你写给 AI 的"员工手册"，正在让它变蠢

你精心打磨的AI“员工手册”越复杂越拖累？Anthropic删80%提示词，编码能力反稳。

核心内容：
系统提示词膨胀现状（65,000 token vs 12,000 token，对比其他模型）
臃肿提示词的负面影响（模型负担重、矛盾指令、高成本）
Anthropic六大范式转变及旧规则被推翻案例

Anthropic 最近干了一件让人倒吸一口凉气的事：他们把 Claude Code 的系统提示词删掉了 80%，编码评测成绩纹丝不动。

不是优化。不是精简。是直接砍掉八成。

那本你精心打磨的"AI 员工手册"——几十条规则、上百个示例、层层叠叠的 DO 和 DON'T——按照 Anthropic 自己的说法，大部分是在画蛇添足。
* *

你写给 AI 的"员工手册"，正在让它变蠢

六大范式转变

● ● ●

65,000 个 token 的"说明书"

先看一个数字：Claude Code 的系统提示词，在把所有功能和工具都内置后，一度膨胀到了65,000 个 token。就算关掉大部分功能，也还有 12,000 个。

这意味着什么？模型还没开始写一行代码，先背上了一本一万多字的说明书。每次调用都要读，都要计费，都要占上下文。

作为对比，Inflection 的 Pi 启动时上下文不到一千个 token。

这本说明书是怎么堆出来的？逻辑很简单——每一次修 bug，都加一段规则。

模型喜欢乱用工具？加一段禁用规则。模型不够主动？加一段鼓励指令。模型搜索太频繁？补一段限制。模型不理解项目结构？再塞一个 Agents.md。

每一次增加都有充分的理由。但长期堆下来，系统提示词就变成了一个巨大的常驻上下文包袱。

Anthropic 技术团队成员 Thariq Shihipar 翻了翻团队内部使用 Claude Code 的对话记录，发现一个反复出现的尴尬场景：同一次请求里，经常混进互相打架的指令。

系统提示词写着"尽量不要写注释"，某个 Skill 又说"该保留文档"，用户自己还提了第三种要求——"给我加详细注释"。

三个层级的指令在打架。Claude 通常能猜出用户想要什么，但它得先把这堆矛盾信息想明白，才能做决定。

过去，这些约束是必要的——旧模型判断力有限，不加护栏就容易捅娄子。但 Claude 5 的判断力已经好到可以让它自己看菜吃饭了。
* *

● ● ●

六条被推翻的铁律

Anthropic 把这次变化总结成六组对比。每一条都曾经被当成金科玉律，现在被推翻了。

第一刀：别给模型定死规矩，让它自己看上下文判断。

旧系统提示词里有一条经典禁令：
写代码时默认不写注释。绝不写多段落文档字符串或多行注释块——最多一行。除非用户明确要求，不要创建规划、决策或分析文档。

这条规则的出发点是好的——防止模型废话连篇。可问题是，它并不总是对的。有的用户就喜欢详细注释，某些复杂代码段确实需要多行说明。旧模型不加护栏会乱写，团队只能接受这个代价。新模型不需要了。

现在系统提示词变成了：
写出来的代码要读起来像它周围的代码：匹配其注释密度、命名习惯和惯用写法。

从"全局否决"变成了"自适应匹配"。把判断权还给模型。

第二刀：别给示例了，设计好接口。

过去教 Claude 用工具，第一原则是给大量示例。但 Anthropic 发现，示例反而会把模型的探索空间限制住。新模型比示例更有想象力。

更值得花心思的是工具本身的设计。比如 Todo 工具，状态字段做成pending | inprogress | completed三个枚举值，加上"同一时间只能有一项 inprogress"的约束——不用任何示例，接口本身就在教模型怎么用。

第三刀：别一股脑全塞前面，按需加载。

早期 Claude Code 的系统提示词里塞满了代码审查和验证的详细流程。这些内容不是每次都用得上，但用的时候又很关键。

新做法：把这些内容拆成独立的 Skill，让 Claude 在需要时自己去调用。工具也一样采用延迟加载——Agent 先用 ToolSearch 搜出完整定义，才去使用。平时不占上下文，用到时才加载。

