Claude Code 团队最新复盘：删减 80% 的系统提示词，AI 编程效果依然没变差

Claude Code团队复盘发现：删掉80%系统提示词，AI编程效果未降反优，揭示过度约束拖累模型的真相。
核心内容：
1. Anthropic删减80%系统提示词的实践及效果
2. 过度提示词导致系统与技能指令冲突的内耗问题
3. 新提示词策略：从给规则到让模型自主判断，从给示例到设计接口

Claude Code负责人Thariq Shihipar近日发表博客，介绍Claude 5模型的context engineering新规则；读完这篇文章，我收获颇多。

这篇文章讲的是，随着模型能力的进化，过去那些给 AI 写提示词、搭建上下文的最佳实践，很多已经过时了。Anthropic 自己在 Claude Code 这个产品上做了大量删减，系统提示词砍掉了超过 80%，结果在编程评测上的表现居然没有下降。

这个数字挺震撼的。我们平时写提示词，总觉得写得越详细越好，规则越多越安全。但 Anthropic 的经验告诉我们，过度约束反而会拖累模型的表现。

他们在复盘内部使用记录的时候发现，系统提示词、技能指令和用户请求之间经常互相打架。比如系统提示词说「适当写注释」，技能指令又说「不要加注释」，模型夹在中间，得花额外的精力去判断到底该听谁的。这种内耗是看不见的，但确实在消耗模型的推理能力。

日常工作中也有类似情形：新员工入职时，如果收到一本200页的操作手册，其中还存在多处相互矛盾的规定，他多半会束手束脚，每走一步都得翻阅确认。反过来，若员工本身能力很强，只需交代大方向和几个关键风险，其余交由他判断，效果可能更好。

Anthropic归纳了六条做法：它们过去被奉为圭臬，如今却已成为误区；在我看来，每一条都值得展开讨论。

从「给规则」转向「让模型自己判断」

为了防止模型乱删文件等最坏情况，过去他们会制定十分强硬的规则，例如「代码里默认不写注释」「永远不要写多行文档字符串」「不要创建规划文档」。

多数时候，这些规则确实有效，却无法覆盖所有例外。例如特别复杂的代码，可能必须配有多行注释，后来者才能读懂；旧规则采用一刀切方式，模型只能机械执行，连应当添加注释的位置也会留空。

现在新的提示词变成了一句话：写出来的代码要和周围的代码风格一致，匹配它的注释密度、命名习惯和惯用写法。

这一变化的本质在于，模型已有足够出色的判断能力，不再需要人为替它决定每个细节。只要说明原则，它便能结合实际情况灵活处理。

这与教育孩子颇为相似。年幼时，必须告诉他过马路要看红绿灯、不能触碰插座，因为这些属于硬规则。等他长大后，如果仍细致规定睡觉时间和穿着，就成了过度管控。真正有效的引导应提供方向，而不是罗列清单。

从「提供示例」转向「设计好接口」

以前指导模型使用工具，首要准则就是展示示例，包括如何调用API、怎样填写参数以及会返回什么结果，都需要交代清楚。

Anthropic却发现，面对新一代模型，示例可能压缩探索空间。模型看过示例后，往往沿用既有模式，不太愿意尝试其他也许更合适的用法。

如今，他们把主要精力投入工具本身：使用清晰的参数名、明确列出枚举值，并界定工具的功能边界。模型获得这些信息后，自然能够理解使用方法。

以待办事项工具为例，只要把状态字段设为pending、in_progress、completed三个枚举值，再补充「同时只保持一个任务处于进行中」，模型就能充分理解操作方式，无须通过大段示例演示。

同样的道理也适用于产品设计：好的产品界面应让用户一眼看懂，无须翻阅说明书。如果工具必须依靠大量教程才能投入使用，问题多半出在设计本身。

从「全部一次塞入」转向「按需加载」

过去 Claude Code 的系统提示词里塞了大量信息，包括怎么做代码审查、怎么验证结果这些内容。这些信息不是每次都用得上，但万一用到了又很关键，所以就一直放在那里占着位置。

