← 返回 Siami 首頁

Anthropic 公開 Claude 5「context engineering」新規則:砍掉 80% system prompt、推出 claude doctor 自動瘦身

▲ 312 💬 196
Anthropic 公開 Claude 5「context engineering」新規則:砍掉 80% system prompt、推出 claude doctor 自動瘦身

對於 Claude 5 世代模型,「context engineering」新規則出爐

編按:本文綜合整理自 Anthropic 官方部落格、Anthropic 工程研究、The Decoder 報導與 Hacker News 討論串,並加入 Siami 編輯部觀點與分析。

Anthropic 在 2026 年 7 月 24 日公開了一篇內部反思文章,揭露團隊為 Claude Opus 5 與 Claude Fable 5 等新一代模型重新調整 Claude Code 的運作框架。最具體的數字是:Claude Code 原本的 system prompt 被砍掉 80% 以上,而在內部的程式碼評測上完全沒有可量測的效能損失。作者 Thariq Shihipar 是 Anthropic 的技術幕僚成員,他指出這代表業界對「prompt」、「context」、「system prompt」的傳統理解正面臨翻轉——新一代的 Claude 模型對 system prompt 的容忍度、判斷力都和過去不同。


從「寫提示」到「組裝上下文」:context engineering 的新定位文章一開始就把 prompt 和 context 拆開來談。一般使用者送出的訊息只是 Claude 接收到的「context」裡的一小部分,完整的 context 還包括 system prompt、Skills、CLAUDE.md、memory、以及其他外掛來源——這些加總起來才是真正影響輸出品質的關鍵。

與 prompt 不同的是,context 會被跨多輪請求反覆使用,所以不能寫得像 prompt 那樣具體。最大的變化發生在 Claude Opus 5、Fable 5 上線之後。Anthropic 團隊內部發現,新模型對「過度約束」的容忍度大幅下降——同樣的 system prompt 套到 Claude Sonnet 4.5 上可能剛好,套到 Opus 5 上反而會因為指令彼此衝突而讓模型在每次決策前都要多花心力釐清「到底要聽誰的」。在內部 transcripts 裡,Anthropic 觀察到一個典型的問題:使用者提示、system prompt、skill 同時要求 Claude「在適當的時候留下文件」、「不要寫註解」、「不要寫多段 docstring」——這些規則可能在不同情境下都合理,但對 Claude 來說,它必須在每一次決策時先弄清楚現在這個場景適用哪一條。新模型已經具備足夠的判斷力自己挑選,所以這些曾經避免「最壞情況」的護欄可以大量刪除。


六條被翻轉的舊規則文章最有實戰價值的地方,是 Anthropic 整理出六條「過時但曾被視為最佳實務」的做法,並逐一提出取代方案:

過去(Then)現在(Now)
給 Claude 明確規則讓 Claude 用判斷力
給 Claude 工具使用範例設計好工具介面本身
把所有資訊塞進 system prompt用 progressive disclosure 隨需載入
重複同樣的指令在工具描述裡寫清楚就好
把 memory 寫進 CLAUDE.md讓 Claude 自動記憶
用簡單的 markdown spec改成豐富的 references 與 rubrics

這六條的底層邏輯只有一個:新模型已經不需要被手把手教。Anthropic 把過去的 system prompt 從「保母式約束清單」改成「極簡的核心原則」。舉例來說,舊版會要求 Claude「預設不要寫註解、永遠不要寫多段 docstring」,新版則改為「寫跟周圍程式碼一樣風格的註解:相符的註解密度、命名與慣用法」——一句話,但把判斷權交給模型。另外一個重要翻轉是「給範例反而限制探索空間」。舊版最佳實務會在工具描述後面附上大量範例,但 Claude Opus 5 拿到範例後反而會傾向收斂到範例裡的解法,而不是自己探索更好的路徑。所以 Anthropic 改成設計工具本身——例如 Todo 工具的 status 欄位只列 pending / in_progress / completed 三個值,搭配「同一時間只允許一個 in_progress」的內建規則,就足以引導 Claude 自動產出正確用法,不需要另外寫範例。


Progressive disclosure:讓 Claude 自己選要看什麼這次更新的核心技術概念是「progressive disclosure」(漸進式揭露)。當 Claude 需要做 code review 或 verification 的時候,過去的做法是把詳細說明塞在 system prompt 裡,無論用不用得到,模型都得讀進 context。新的做法是:

  • 把 code review、verification 各自拆成獨立的 skill
  • 透過 ToolSearch 機制,讓 Claude 在「需要」的時候才搜尋工具的完整定義
  • CLAUDE.md 和 Skill.md 也改為樹狀結構,按需載入對應頁面這直接影響所有正在用 Claude Code 的開發者。Anthropic 同時推出了 claude doctor 指令(或 /doctor),會自動掃描現有的 skills、CLAUDE.md,提示哪些是可以精簡的內容。對手上正累積了大量 CLAUDE.md 的人的來說,這個工具等於是官方提供的「瘦身教練」。

