⚠️ 如果你平时只会在聊天框里用大模型，最近又怕自己跟不上新工具，最烦的大概就是：看完一圈，还是不知道这事跟自己有没有关系、现在要不要跟。你刚刷到那个14万星仓库 multica-ai / andrej-karpathy-skills[C001]，本来想划走，又怕错过重点；真容易亏的不是没跟，而是把时间、钱和注意力花在错误方向上。
我这次被扎到的一句很直白：AI越会写代码，人越缺判断标准。[C002] 我原来以为它火，是因为提示词更猛、模型更强；结果看完才发现，14万星背后最值钱的不是“更会写”，而是“更会判断”。
证据其实不多，但够用。GitHub 页面上它有约140k星标、14.4k次分叉；说明页却把核心压进一个规则文件 CLAUDE.md 和四条原则里。[C003] 那四条说白了就是：先把假设摊开，能简单就别绕，改动别越界，做完要能验。[C004]
这跟普通人有关系，是因为你让大模型写脚本、改表格、搭页面时，最常卡住的往往不是不会下指令，而是没先说清三件事：到底改哪里，改成什么算完成，出错后怎么查。一条更新值不值得看，不看它列了多少功能，先看它会不会改掉你下一步的判断。
所以这条我会先存着，不当神话，当提醒。以后再刷到新工具，先拿四句过一遍：我的假设是什么，能不能更简单，改动边界在哪，最后怎么验。
🤔 你现在最想先避开的，是哪一个坑？