andrej-karpathy-skills: El Archivo CLAUDE.md que se Convirtió en Plugin Viral
Si pasaste tiempo con Claude Code, probablemente ya chocaste contra la pared que Andrej Karpathy describió en público: el modelo asume cosas sin preguntar, convierte una solución de 50 líneas en 400, o reescribe la mitad de tu codebase cuando le pediste arreglar una sola función.
Karpathy lo dijo sin rodeos: los LLMs hacen suposiciones incorrectas en tu nombre y siguen adelante sin verificar. No gestionan su confusión, no piden aclaraciones, no presentan tradeoffs, no hacen pushback cuando deberían. Y les encanta complicar el código: abstracciones innecesarias, dead code acumulado, 1000 líneas donde 100 habrían alcanzado.
Esos no son bugs reportables — son quejas estructurales sobre cómo los LLMs abordan el código por defecto. Forrest Chang tomó esas observaciones e hizo algo engañosamente simple: las convirtió en un CLAUDE.md. Ese archivo tiene hoy más de 15.000 estrellas en GitHub.
Qué hace exactamente
El plugin andrej-karpathy-skills es un único CLAUDE.md con cuatro principios de comportamiento:
1. Think Before Coding — Pensá antes de codear
Antes de escribir una sola línea, Claude debe declarar sus suposiciones explícitamente. Si existen múltiples interpretaciones de una tarea, debe surfacearlas — no elegir una en silencio y salir corriendo. Si algo no está claro, debe detenerse, nombrar qué es lo confuso y preguntar.
2. Simplicity First — Lo mínimo que resuelve el problema
Sin features más allá de lo pedido. Sin abstracciones para código de uso único. Sin “flexibilidad” o “configurabilidad” que nadie solicitó. Sin manejo de errores para escenarios imposibles. Si escribió 200 líneas y podrían ser 50, las reescribe. El archivo incluye hasta un autocheck: “¿Diría un senior engineer que esto es demasiado complicado? Si la respuesta es sí, simplificá.”
3. Surgical Changes — Tocá solo lo que tenés que tocar
Al editar código existente: no “mejorar” código adyacente, comentarios o formato. No refactorizar cosas que no están rotas. Respetar el estilo existente aunque lo harías diferente. Si detecta dead code no relacionado, mencionarlo — no borrarlo por iniciativa propia. Cada línea modificada debe trazarse directamente al pedido del usuario.
4. Goal-Driven Execution — Definí el éxito, loopeá hasta verificarlo
Transformar tareas vagas en objetivos verificables:
- “Agregá validación” → “Escribí tests para inputs inválidos, luego hacelos pasar”
- “Arreglá el bug” → “Escribí un test que lo reproduzca, luego hacelo pasar”
- “Refactorizá X” → “Asegurate de que los tests pasen antes y después”
Para tareas multi-paso, Claude debe declarar un plan breve con verificaciones explícitas antes de arrancar.
Estos cuatro principios contrarrestan directamente los cuatro modos de falla que Karpathy identificó: suposiciones silenciosas, sobrecomplicación, scope creep y criterios de éxito vagos.
Cómo instalarlo
Opción A: vía el plugin marketplace de Claude Code (recomendada)
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
Esto instala las guías como plugin global — disponibles en todos tus proyectos automáticamente.
Opción B: curl directo a tu proyecto
Para un proyecto nuevo:
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
Para agregarlo a un CLAUDE.md existente:
echo "" >> CLAUDE.md
curl https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md >> CLAUDE.md
El archivo está diseñado para mezclarse con las instrucciones específicas de tu proyecto. Tus reglas de negocio van arriba; las guías de Karpathy van al final como capa base de comportamiento.
Por qué se volvió viral
Esto no es realmente sobre Claude Code específicamente. Es sobre una constatación cada vez más extendida: cómo configurás tu asistente de coding AI importa tanto como cuál elegís.
El plugin trata los defaults del modelo como un punto de partida a corregir — no como comportamiento fijo que tenés que esquivar con prompts ingeniosos sesión tras sesión. Y eso resuena. El repo ya generó ports para Cursor (.cursorrules) y VS Code Copilot (.github/copilot-instructions.md), lo que dice algo más amplio: la comunidad está convergiendo en un diagnóstico compartido de los modos de falla de los LLMs en código, independientemente de qué herramienta usen.
CLAUDE.md, .cursorrules, y los archivos de instrucciones de Copilot se están convirtiendo en la nueva capa de configuración del AI coding. Y las observaciones de Karpathy están funcionando como estándar de facto en esa capa.
Lo que hace posible este micro-género — prompt engineering como proyecto open source — es que CLAUDE.md es markdown puro que cualquier LLM puede leer. Eso significa que un archivo bien construido puede versionarse, forkearse, discutirse e iterarse como cualquier otro proyecto de código. Con estrellas, forks, pull requests y debate comunitario. Exactamente lo que está pasando.
¿Vale la pena?
El propio README es honesto sobre el tradeoff: “These guidelines bias toward caution over speed. For trivial tasks, use judgment.” Eso es el framing correcto. Para un fix de una línea, probablemente no necesitás que el modelo se detenga a enumerar suposiciones. Pero para cualquier trabajo no trivial — cualquier cosa donde una suposición incorrecta te cuesta una hora de revertir cambios — los principios tienen sentido.
La métrica que propone el plugin: menos cambios innecesarios en los diffs, menos rewrites por sobrecomplicación, preguntas de clarificación antes de implementar en vez de disculpas después de equivocarse.
Eso es un bar razonable. Y 15.000 estrellas sugieren que bastantes developers piensan que lo supera.
Links
¿Usás CLAUDE.md en tus proyectos? ¿Tenés tus propias reglas que le sumás a las de Karpathy? Compartí tu setup en los comentarios 