2026年3月23日晚上9点我正对着一个刚生成的 Python 脚本发呆。这本来是个简单的数据清洗任务但我手滑多问了一句 Claude“能不能加个重试机制和日志追踪”结果它给我吐出了 300 行代码引入了三个我不认识的库还顺手设计了一套看起来很美但完全用不上的配置系统。这感觉就像你只想下楼买瓶酱油结果被推销了一套海景房。就在我准备删库跑路的时候GitHub 热榜第三个项目救了我——slavingia/skills一个只有一千多星的小仓库却干了一件反直觉的事它不教 AI 怎么写更多代码而是教 AI 学会“拒绝”。为什么现在值得写因为 AI 编程已经到了一个分水岭我们不再缺“能写代码”的工具缺的是“懂不写什么”的合伙人。这个项目把 Sahil Lavingia 的《The Minimalist Entrepreneur》小而美哲学喂给了 Claude试图解决当下 AI 编程最大的痛点——过度工程化。如果你也受够了 AI 生成的“屎山”这篇文章就是你的解药。把“极简主义”刻进 AI 的脑子里大多数 AI 编程助手就像一个急于表现的实习生你说要加个功能它恨不得把设计模式全集都给你塞进去。slavingia/skills的核心逻辑就是给这个实习生塞一本《小而美》告诉它少即是多。这个项目本质上是一套精心设计的 Prompt 规则库。它没有复杂的架构核心就是一个CLAUDE.md文件。这个文件就像 Claude 的“大脑植入物”定义了它作为“极简主义工程师”的行为准则。我花了一晚上读完了它的源码发现它只做三件事质疑需求在动手前先问“这个功能真的必须现在做吗”拒绝过度设计默认不引入新依赖优先使用标准库。只写必要代码如果 10 行代码能解决绝不写第 11 行。这听起来简单但在 LLM 的世界里这简直是“逆天改命”。大模型的天性是发散你问 A它能给你扯到 Z。而这个项目强行把它的思维收敛回来。这就像给一个喋喋不休的话痨嘴里塞了个袜子虽然粗暴但确实管用。实战驯服你的 AI 合伙人光说不练假把式。我决定拿我那个被“过度设计”的数据清洗脚本开刀。首先我 clone 了slavingia/skills仓库并在 Claude Code 中加载了这个技能包。加载过程非常简单只需要在项目根目录下配置好环境变量或者在 Claude Code 的上下文中引入CLAUDE.md。接着我重新发起了那个让我翻车的需求“写一个数据清洗脚本处理 CSV 文件。” 这次加载了极简技能包的 Claude 没有直接甩给我一堆代码而是先反问了一句“这个脚本是一次性任务还是长期服务如果是前者我建议不引入 logging 库直接 print 输出即可。是否需要处理异常数据类型”你看它学会思考了。它不再是一个只会执行命令的机器而开始像一个真正的工程师一样评估 ROI投入产出比。我回答“是一次性任务不需要复杂日志。”几秒钟后我拿到了一段 35 行的 Python 代码。没有花哨的装饰器没有多余的类定义甚至没有那个让我头疼的tenacity重试库。它只用了标准库csv和pandas因为我环境里本来就有逻辑清晰得像刚洗过的盘子。# 它甚至在这个位置给了我一个注释# 核心逻辑只处理必要字段不做过度防御importcsvimportsysdefclean_csv(input_file,output_file):withopen(input_file,r)asf:readercsv.DictReader(f)# 极简主义直接在内存处理适合小文件大文件请用 pandas chunkrows[rowforrowinreaderifrow[status]valid]withopen(output_file,w,newline)asf:writercsv.DictWriter(f,fieldnamesreader.fieldnames)writer.writeheader()writer.writerows(rows)if__name____main__:clean_csv(sys.argv[1],sys.argv[2])⚠️ 踩坑提醒虽然极简主义很爽但千万别无脑照搬。这个技能包默认你的环境是受控的。