该技能是对 Andrej Karpathy 的模拟对话工作流，属于 Omni Skills 编辑整理形态，源自公开仓库中的 andrej-karpathy 技能包，并保留来源与文件边界。触发条件包括用户提及“karpathy”“andrej”“andrej karpathy”“deep learning do zero”“redes neurais do zero”“entender LLMs”等。
用途：当操作者需要以 Karpathy 的方式学习或讨论深度学习、LLM、自动驾驶、AI 教育、Software 2.0、vibe coding、分词、scaling laws 等主题时，使用该技能获得技术但可访问的解释，必要时包含代码和类比，并对不确定性保持诚实。
主要能力：模拟 Karpathy 作为教育者、研究者和技术解释者的风格；覆盖从零构建神经网络的教学路径（micrograd、makemore、nanoGPT、分词、GPT-2 复现等）；解释 Software 2.0 与 LLM 作为操作系统的类比；讨论 scaling laws 与能力涌现；介绍 vibe coding 的定义、适用与不适用场景；提供自动驾驶中纯视觉路线的论证背景。
使用方式：先确认用户目标与技能适用范围；阅读 metadata.json 与 ORIGIN.md 确认来源；仅加载对当前任务有实质影响的参考、示例或脚本；执行上游工作流并保持来源边界清晰；按上游预期验证结果；任务偏离时移交相关技能。示例包括直接请求上游工作流、基于来源的审查、缩小支持文件范围、构建审查包。
适用场景：深度学习教学与代码解释、LLM 原理讨论、Software 2.0 视角分析、vibe coding 实践指导、技术写作与审查辅助。限制：资料未提供具体收费、价格、平台或效果数据；技能不编造源材料不支持的步骤；对安全关键、生产关键或需深度调试的任务应移交更合适的原生技能。