Anthropic 从根本上重新审视了新一代 Claude 模型的上下文工程方法。在内部审计过程中,工程师发现 Claude Code 的系统提示词膨胀到了临界规模,且其中的指令相互矛盾。解决方案出乎意料:删除超过 80% 的提示词不仅没有导致质量下降,反而提升了质量。

这涉及模型在请求前感知环境的根本性转变。此前,上下文包括系统提示词、技能、项目文件和记忆——一个统一但笨重的结构。对 Claude Code 日志的分析显示,该系统的各部分存在冲突:一部分要求这样做,另一部分则要求完全相反的做法。

为什么少反而更好

事实证明,新一代 Claude 模型能够自主解读上下文并做出决策,无需严格的预设指令。因此,Anthropic 采取了大胆举措——将系统提示词缩减了 80% 以上。内部编程测试证实:质量不仅没有下降,在某些场景下反而有所提升。

该公司新指南的关键结论是:模型在指令更少的情况下表现更佳。用户不应过度加载系统,而应给予其更多自由。用一行文字替代多页规则:“按照周围项目的风格编写代码”。用单个示例替代数十个示例,以避免限制多样性。仅偶尔需要的指令现在被移入独立技能中,仅在必要时加载。

Anthropic 特别关注自动记忆和高级链接功能。Claude 会自动保存重要信息,并建议使用 HTML 和工件(artifacts)替代简单的 markdown 文件。系统提示词并非对所有人都重要:普通 Claude Code 用户不需要它,但在构建自己的代理时,这正是需要重点关注的部分。

我的观点: 这一步是 AI 行业成熟的标志。我们正在从“提示词工程”时代过渡到“上下文工程”时代,模型承担解读职责,而人类仅设定方向。对开发者而言,这是一个信号:上下文越简单、越清晰,模型的回报就越高。投资者和分析师应关注这一趋势——它直接影响 AI 代理的性能,进而影响其商业价值。