在飞速发展的人工智能领域,发生了一个有趣的转折。以先进模型Claude闻名的Anthropic公司,迈出了一步看似矛盾的一步:它删除了其开发工具Claude Code中超过80%的系统提示词。而最令人惊讶的是,其工作质量不仅没有下降,反而提升了。

上下文工程的本质是什么?

这涉及上下文工程方法的根本性转变。此前,模型的效率直接取决于开发者对行为规则、代码风格和限制的描述有多详细。然而,对Claude Code内部日志的分析揭示了一个严重问题:系统提示词中内置的指令、技能和用户请求经常相互冲突。模型接收到矛盾的指示,导致结果不尽如人意。

据我观察,新一代Claude模型已经学会自主解读周围上下文。正因如此,Anthropic的工程师得出结论:僵化、确定性的规则不再必要。将提示词缩减80%不仅仅是优化,而是承认模型已经足够“成熟”,能够自主做出决策。

与Claude合作的新规则

Anthropic不再使用多页指令,而是提出四个简单原则:

1. 信任模型的判断。与其设置禁令(例如“不要在代码中写注释”),不如用一句话:“以周围项目的风格编写代码”。

2. 限制示例数量。以前,少样本示例是黄金标准。但现在,它们反而束缚了模型,迫使它盲目复制所展示的模式,而不是寻找最优解。

3. 不要过度加载上下文。没有必要把所有指令塞进一个文件。Claude会在需要时自行提取所需信息。多余的规则只会消耗令牌并制造噪音。

4. 只说一次。以前,指令会在不同地方重复——在提示词中、在工具描述中。现在,重复被视为有害。模型会自行找到并应用所需规则。

实际结论

我的分析表明,我们正在目睹范式的结构性转变。从“提示词工程”(编写完美请求的艺术),我们转向“上下文工程”——创造合适环境的艺术,让模型能够发挥其潜力。系统提示词仅在创建自己的代理时重要,对于普通Claude Code用户来说,它已不再是关键要素。

这对所有从事AI工作的人来说是一个信号:少一些指令,多一些自由。新一代模型能够自行区分良莠。我们的任务不是干扰它,而是提供高质量但最小必要的上下文。这不仅仅是趋势,而是将改变AI开发方式的新现实。关注AI工具效率的市场应该对此予以重视。