Claude Code 提示词删改背后：一场价值千金的「苦涩教训」

围绕 Claude Code 系统提示词到底是被砍掉还是悄悄增加，社区吵了好几天。先是 Claude Code 团队成员 Thariq Shihipar 发文称，他们把系统提示词砍掉超过 80%，内部编程评测却未见明显下滑；两天后，Qoder 工程师陈成抓取实际请求后发现：大幅精简发生在 Opus 4.8 而非 Opus 5，Opus 4.7 的提示词约 15225 个字符，4.8 降至 4467 个，Opus 5 又回升到 7694 个，比 4.8 长 72%。两组数据互相对冲，外界一度怀疑是烟雾弹。然而顺着两边的资料对照，可以把这轮删改背后的工程逻辑理清楚。

删掉的 80%：旧模型时代的六条最佳实践

Anthropic 团队在翻看内部使用记录时发现，同一个请求里常常出现相互冲突的指令：系统提示词说「不要加注释」，Skills 又说「适当补充文档」，用户还临时要求「把复杂逻辑解释清楚」。旧模型本身判断力不足，必须把规则写死，否则最坏情况会乱删文件；但新模型已经能结合上下文自行权衡，旧的硬规则反而成了冲突源头。这次删除主要沿六个方向展开：

• 让模型自己判断：不再硬性禁止注释或多段文档字符串，只保留「匹配周围代码的注释密度、命名和习惯」一条要求，模型需要根据任务自行决定表达方式。
• 设计接口而非塞示例：新模型容易把示例当作全部答案，因此减少用例罗列，转而设计结构化接口。例如 Todo 工具只需把状态限定为 pending、in_progress、completed，且同时只能有一个任务进行，模型即可自行推断用法。
• 按需加载而非一次性全量灌入：把审查、验证、工具说明拆成独立 Skills，工具定义通过 ToolSearch 按需加载，模型只需知道「东西在哪」，真需要时再取。
• 一件事只在一个地方说：旧模型易忘指令，规则往往在提示词、工具描述、示例里反复出现，新模型对长上下文理解更深，重复提醒反而制造冲突，因此同一件事只交由一处负责。
• 把长期状态交给自动记忆：项目说明、用户偏好、工作经验等交给自动记忆模块，CLAUDE.md 只保留代码库简介和真正反常识的坑。
• 直接给简单规格：HTML 原型、测试用例、现有代码、评分标准等都可以作为输入，一张真实原型图传递的信息远多于「页面要高级、简洁、有呼吸感」一类描述。

Anthropic 删掉的并不是上下文本身，而是人类替旧模型预先做好的判断。

增加的 70%：管住新模型的坏脾气

旧规则失效，并不意味着提示词会持续变短。模型升级后，一些过去不明显的行为开始影响体验，Opus 5 相比 4.8 多出 72% 的内容正是为此而来。根据陈成的抓取与 Piebald-AI 的提示词库，Opus 5 主要新增两段：Delivering work 和 Corrections。

• Delivering work：要求模型按用户原本要求的范围交付，普通模糊问题自行判断，只有不同理解会显著改变结果时才停下来询问；不得因发现「更好的方案」而悄悄缩放任务，不得只完成容易的部分就把结果说成已完成，若某部分确实无法推进，也须先完成剩余部分并明确说明缺什么、为何没做。这一段针对的是 Opus 5 自主性增强后容易扩大任务范围的问题。
• Corrections：Opus 5 比以前更爱向用户解释纠错过程，会指出前面哪句话说错了、详细分析原因、再说明如何调整，长任务里很多更正其实不影响最终结果，只增加输出长度。Corrections 要求只解释真正影响代码、结论或决策的错误，无关小失误直接改掉继续做，不加道歉和开场说明，不反复自我批评，也不逐条统计已犯错误；用户追问不等于之前一定说错，其他 Agent 指出问题时也须先判断对方是否正确。

两段一段防 Claude 做得太多，一段防它说得太多。旧模型先解决能不能完成任务，Opus 5 已能完成更长、更复杂的任务后，产品团队才开始处理任务范围与过程沟通的问题。

苦涩的教训：人类最舍不得删掉自己的聪明

强化学习先驱 Richard Sutton 在 2019 年的《The Bitter Lesson》中梳理了七十年 AI 史：人类总忍不住把经验和解法直接写进机器，短期看规则往往立竿见影，也最让研究者有成就感；可一旦算力上来，这些精心设计的规则很快失效，最后遥遥领先的反而是依靠堆算力的通用方法。教训之「苦涩」，在于被淘汰的恰恰是研究者最得意、投入最多的部分。

Claude Code 这轮提示词删改，正是这一教训的缩影。旧提示词曾让 Claude Code 成为顶级的 Agent 产品，但随着模型继续进化，这些规则开始反过来拖后腿。对所有关注上下文工程的人来说，值得记住的是：不要把自己干活的每一步都写进提示词，让模型永远踩着旧经验的脚印走；更能扛过模型换代的是一套能持续扩展的环境，而具体该走哪条路，最终应该交给模型自己。