现在，这些内容被拆分成独立技能模块，由模型在需要时主动调用，不需要时则不加载。有些工具甚至采用延迟加载形式，模型必须先搜索到定义，之后才能使用。

这种思路称为渐进式披露：核心信息置于最前，详细内容则在需要时展开。

我认为，这套思路很适合知识管理。许多人记笔记时习惯把所有内容堆进同一文档，认为查找更方便；实际上，信息过多反而增加检索难度。不妨把笔记分层，将核心要点放在顶部、细节存入子文档，需要时再进入查看。

从「反复强调」转向「在工具描述中说明即可」

早期的模型有个毛病，上下文窗口里靠后的内容比靠前的更容易被注意到。所以为了确保模型记住某些规则，他们会在系统提示词里写一遍，在工具描述里再写一遍。

现在不需要了。新模型对整个上下文窗口的注意力分配更均匀，把指令写在工具描述里就够了，不用在系统提示词里重复。

这个变化看起来小，但意义很大。它意味着你可以把系统提示词写得更精简，把每个工具的使用说明放在它自己的描述里，各管各的，互不干扰。整个上下文的结构会更清晰，维护起来也更方便。

从「人工保存记忆」转向「自动记忆」

过去使用Claude Code时，用户必须主动按快捷键，把重要信息存进CLAUDE.md文件，相当于亲自替模型整理笔记。

现在，与工作相关的记忆会由模型自动保存；哪些内容该记、哪些不该记，无须用户操心，模型会自行判断。

这种进步看似理所当然，背后体现的却是模型对「什么信息重要」的理解正在增强。它不再只是被动工具，而是开始具备些许主动管理上下文的能力。

从「简单文字规格」转向「丰富参考资料」

过去提供给模型的参考资料，基本都是Markdown格式的规格说明文档。

如今，模型已经可以处理更复杂的参考形式，包括HTML格式设计稿、另一个代码库中的函数实现、完整测试用例，甚至一份评分标准，并能依据该标准验证输出质量。

这意味着人与模型可以采用更多样的沟通方式。与其用文字描述期望的设计，不如直接提供HTML原型；与其解释个人的代码风格偏好，不如展示一段自己认可的代码。模型能从这些具体参考中提取比文字说明更精准的信息。

最后，谈谈如何组装上下文

Anthropic将完整的上下文划分为四层。

系统提示词，告诉模型它在什么产品里、要做什么事。这一层跟产品强绑定，普通用户一般不用改。

CLAUDE.md文件应保持轻量，只需简要说明项目用途，重点记录模型通过文件系统无法发现的特殊约束。例如项目规定所有类型定义集中放在一个文件里，这类信息模型无法自行猜出，必须明确告知。

技能模块可视为轻量指南，供模型按需查阅。除非涉及格外重要的领域，否则不要把技能写得过于僵化；较长技能应拆成多个文件，并通过渐进式披露组织。最理想的技能，是编码了个人、团队或产品独有观点、知识及最佳实践的内容。

参考资料用于补充当前任务的详细背景，应优先采用代码形式，因为代码对模型而言是高保真的指令语言。通常，一个HTML设计稿产生的效果会优于一段文字说明或一张截图。

读完文章后，我最深的体会是：与AI协作正在由「精确控制」逐渐迈向「信任与引导」。

早期模型如同刚入行的实习生，必须手把手教学，把每一步写明，否则容易犯下各种低级错误。现在的模型则更像经验丰富的同事，只需明确目标与几个关键约束，余下工作它可以自行完成。

如果你还在用老方法写提示词，写了一大堆规则和示例，可能反而在限制模型的发挥。试着删掉一些，给模型更多判断空间，看看效果会不会更好。

Anthropic 自己都砍掉了 80% 的系统提示词。我们普通用户，大概也该学着做减法了。

最后分享一个好消息：我的星球社群已运营800多天，累计主题2000个，加入人数达到1800+人，精华主题有300+篇，各类专栏课程累计上百篇，今年更新的视频教程也已有50+。

感兴趣的读者可以查看具体介绍：

《AIGC·掘金成长研习社值得你加入》

登录查看剩余70%内容