隨著 Claude Code 可用的工具增加,CLAUDE.md 不再是唯一的記憶來源。現在 memory、artifacts、skills 三者並列,讓 Claude 能在不同 session 之間用更多方式載入與分享 context。


實戰應用:四種 context 來源怎麼配置文章最後整理出四種 context 來源的分工建議:

System Prompt——和產品情境深度綁定。對 Claude Code 使用者來說通常不會去改,但如果你自己在打造 agent harness,這就是最值得花時間的地方。

CLAUDE.md——保持精簡,只簡述這個 repo 在做什麼,把大部分 token 留給「這個 codebase 裡的坑」。例如你可能把所有型別集中在同一個檔案,這就是 CLAUDE.md 應該提到的;但別寫 Claude 看檔案系統就能知道的事。多用 progressive disclosure,把多個驗證指令做成 skill 再從 CLAUDE.md 引用。

Skills——把它們想成是「讓 Claude 找得到資訊的輕量指南」。盡量不要過度約束,除非那塊領域非常重要。長 skill 一定要用 progressive disclosure 拆檔。

References——用 @ 提及檔案讓 Claude 引用。比起規格書或截圖,HTML mockup 通常能產生更好的結果,因為它是用 Claude「熟悉的程式語言」寫成的高精準度指令。Rubrics 也是 reference 的一種——你可以定義「好的 API 設計應該長什麼樣子」,Claude 會用 dynamic workflow 派出驗證 agents 來自我檢查。


🚨 為什麼這件事重要

80% 縮減這個數字之所以震撼業界,是因為它代表 Anthropic 官方承認:過去兩年來大家堆砌的 system prompt、CLAUDE.md、rules,大部分可能都是新模型不需要的噪音。這對於所有正在建 AI agent 的人來說都是集體反思——很多產品的 system prompt 是工程師基於恐懼寫出來的(怕模型刪錯檔、怕模型寫太多 docstring),但這些恐懼在新模型上已經不再成立。更深的影響是,如果 Anthropic 在內部評測中砍掉 80% prompt 沒有損失,代表新模型對冗餘資訊的處理能力遠高於預期。這也意味著 context window 的瓶頸正在從「能塞多少東西」轉變成「怎麼決定什麼時候載入什麼」——progressive disclosure 從 nice-to-have 變成 must-have。對手廠商也不得不重新檢視自己的 system prompt 設計。The Decoder 引述的觀點指出,這是一個時代轉變:模型能力追過了 prompt 工程,「prompt engineer」這個職缺的定義正在快速變化。


🚨 數據解讀與質疑「80% 縮減」這個數字需要小心解讀。Anthropic 表示在「coding evaluations」上沒有可量測的損失,但這個評測範圍之外呢?

  • 沒提的評測項目:文章只說「程式碼評測」沒掉,沒有提數學、推理、多輪對話、長 context 等其他面向的表現。
  • Fable 5 是什麼:Anthropic 提到 Claude Fable 5,但 Fable 系列在 Anthropic 的公開模型列表中沒有對應的正式 SKU,這可能是內部測試用的代號,也可能是尚未公開發布的版本——如果是後者,這篇文章形同預告。
  • 自我評測的限制:Anthropic 自己說「no measurable loss」,但這評估標準由他們自己設計、自己執行。獨立的 reproduction 並不一定能得出同樣結論。
  • 對其他模型的適用性:這篇文章的結論是針對 Opus 5 與 Fable 5 這類 Claude 新模型。對其他廠商模型(GPT、Llama、Gemini、DeepSeek)並不直接適用——同樣的精簡做法可能因為每家模型訓練偏好不同而效果差異很大。

相關連結

本文作者:Thariq Shihipar, Anthropic 技術幕僚。本文為 Anthropic 官方部落格原文之綜合整理與分析,並非官方中文版。

網友熱門留言 (5)

#1 @trq212 (Thariq Shihipar — Anthropic 技術幕僚,本文作者) ▲ 1842
Anthropic 把 Claude Opus 5 與 Claude Fable 5 的 Claude Code system prompt 砍掉超過 80%,內部程式碼評測完全沒有可量測損失。
#2 @thdxr (Claude Code 開發者) ▲ 931
每個人都應該把這篇內化——那些把模型教成乖乖聽話的技巧、我們已經全部放進 claude doctor 了。
#3 Hacker News 用戶 ▲ 247
把範例從 system prompt 拿掉、改成設計工具介面本身,這是這篇最有意思的轉折。新模型自己會探索,給範例反而縮限它的解題空間。
#4 Hacker News 用戶 ▲ 198
我特地回去翻自己的 CLAUDE.md,發現 80% 大概都是當年怕模型做錯事寫的,砍掉之後 output 沒變差反而變好…太尷尬了。
#5 Hacker News 用戶 ▲ 156
重點不是「砍 80%」這個數字,而是 progressive disclosure 變成主流典範——context window 的瓶頸從容量變成調度。