同样的思路适用于 CLAUDE.md 和 SKILL.md。一个常见的误区是把这些文件当成收纳所有经验的总仓库，生怕不写进去模型就找不到。更好的做法是做成一棵文件树，让内容在合适的时机才被加载。

第四刀：别反复强调，单一来源就够了。

早期 Claude 需要在不同位置重复同一件事才记得住。所以系统提示词里提一遍工具用法，工具描述里再写一遍。

现在团队发现这些重复可以全删掉——工具的用法直接写进工具描述就够了。

第五刀：别手动写记忆，让模型自动记。

过去 Anthropic 鼓励用户用快捷键把内容手动写进 CLAUDE.md 当记忆。现在 Claude 会自动保存和当前工作相关的记忆了。

第六刀：别只用 Markdown 当规范，用更丰富的引用形式。

过去 Claude Code 高度依赖 Markdown 文件存放计划和规范。现在模型能引用 HTML 产物、测试套件、另一个代码库里的函数，甚至评分标准——派出带着评分标准的验证 Agent 去打分的动态工作流。
* *

● ● ●

不是"提示工程已死"，是升级成了"上下文工程"

这六条变化背后有一个更深层的转向：从"告诉模型怎么做"变成"设计好上下文结构，让模型自己搞清楚该怎么做"。

发给 Claude 的一条消息里，用户写的提示词只是很小的一个片段。真正构成上下文的，是系统提示词、Skills、CLAUDE.md、记忆、工具描述拼装起来的整个信息环境。Anthropic 把这套拼装工作叫做"上下文工程"（Context Engineering）。

和提示词不一样，上下文要被成千上万次不同请求使用，没法写得很具体。用户会输入什么，写上下文的人根本不知道。这也是为什么随着模型能力进化，写上下文的方式也要跟着变。

竞争的壁垒正在从"谁能写出更好的提示词"转移到"谁能设计更好的工具接口和上下文架构"。Cursor 曾花大量时间做系统提示词的 A/B 测试，针对不同模型微调提示方式，benchmark 测到的提升高达 10% 到 30%。差别核心往往就是那几段 prompt。但现在这套护城河正在变浅——模型越强，越不需要那些精心设计的规则。

Anthropic 还上线了一个新命令/doctor，可以自动帮用户给 Skill 和 CLAUDE.md 瘦身。你自己动手的话，可以从这几步开始：
01先建基线：选 10~30 个真实任务，记录成功率、返工次数、token 消耗。没有基线，"优化"只是主观感受。
02审计规则：搜索 CLAUDE.md 和 Skill 里的 NEVER、ALWAYS、DO NOT。每一条都要追问：这是全局必须的硬约束，还是可以交给模型自行判断？
03拆分成树：让 CLAUDE.md 保持短而具体（Anthropic 的建议是控制在 60 行以内），把领域流程拆成独立 Skill，把大的参考资料拆成分文件按需链接。
04靠接口而非靠话：工具的有效参数、枚举值、错误反馈本身就定义了行为边界，比写一大段使用说明更可靠。
* *

● ● ●

换一个角度看：你写的"员工手册"可能不只是多余，还在添乱

Anthropic 这次收缩系统提示词，最耐人寻味的一点不是省钱——虽然确实省了，Claude Code 烧 token 的速度已经让 Anthropic 自己都受不了了（他们的算力支出是薪资的 2.3 倍）。

真正值得细品的结论是：冗余的系统提示词不是中性的。它不光浪费 token，还会主动降低模型表现。

相互矛盾的指令让模型在做决定之前先陷入内耗。过度具体的示例限制了模型的发挥空间。冗长的前置上下文挤占了本应留给代码、diff 和工具结果的空间。

你越想把模型管好，就越可能把它管坏。

这不是说所有系统提示词都应该删光。硬性的安全约束、合规要求、不可逆操作的审批流程，这些仍然需要明确的规则。但那些"为了防止模型犯蠢"而加上的冗余约束，在新一代模型面前已经变成了负资产。

一个简单的判断标准：如果你的系统提示词里写满了"避免"、"不要"、"注意"——而不是让模型观察周围代码自己决定——那你很可能在过度约束它。

[登录查看剩余 70% 内容](javascript:void (0);)

提示词工程AI提示词技巧提示词优化技巧

你写给 AI 的"员工手册"，正在让它变蠢