محاولة CLAUDE.md الملهمة من كاربايثي تتجاوز 15K نجمة: كيف يمكن لملف Markdown واحد أن يكبح العادات السيئة للذكاء الاصطناعي في كتابة التعليمات البرمجية

مشروع GitHub باسم andrej-karpathy-skills يضم ملف Markdown واحد فقط، يحقق نجاحًا بكسر حاجز 15,000 نجمة، ليصبح واحدًا من أكثر مشاريع open source شهرة في نظام Claude Code البيئي. يعتمد ملف CLAUDE.md هذا على ملاحظات أندريج كارباثي، المدير السابق لذكاء Tesla AI، حول الأخطاء الشائعة عند كتابة التعليمات البرمجية باستخدام LLM، حيث يحوّلها إلى قواعد سلوكية يمكن لــ Claude Code استخدامها مباشرة.

الأخطاء الشائعة في برمجة LLM التي رصدها كارباثي

يشير كارباثي إلى أن LLM عند كتابة التعليمات البرمجية يرتكب بعض الأخطاء التي يمكن التنبؤ بها: الإفراط في الهندسة (over-engineering)، تجاهل أنماط الكود الموجودة مسبقًا، وإضافة تبعيات في أماكن لا تكون ضرورية. ليست هذه أخطاءً عشوائية، بل تحيّزًا منهجيًا ناتجًا عن طريقة تدريب النموذج — فالنموذج يميل إلى إظهار حلول “ذكية”، بدلًا من تقديم حلول موجزة تتماشى مع سياق المشروع.

تتمثل الفكرة الأساسية في أن هذه الأخطاء بما أنها يمكن التنبؤ بها، فيمكن الوقاية منها باستخدام تعليمات صحيحة. وهذا هو التطبيق العملي لـ “feedforward” في Harness Engineering — ضبط القواعد قبل أن يتصرف الذكاء الاصطناعي، بدلًا من تصحيح الأمور بعد حدوث الخطأ.

كيف يغيّر ملف Markdown سلوك الـ AI

يُعد CLAUDE.md ملف إعدادات على مستوى مشروع Claude Code. عندما تضعه في جذر المشروع، سيقوم Claude Code تلقائيًا بقراءته واتباع التعليمات الواردة فيه في كل مرة يتم فيها تشغيله. يحوّل هذا الملف ملاحظات كارباثي إلى أربع مبادئ جوهرية:

التنفيذ المدفوع بالأهداف — تحويل التعليمات الإجرائية إلى أهداف تصريحية، مع دمج حلقة تحقق

لا تفترض — عند مواجهة حالات غير مؤكدة يجب التحقق أولًا بدلًا من التخمين

لا تُخفِ الحيرة — إذا لم تفهم المتطلبات، يجب التعبير عنها بوضوح

إظهار المقايضات بشكل استباقي — عند وجود عدة حلول، عرض الإيجابيات والسلبيات لكل منها

هذه المبادئ تبدو كأنها نصائح موجّهة لمهندسي البشر، لكن في سياق الذكاء الاصطناعي تكون لها دلالات مختلفة. السلوك الافتراضي لـ LLM هو “إخراج استجابة كاملة قدر الإمكان”، حتى لو كان ذلك يعني التخمين بشأن نية المستخدم أو الإفراط في التصميم. يوجّه CLAUDE.md هذه السلوكيات الافتراضية نحو اتجاه أكثر حذرًا.

اتجاهات ما وراء 15K نجمة: شكل جديد لهندسة الـ Prompt

يعكس هذا المشروع انتفاضة في مجتمع المطورين: الانتقال من “استخدام الذكاء الاصطناعي لكتابة الكود” إلى “جعل سلوك الذكاء الاصطناعي مُهندسًا بحيث تكون جودة الكود أفضل”. في الماضي، كانت هندسة الـ prompt تركز على تصميم عبارات التوجيه في محادثة واحدة فقط، بينما أصبح التركيز الآن على قواعد سلوكية مستمرة — إعداد واحد، وتأثير طويل الأمد.

ويتقاطع هذا أيضًا مع اتجاه Vibe Coding، وهو بُعد لم يُناقش بشكل كافٍ بعد: عندما يكون 92% من مطوري الولايات المتحدة يستخدمون أدوات برمجة بالذكاء الاصطناعي، لم تعد جودة الكود تتحدد فقط بقدرة النموذج، بل بما تقوم به “لإدارة” سلوك هذا الشريك بالذكاء الاصطناعي. قد يكون CLAUDE.md الجيد أكثر فاعلية من اختيار نموذج أقوى.

تم إنشاء المشروع بواسطة المطور forrestchang، وهو open source بنسبة 100%؛ بالإضافة إلى ملف CLAUDE.md الرئيسي، فإنه يوفر أيضًا نسخًا يمكن استخدامها كإصدارات لتثبيت Claude Code Skill.

هذه المقالة: CLAUDE.md المستوحاة من كارباثي تكسر حاجز 15K نجمة: كيف تُروض ملف Markdown عادات الذكاء الاصطناعي السيئة في كتابة التعليمات البرمجية — ظهرت أول مرة على سلسلة الأخبار ABMedia.