Karpathy Explain Better
一句话:看不懂,通常不是"不够详细",是"形式不对 + 废话太多"。
Karpathy 的做法不是让模型再多写一段,是把答案换一种形态: 文字 → 结构图 → 可滑动海报 → 讲解视频。每一层都要比上一层字数更少、信息更狠。
五条硬规则(违反任何一条 = 返工)
| # | 规则 | 判定标准 |
|---|---|---|
| R1 | 图先行 | 任何网页/视频,先出 Mermaid 逻辑链,再动手做;没有图不许开始排版 |
| R2 | 大字 | 每个视口/每页 1 个 hero 数字,字号 ≥ 视口短边 12%;它在 3 米外要能读到 |
| R3 | 禁 AI 词 | 中英各一张禁用表(references/word-ban.md),命中即替换成日常话 |
| R4 | 精要 | 一页 ≤ 45 个汉字(英文 ≤ 25 词);全片旁白字数 = 目标时长 × 4.5 字/秒,不超 |
| R5 | 背景要动 | 有背景就必须是动态的(慢移/呼吸/粒子/噪声呼吸);文字可以静止 |
R2 的意思不是"标题大一点",是把结论压成一个数字:
差: 卷积神经网络通过多层特征提取实现了对手写数字的有效识别
好: 784 → 10 (28×28 个像素,压成 10 个数字的概率)
数字必须是可核对的事实(来自原文/论文/实测),不许为了好看编。
心流链(所有形式的骨架)
解释要像一条下坡路,每屏只推进一步,不允许回头:
flowchart TD
A["一句结论<br/>（说人话，不用术语）"] --> B["Hero 数字<br/>（冲突/反差，让人想追问）"]
B --> C["三步机制<br/>（1 2 3，每步一个动词）"]
C --> D["亲手试一下<br/>（一个可操作的参数）"]
D --> E["带走的判断<br/>（以后遇到什么该想起它）"]
- 海报 = 这条链切成 3 页:P1 结论+Hero / P2 三步机制 / P3 试一下+带走
- 视频 = 同一条链按时间展开,每个分镜只承担一个箭头
- 文字版 = 同一顺序的五句话,不是五段
链条写完先给用户看一眼再开工(30 秒成本,省掉整版返工)。模板见 references/flow-first.md。
四种形式
| 形式 | 何时用 | 关键产出 | 细则 |
|---|---|---|---|
| 简化文字 | 表达绕、术语多 | 5 句话 + 1 个例子 | references/modes.md §1 |
| 结构图 | 关系多、有分支 | Mermaid + 三句"怎么看" | references/modes.md §2 |
| 3 页海报 | 要"一屏看懂"、要发给人 | 单文件 HTML,左右滑动 + 自动播放 + 动态背景 | references/boss-poster.md |
| 讲解视频 | 节奏只能靠时间讲 | 字幕可开关 + 音量拉满 + 动态背景 | references/video-spec.md |
形式不是升级打怪:一句话能讲清的别做视频;能一页讲清的别做三页。
工作流(五个闸门,过不了不许往下走)
G0 定题 → 一句话:读者到底卡在哪?（不是"介绍 X"，是"X 到底在解什么问题"）
G1 画链 → Mermaid 心流链，5 个节点以内；先给用户看
G2 定字 → 每页一句 ≤45 字 + 1 个 hero 数字；先写纯文本卡，不碰样式
G3 出活 → HTML / 逐帧渲染 / 旁白合成
G4 机检 → python references/scripts/check_explain.py <产物>
G5 交付 → 附"怎么看"三句 + 机检结果，不附主观形容词
G2 是省时间的关键:文案定了再排版。反过来做,改一个字就要重排整页。
交付前自检
python references/scripts/check_explain.py <文件或目录>
它会查:禁用词命中 / 每页字数 / 是否有外链 / 视频是否有字幕轨 / 是否默认开 / 响度是否够 / 背景是否真的在动(逐帧差分,并给出"冻结帧占比")。全绿才算过。
视频的两个环节也有现成脚本,不用现写:
python references/scripts/tts_timeline.py narration.txt --out work/ # 逐句 TTS + 时间轴 + srt
python references/scripts/webvideo.py scene.html --work work/ --out out.mp4
人工再补四条:
- 3 米外能读到 hero 数字(缩略图 20% 大小还能看清)
- 每页只讲一件事;删掉任意一句,信息会缺
- 数字、公式、引用回到原文核对过
- 逐张看过缩略拼版(不是只看脚本报成功)
常见坑
- "详细"是陷阱:字数增加 3 倍,理解率不涨,读完率暴跌。先砍再补。
- hero 数字不能是形容词:
效率提升显著是废话,6 个 5×5 卷积核才是事实。 - 动画不等于动效:文字到处飞是噪音;背景缓慢流动 + 一个元素淡入才是节奏。
- 视频默认静音 / 默认带字幕 / 默认小声,都是交付缺陷:字幕要能开关且默认开,音量要拉到平台上限。
- 场景目录里的
timing.js会覆盖注入的window.TIMING:场景里的<script src>在注入之后执行,目录里留一份旧的就是整片错拍,而且零报错。渲染前必须重写它(webvideo.py已做)。 - 字幕一句一 cue 会太长:24 个汉字在 1080p 勉强、竖屏直接糊。在时间轴脚本里按标点折行,别留到渲染端。
- 揭示动画比句子慢:逐字公式写到
p*1.4就是“句子说完了还没打完”,取p*3.0,让它在 p≤0.4 就位。 - 逐帧渲染别用
-vf zoompan:整数裁剪会"冻一帧跳一格",改逐帧亚像素。 - 先存旧版再改:成片 + md5 + 症状清单,否则无法对比 before/after。
- Skill 工具报 unknown skill:Cindy 从
~/.claude/skills/加载,新 skill 必须落到那里。 - 字体、emoji、
U+FE0F、ffprobe 缺失等渲染细节见references/form4-video-delivery.md。