Andrej Karpathy destila los «Cuatro principios de CLAUDE.md» que generan revuelo en GitHub, haciendo que la precisión de AI para escribir código supere el 90%

¡Exposición del Prompt de nivel divino para hacer que la IA obedezca obedientemente! Recientemente en GitHub, un archivo llamado CLAUDE.md se ha convertido en tendencia en la cima de la lista. Este documento, basado en las "Cuatro Principios de Codificación" extraídos de las observaciones del ex director de IA de OpenAI, Andrej Karpathy, es como si implantara el alma de un ingeniero senior en la IA. Solo necesitas colocarlo en el directorio raíz del proyecto para que la precisión del código generado por herramientas de IA como Claude Code aumente de un 65% a más del 90%, erradicando por completo los malos hábitos de que la IA modifique el código sin permiso o sobre-ingeniería.
(Resumen previo: Nueva función de Claude Code /comando /goals: separar ejecución y evaluación, para evitar que la IA se vuelva perezosa y mienta)
(Información adicional: Andrej Karpathy, miembro fundador de OpenAI, anunció que se unió a Anthropic: para volver a la vanguardia en investigación de LLM)

A medida que herramientas de desarrollo asistido por IA como Claude Code y Cursor se vuelven cada vez más populares, muchos desarrolladores enfrentan un problema común: aunque la IA escribe rápido, a menudo "se vuelve demasiado lista", haciendo suposiciones, sobre-ingeniería e incluso modificando el código original sin permiso.

Pero ahora, este problema tiene una solución definitiva. El famoso experto en IA, ex director de OpenAI, Andrej Karpathy, analizó en profundidad los patrones comunes de fallo de los modelos de lenguaje grande (LLM) al programar; luego, desarrolladores como Forrest Chang extrajeron su filosofía central en un simple archivo llamado CLAUDE.md. Este proyecto (forrestchang/andrej-karpathy-skills) se ha disparado en GitHub hasta la cima de tendencias, acumulando decenas de miles de estrellas (Stars).

Muchos desarrolladores han reportado con sorpresa que, tras implementar este archivo, la precisión del código generado por IA aumentó de aproximadamente un 65% a más del 90%.

Revelando los "Cuatro Principios de Oro" de CLAUDE.md

Este archivo mágico, en esencia, dota a la IA de un conjunto de "normas de ingeniero senior". Cuando se coloca en el directorio raíz del proyecto, Claude Code lo lee automáticamente y lo usa como la guía de comportamiento más alta durante toda la conversación. Sus cuatro leyes fundamentales son:

• Uno, pensar antes de codificar (Think Before Coding):
  "No hagas suposiciones. No escondas confusión. Expón las trade-offs."
  Obliga a la IA a declarar claramente sus suposiciones. Si encuentra requisitos inciertos o múltiples soluciones, debe detenerse y consultar al usuario en lugar de adivinar y escribir a ciegas. Cuando una necesidad es irracional, la IA también tiene el poder de "rebatir" (push back).
• Dos, prioridad a la simplicidad (Simplicity First):
  "Escribe solo el código mínimo necesario para resolver el problema. No hagas conjeturas."
  Prohíbe estrictamente que la IA agregue "extras". No debe escribir código defensivo para escenarios improbables futuros, ni crear arquitecturas complejas para tareas simples. La regla es sencilla: si un problema puede resolverse en 50 líneas, no escribas 200.
• Tres, cambios quirúrgicos precisos (Surgical Changes):
  "Solo modifica lo que debes modificar. Solo limpia el código que tú mismo has ensuciado."
  Esto es favorito de muchos desarrolladores. La norma prohíbe estrictamente que la IA, al corregir un bug, "restructura" o cambie código, comentarios o formato adyacente. Cada línea modificada debe poder rastrearse claramente a la necesidad explícita del usuario.
• Cuatro, ejecución orientada a objetivos (Goal-Driven Execution):
  "Define los criterios de éxito. Verifica en ciclos hasta lograrlo."
  Pide a la IA que convierta tareas vagas en objetivos concretos verificables. Por ejemplo, ante una instrucción de "arreglar un bug", la acción estándar debe ser: primero escribir una prueba que reproduzca el bug ➔, luego modificar el código ➔ y, finalmente, hacer pasar la prueba, formando un ciclo de validación riguroso.

¿Por qué este prompt es tan efectivo?

La naturaleza de los LLM es complacer a los usuarios y, con facilidad, generar "hipótesis hallucinate" y "ampliación del alcance (scope creep)". La grandeza de CLAUDE.md radica en que codifica la "sabiduría y autocontrol" de un ingeniero senior en forma de un prompt del sistema (System Prompt).

A través de estos cuatro principios, la IA se vuelve más cautelosa, enfocada y cuyas salidas son verificables. Muchos desarrolladores beneficiados reportan que las diferencias en los cambios de código (diffs) son ahora mucho más limpias, los bugs se reducen drásticamente y el mantenimiento posterior es más sencillo. Ya no se siente como dirigir una máquina descontrolada, sino como colaborar con un "ingeniero senior" confiable en programación en pareja (Pair Programming).