如果你的数据源非常脏或者是在生产环境运行记得在 Prompt 里追加一条规则“保留必要的异常捕获但不要引入 try-except 嵌套地狱。”为什么“拒绝”比“顺从”更贵在 AI 圈子里大家都在卷谁的 Token 更多谁的上下文更长。但slavingia/skills给了我当头一棒未来的 AI 竞争可能不是比谁生成得快而是比谁删得多。这让我想起《重构》里那句老话“最好的代码是不写代码。” 以前我们靠自律现在我们靠 AI 的“他律”。这个项目最值钱的不是那几行 Prompt而是它把“商业思维”注入了“技术实现”。Sahil Lavingia 在书里说“Start with the smallest possible thing.” 这个项目就是把这句话变成了代码约束。当然这种“极简”是有代价的。它要求你作为开发者必须非常清楚自己要什么。如果你自己都是一团浆糊AI 的“极简”只会让你更懵——因为它不会帮你脑补那些你没说出来的复杂逻辑了。这就像你以前带了一个什么都帮你干好的保姆现在换成了一个只听指令的特种兵如果你指令不对他可能直接把墙拆了而不是开门。别让 AI 成为你的借口slavingia/skills这个项目本质上是在对抗一种新的技术懒惰因为 AI 能写所以我就让它随便写。这种懒惰正在制造大量的“AI 遗产代码”——看起来能跑但没人敢动没人敢改。这个项目是一个信号提醒我们AI 可以是倍增器也可以是稀释剂。如果你不加干预它稀释的就是代码质量和工程纪律。我现在的判断是这类“哲学驱动型 Prompt”会成为下一个热点。我们不再需要 AI 教我们写for循环我们需要 AI 教我们如何像架构师一样思考。如果你也对这种“极简主义 AI”感兴趣或者你有更好的“驯服” AI 的招数欢迎在评论区聊聊。毕竟在 AI 时代学会如何让机器闭嘴可能比学会如何让它说话更重要。本文首发于我的 Hashnode 博客这里会同步更新更多关于 AI 工程化、架构思考的硬核内容。如果你觉得这篇有点意思可以去我的公众号「计算机魔术师」逛逛那里有更多不方便公开讲的实战踩坑记录。
GitHub 热榜第三：这个项目教 AI 学会了“拒绝”
2026年3月23日晚上9点我正对着一个刚生成的 Python 脚本发呆。这本来是个简单的数据清洗任务但我手滑多问了一句 Claude“能不能加个重试机制和日志追踪”结果它给我吐出了 300 行代码引入了三个我不认识的库还顺手设计了一套看起来很美但完全用不上的配置系统。这感觉就像你只想下楼买瓶酱油结果被推销了一套海景房。就在我准备删库跑路的时候GitHub 热榜第三个项目救了我——slavingia/skills一个只有一千多星的小仓库却干了一件反直觉的事它不教 AI 怎么写更多代码而是教 AI 学会“拒绝”。为什么现在值得写因为 AI 编程已经到了一个分水岭我们不再缺“能写代码”的工具缺的是“懂不写什么”的合伙人。这个项目把 Sahil Lavingia 的《The Minimalist Entrepreneur》小而美哲学喂给了 Claude试图解决当下 AI 编程最大的痛点——过度工程化。如果你也受够了 AI 生成的“屎山”这篇文章就是你的解药。把“极简主义”刻进 AI 的脑子里大多数 AI 编程助手就像一个急于表现的实习生你说要加个功能它恨不得把设计模式全集都给你塞进去。slavingia/skills的核心逻辑就是给这个实习生塞一本《小而美》告诉它少即是多。这个项目本质上是一套精心设计的 Prompt 规则库。它没有复杂的架构核心就是一个CLAUDE.md文件。这个文件就像 Claude 的“大脑植入物”定义了它作为“极简主义工程师”的行为准则。我花了一晚上读完了它的源码发现它只做三件事质疑需求在动手前先问“这个功能真的必须现在做吗”拒绝过度设计默认不引入新依赖优先使用标准库。只写必要代码如果 10 行代码能解决绝不写第 11 行。这听起来简单但在 LLM 的世界里这简直是“逆天改命”。大模型的天性是发散你问 A它能给你扯到 Z。而这个项目强行把它的思维收敛回来。这就像给一个喋喋不休的话痨嘴里塞了个袜子虽然粗暴但确实管用。实战驯服你的 AI 合伙人光说不练假把式。我决定拿我那个被“过度设计”的数据清洗脚本开刀。