CLAUDE.md impulsado por Karpathy supera las 15K estrellas: cómo un archivo Markdown puede domar los malos hábitos de la IA al escribir código

Un proyecto de GitHub, andrej-karpathy-skills, con solo un único archivo Markdown, supera las 15.000 estrellas en GitHub y se convierte en uno de los proyectos de código abierto más populares en el ecosistema de Claude Code. Este archivo CLAUDE.md se basa en las observaciones de Andrej Karpathy, ex director general de Tesla AI, sobre errores comunes al programar con LLM, y las convierte en reglas de conducta que Claude Code puede usar directamente.

Manías comunes de programación con LLM observadas por Karpathy

Karpathy señala que, al escribir código, los LLM cometen algunos errores predecibles: sobre-ingeniería (over-engineering), ignorar patrones existentes en el código y agregar dependencias donde no hace falta. Estos no son errores aleatorios, sino sesgos sistemáticos causados por el modo en que se entrena el modelo: el modelo tiende a mostrar soluciones “inteligentes”, en lugar de propuestas concisas que se ajusten al contexto del proyecto.

La idea clave es que, como estos errores son predecibles, se pueden prevenir con instrucciones correctas. Esto es una aplicación práctica del “feedforward” en Harness Engineering: establecer reglas antes de que la IA actúe, en lugar de corregir después.

Cómo un archivo Markdown cambia el comportamiento de la IA

CLAUDE.md es un archivo de configuración a nivel de proyecto de Claude Code. Cuando lo colocas en el directorio raíz del proyecto, Claude Code lo lee automáticamente y sigue sus instrucciones cada vez que se inicia. Este archivo convierte las observaciones de Karpathy en cuatro principios fundamentales:

Ejecución impulsada por objetivos — convertir instrucciones imperativas en objetivos declarativos, junto con un bucle de validación

No asumir — si hay situaciones inciertas, primero se debe confirmar y no conjeturar

No ocultar la confusión — si no se entiende la necesidad, debe expresarse con claridad

Exponer activamente los compromisos — cuando existan varias opciones, presentar sus respectivos pros y contras

Estos principios suenan como consejos para ingenieros humanos, pero en el contexto de la IA significan cosas distintas. El comportamiento predeterminado de los LLM es “producir una respuesta completa en la mayor medida posible”, incluso si eso implica adivinar la intención del usuario o diseñar en exceso. CLAUDE.md orienta estos comportamientos predeterminados hacia una dirección más prudente.

La tendencia detrás de las 15K estrellas: una nueva forma de Prompt Engineering

El éxito explosivo de este proyecto refleja un cambio en la comunidad de desarrolladores: pasar de “usar IA para escribir código” a “ingeniería de comportamientos de IA que mejora la calidad del código”. Antes, el prompt engineering se centraba en el diseño de prompts para una sola conversación; ahora el foco está en criterios de conducta persistentes: una configuración que surte efecto a largo plazo.

Esto también se alinea con una faceta poco discutida de la tendencia de Vibe Coding: cuando el 92% de los desarrolladores estadounidenses ya está usando herramientas de programación con IA, la calidad del código ya no depende solo de la capacidad del modelo, sino de cómo “gestionas” la conducta de ese compañero de IA. Un buen CLAUDE.md puede ser más efectivo que elegir un modelo más potente.

El proyecto fue creado por el desarrollador forrestchang, es 100% de código abierto y, además del archivo principal CLAUDE.md, también ofrece una versión que puede instalarse como Skill de Claude Code para su uso.

Este artículo, el CLAUDE.md inspirado por Karpathy que supera las 15K estrellas: cómo un archivo Markdown puede domesticar los malos hábitos de la IA al programar, apareció por primera vez en Cadena de noticias ABMedia.