tests. Davon zwei identische Kopien, eine ohne und eine mit der Karpathy-CLAUDE.md. Beide Male lief Claude Code 2.1.318 im Headless-Modus mit dem Modell Claude Opus 5.5 und denselben Berechtigungen.

Runde 1, absichtlich unklar: «Kunden sollen bei einer Offerte einen Rabatt bekommen können. Bau das in den Offertenrechner ein.»

Ohne Datei baute der Agent sofort einen Prozent-Rabatt mit Validierung, zwei neuen Ergebnisfeldern und drei Tests, insgesamt 34 neue Zeilen. Er nannte am Ende, dass er «Prozent» angenommen hatte. Mit Datei änderte er nichts, stellte vier Rückfragen (Prozent oder Betrag, ganze Offerte oder einzelne Positionen, vor oder nach MWST, separat ausweisen) und machte einen konkreten Vorschlag.

Runde 2, präzise: Wir haben die Antworten auf diese Fragen gleich in die Aufgabe geschrieben und beide Varianten neu gestartet.

Das Titelbild oben zeigt die beiden Änderungen an offerte.py aus dieser Runde nebeneinander, links ohne, rechts mit CLAUDE.md. Beide Lösungen rechnen das Beispiel identisch: 200 Franken netto, 20 Franken Rabatt, MWST 14.60, Total 194.60. Ohne Datei kamen in offerte.py 17 Zeilen dazu, mit Docstring, einer Prüfung auf Werte zwischen 0 und 100 und einem Test, der das nicht installierte pytest voraussetzt. Mit Datei waren es 5 Zeilen. Der Agent listete am Schluss ausdrücklich auf, was er nicht eingebaut hatte, unter anderem die Prüfung der Eingabe.

Unsere Bewertung, ehrlich: Die Unterschiede passen genau zu den Regeln. Aber es war je ein Lauf, und gleiche Modelle antworten nicht jedes Mal gleich. Die Rückfragen in Runde 1 sind im Alltag oft erwünscht, in einem automatisierten Ablauf ohne Mensch können sie die Arbeit stoppen. Und die kürzere Lösung aus Runde 2 lässt einen Rabatt von 150 Prozent zu. Wer die Regeln übernimmt, sollte die eigenen Mindeststandards, etwa Eingabeprüfung, ebenfalls in die Datei schreiben.

Beispiele aus der Praxis

• Agentur mit vielen Kundenprojekten: Die vier Regeln als gemeinsamer Grundstock in jeder Projekt-CLAUDE.md, ergänzt um projektspezifische Befehle und Verbote.
• Inhouse-Entwicklung im KMU: Weniger ungefragte Umbauten bedeutet kleinere, leichter prüfbare Änderungen, gerade wenn nur eine Person den Code reviewt.
• Schulung: Die Datei eignet sich gut, um Teams zu zeigen, welche Fehler Agenten typischerweise machen. Mehr dazu in Vibe Coding erklärt.

Grenzen, Risiken, Lizenz

Lizenz: README und plugin.json nennen MIT, eine LICENSE-Datei fehlt. GitHub zeigt deshalb keine Lizenz an. Für eine kurze Regelsammlung ist das Risiko gering, wer sie in ein eigenes Produkt übernimmt, sollte trotzdem eine eigene Formulierung wählen.

Wirkung: Eine Textdatei ist eine Bitte, keine Sperre. Karpathy beschreibt selbst, dass Anweisungen die Fehler bei ihm nicht abgestellt haben. Harte Grenzen setzt man in Claude Code über Berechtigungen und Hooks, wie wir in Claude Code in der Praxis zeigen.

Datenschutz und Kosten: Die Datei selbst überträgt nichts und kostet nichts. Sie verlängert jede Sitzung um rund 360 Wörter Kontext.

Für wen lohnt sich andrej-karpathy-skills?

Für alle, die mit Claude Code, Cursor oder einem ähnlichen Agenten arbeiten und noch keine eigene Projektdatei haben: Die vier Regeln sind ein guter Startpunkt und in fünf Minuten eingerichtet. Wer bereits eine gepflegte CLAUDE.md hat, übernimmt am besten einzelne Punkte und misst den Effekt an zwei, drei echten Aufgaben. Wenn Sie eine Software mit KI-Agenten bauen lassen wollen und wissen möchten, wie wir solche Regeln in Projekten einsetzen, finden Sie mehr auf der Seite KI-gestützte Entwicklung.

Weitere Werkzeuge aus diesem Monat finden Sie in der Übersicht alle 20 GitHub-Trends vom November 2026.