首先我 clone 了slavingia/skills仓库并在 Claude Code 中加载了这个技能包。加载过程非常简单只需要在项目根目录下配置好环境变量或者在 Claude Code 的上下文中引入CLAUDE.md。接着我重新发起了那个让我翻车的需求“写一个数据清洗脚本处理 CSV 文件。” 这次加载了极简技能包的 Claude 没有直接甩给我一堆代码而是先反问了一句“这个脚本是一次性任务还是长期服务如果是前者我建议不引入 logging 库直接 print 输出即可。是否需要处理异常数据类型”你看它学会思考了。它不再是一个只会执行命令的机器而开始像一个真正的工程师一样评估 ROI投入产出比。我回答“是一次性任务不需要复杂日志。”几秒钟后我拿到了一段 35 行的 Python 代码。没有花哨的装饰器没有多余的类定义甚至没有那个让我头疼的tenacity重试库。它只用了标准库csv和pandas因为我环境里本来就有逻辑清晰得像刚洗过的盘子。# 它甚至在这个位置给了我一个注释# 核心逻辑只处理必要字段不做过度防御importcsvimportsysdefclean_csv(input_file,output_file):withopen(input_file,r)asf:readercsv.DictReader(f)# 极简主义直接在内存处理适合小文件大文件请用 pandas chunkrows[rowforrowinreaderifrow[status]valid]withopen(output_file,w,newline)asf:writercsv.DictWriter(f,fieldnamesreader.fieldnames)writer.writeheader()writer.writerows(rows)if__name____main__:clean_csv(sys.argv[1],sys.argv[2])⚠️ 踩坑提醒虽然极简主义很爽但千万别无脑照搬。这个技能包默认你的环境是受控的。如果你的数据源非常脏或者是在生产环境运行记得在 Prompt 里追加一条规则“保留必要的异常捕获但不要引入 try-except 嵌套地狱。”为什么“拒绝”比“顺从”更贵在 AI 圈子里大家都在卷谁的 Token 更多谁的上下文更长。但slavingia/skills给了我当头一棒未来的 AI 竞争可能不是比谁生成得快而是比谁删得多。这让我想起《重构》里那句老话“最好的代码是不写代码。” 以前我们靠自律现在我们靠 AI 的“他律”。这个项目最值钱的不是那几行 Prompt而是它把“商业思维”注入了“技术实现”。Sahil Lavingia 在书里说“Start with the smallest possible thing.” 这个项目就是把这句话变成了代码约束。当然这种“极简”是有代价的。它要求你作为开发者必须非常清楚自己要什么。如果你自己都是一团浆糊AI 的“极简”只会让你更懵——因为它不会帮你脑补那些你没说出来的复杂逻辑了。这就像你以前带了一个什么都帮你干好的保姆现在换成了一个只听指令的特种兵如果你指令不对他可能直接把墙拆了而不是开门。别让 AI 成为你的借口slavingia/skills这个项目本质上是在对抗一种新的技术懒惰因为 AI 能写所以我就让它随便写。这种懒惰正在制造大量的“AI 遗产代码”——看起来能跑但没人敢动没人敢改。这个项目是一个信号提醒我们AI 可以是倍增器也可以是稀释剂。如果你不加干预它稀释的就是代码质量和工程纪律。我现在的判断是这类“哲学驱动型 Prompt”会成为下一个热点。我们不再需要 AI 教我们写for循环我们需要 AI 教我们如何像架构师一样思考。如果你也对这种“极简主义 AI”感兴趣或者你有更好的“驯服” AI 的招数欢迎在评论区聊聊。毕竟在 AI 时代学会如何让机器闭嘴可能比学会如何让它说话更重要。本文首发于我的 Hashnode 博客这里会同步更新更多关于 AI 工程化、架构思考的硬核内容。如果你觉得这篇有点意思可以去我的公众号「计算机魔术师」逛逛那里有更多不方便公开讲的实战踩坑记录。
