在人工智能飞速发展的世界里,发生了一件具有标志性意义的事件。以先进的Claude模型而闻名的Anthropic公司,迈出了一步看似矛盾的决定。在对自家编程工具Claude Code进行深入分析和优化的过程中,他们删除了超过80%的系统提示词。这一决定不仅仅是技术细节,更是与大型语言模型交互哲学的根本性转变。
为什么少反而更好
我的分析表明,原因在于所谓的“上下文工程”。此前人们认为,向模型加载的指令和规则越多,其工作就越精准。然而,Anthropic的工程师在研究内部日志时发现了一个关键问题:他们自己的指令相互之间产生了直接冲突。系统提示词、技能集和用户请求之间相互矛盾,给模型造成了“认知失调”。
上下文的一部分要求一件事,另一部分却要求完全相反的事。这导致了不稳定性和代码质量的下降。事实证明,新一代Claude模型能够自主分析周围环境并做出决策。正因如此,大量过时的规则得以被舍弃,而性能并未受损。在内部编程测试中,质量不仅没有下降,反而保持在高水平。
新的游戏规则
Anthropic不再使用僵硬冗长的指令,而是提出了一种更简洁的新方法。它建立在四个我认为具有革命性的关键原则之上:
1. 信任模型的判断。 不再使用禁令(例如“不要写注释”),而是一条简单的建议:“按照周围项目的风格编写代码”。
2. 示例是自由的敌人。 过去,展示三个示例被视为黄金标准。而现在,它们会限制模型,迫使其复制提供的模板,而不是寻找最优解。
3. 逐步披露信息。 不需要把所有指令堆进一个巨大的文件里。模型会在需要的时候自行获取所需信息。多余的规则只会消耗令牌并制造噪音。
4. 只说一次。 过时的模型需要重复才能吸收信息。如今,重复指令是有害的。如果规则在一个地方存在,就不应出现在另一个地方。
对开发者的实用建议
基于这一经验,我的首要建议是:审计你的设置。问自己三个问题:没有这条指令,模型能行吗?它是否在其他地方被重复了?它是始终需要,还是只在少数情况下需要?如果答案显而易见,最好删除该规则,或将其移入一个仅在必要时加载的独立技能中。
Anthropic的这一举措是整个行业的重要信号。我们正从“提示词工程”时代过渡到“上下文工程”时代。少即是多——这不仅仅是一句口号,而是一种有效的策略,能够释放现代神经网络的真正潜力。让模型摆脱多余规则的束缚,它会展现出真正的实力。