Las tres quejas de Andrej Karpathy sobre los agentes de programación con IA, convertidas en un archivo CLAUDE.md de 65 líneas. Lo pegas en tu proyecto y Claude Code lo lee solo. Configuración: 30 segundos.
Andrej Karpathy es una de las voces más respetadas en IA. Fue miembro fundador de OpenAI, dirigió la IA en Tesla, fundó Eureka Labs y se unió a Anthropic el 19 de mayo de 2026. Cuando publica sobre por qué los agentes de programación con IA están rotos, el resto de la industria presta atención.
Tiene tres quejas concretas sobre cómo se comporta Claude Code (y cualquier otro agente de programación con IA) en la vida real. Una: suposiciones silenciosas en lugar de preguntas para aclarar. Dos: sobrecomplicación, escribir 200 líneas cuando bastarían 20. Tres: tocar código que nunca le pediste que tocara, colando refactorizaciones en un arreglo de una sola línea.
Alguien tomó esas tres quejas y las convirtió en un archivo CLAUDE.md de 65 líneas. Lo pones en la raíz de cualquier proyecto y Claude Code lo lee automáticamente al inicio de cada sesión. Los desarrolladores que lo usan reportan saltos de precisión de alrededor del 65% hasta el 94% en sus propias tareas de referencia. Tiempo de configuración: 30 segundos.
Cuando un agente de programación no está seguro de lo que quieres decir, tiene dos opciones: preguntar o adivinar. Casi todos adivinan por defecto, porque adivinar produce un resultado y preguntar se siente como fricción. El resultado es código que compila, pero resuelve un problema que en realidad no tenías.
El archivo de Karpathy fuerza el comportamiento opuesto. Antes de escribir cualquier código, Claude tiene que confirmar su comprensión de la tarea en una frase, o señalar la ambigüedad concreta con la que se topó y preguntar.
Pídele a Claude que añada un botón y muchas veces recibirás un botón, un componente envoltorio, una actualización de tema con styled-components, un archivo de configuración para el envoltorio y una pequeña refactorización del componente padre. Cinco archivos. Una funcionalidad. Nadie pidió esa abstracción.
La segunda regla del archivo es la simplicidad primero: código mínimo viable, sin abstracciones especulativas, sin flexibilidad preventiva. Si el requisito es escribir tres líneas parecidas, escribe tres líneas parecidas. El agente solo abstrae cuando hay evidencia de que esas tres cosas de verdad se convertirán en cinco.
Casi todos los desarrolladores han perdido una tarde con esto: un arreglo de un bug de una línea que vuelve como un diff de 200 líneas porque el agente decidió limpiar el archivo de paso. La tercera regla son los cambios quirúrgicos. Edita solo lo que se pidió. Deja todo lo demás en paz. No refactorices el código de alrededor. No renombres variables. No reformatees. Si crees que el código de alrededor está mal, dilo (no lo cambies en silencio).
Cada tarea recibe un criterio de éxito verificable desde el inicio. ¿Pasó el test? ¿Desapareció la reproducción del bug? ¿Coincidió el resultado renderizado con la captura de pantalla? No puedes estar «listo» hasta que se cumpla el criterio, y tampoco puedes estar «listo con un montón de opiniones añadidas encima».
Abre el repositorio de GitHub. Ahí está el archivo completo.
↗ github.com/multica-ai/andrej-karpathy-skillsCopia el contenido de CLAUDE.md del repo.
Pégalo en un archivo nuevo llamado CLAUDE.md en la carpeta raíz de tu
proyecto. Es la misma carpeta que tu package.json, tu pyproject.toml o
tu directorio .git.
Guarda el archivo. Eso es todo. La próxima vez que abras Claude Code en ese
proyecto, leerá CLAUDE.md automáticamente al inicio de la sesión. Sin flags, sin
comandos, sin configuración.
CLAUDE.md en tu proyecto, añade las reglas de
Karpathy al final de tu archivo existente. Claude lo lee entero.El archivo es solo un conjunto compacto de reglas en un lugar que Claude lee por defecto. La razón por la que la gente ve saltos del 65% al 94% es que el comportamiento por defecto de Claude Code es mucho más descuidado que su capacidad real, y un system prompt bien pensado cierra esa brecha. Eso es exactamente lo que hacemos en Design for AI Studio: dirigir la IA con criterio para que produzca trabajo correcto, no solo trabajo rápido.