删掉 80% 系统提示,评测没掉分:你可能在过度提示 Claude

一、80% 的系统提示被删掉，编码评测没有可测退化

这不是经验之谈，是 Anthropic 对自己产品做的一次减法实验。

2026 年 10 月 29 日，Addy Osmani 在 X 上发了一篇长文，标题一句话：你可能在过度提示 Claude。29.4 万浏览，主页简介现在写的是 Claude Code @anthropicai。

We removed over 80% of the Claude Code system prompt for our newest models. —— 我们为新模型删掉了 Claude Code 系统提示的 80% 以上。

这句话出自 Thariq，前 Claude Code 团队成员，2026 年 7 月 24 日。三个月后 Anthropic 应用 AI 团队的 Diane Sarkis 在另一篇里复述同一事实，并补了一句限定：这 80% 里包含与渐进披露 skills 和工具相关的裁剪。Thariq 归因于"新模型更强"，Diane 把一部分归因于"架构改成按需加载"，两个原因都存在，同一句 80% 被它们共同引用。

删的是约束，不是知识；而且这一刀砍下去，测量不到损失。 边界：编码评测，不是通用能力。

二、删掉的不是废话，是六条曾经救过命的规则

Thariq 那篇把失效的旧规则列成六组。

第一组最能说明问题。旧提示里写着「默认不写注释，绝不写多段 docstring，一行封顶」，因为当年不加这条，注释确实会错。新提示只剩一句：写代码要像周围的代码，匹配它的注释密度、命名和惯用法。

第二组更反直觉。过去工具调用的第一原则是"给例子"，现在发现 例子反而把模型的探索空间框死了。替代方案是设计参数本身：把待办工具的状态做成 pending / in_progress / completed 三值枚举，模型看一眼就会用，不必三行示例。第三组是架构层面：审查与验证的指引从系统提示搬进可被选择性调用的 skill，工具改成"延迟加载"，模型先搜一次才拿到完整定义，工具再多也不占常驻上下文。

三、为什么现在能删：三个能力变化

六条规则不是被推翻的，是被能力追上后失效的。

1. 跑得久。
    Opus 5.5 在长链路上比 Opus 5 强得多，早期测试者让它连跑几小时编码任务。跑得久重启就贵，官方因此建议"中途想到什么就追加消息"。
2. 关不掉思考。
    官方原话是 you cannot turn off thinking on Opus 5.5, and Fable 5.1。既然每次都思考、且由模型自己决定想多久，那句"仔细想想"就是空转。
3. 入口变多。
    CLAUDE.md 过去同时当记忆、规范与说明书，现在有自动记忆、artifacts 和 skills，不必再扛三份职责。

还有一个被忽略的动因：指令之间在打架。Thariq 说读内部对话记录时，一条请求里同时出现「按需保留文档」和「不要加注释」，系统提示、skill 与用户请求三方互相冲突。模型能猜出意图，但每次都得先花力气调和。删掉一半指令，省下的不只是 token，是模型的注意力。

四、一句话任务的写法：目标、判据、停止条件

图 1：官方给出的单条提示模板——整个任务、完成判据、何时停下问人。

Addy 的做法只有一条：把整个任务塞进一条消息，说清"做完"长什么样，然后放手。

1. 目标
   ：一句话说清要改什么，不写步骤。官方示例是「把支付端点从旧客户端迁到新客户端」。
2. 判据
   ：写成可执行的完成条件——每个端点都用新客户端、旧客户端删掉、测试套件通过。
3. 停止条件
   ：只在测试因无法解释的原因失败时才停下来问。

隐含前提是 判据必须是模型自己能跑的东西。pass/fail 的测试、一个要达到的数字、一份它能读回来的报告，三者任一都行。只有"做得好看点"这类判据，模型没法自查，长任务必然退化成反复问你。起手档位官方建议 /effort medium。"think step by step"删掉后，官方测试里回复开始更快，质量没有明显下降。

五、"它会自己停"和"它停得太早"是同一件事

Addy 在 X 里写的是「Claude 认为做完时会自己停」。同一位作者 9 月 22 日在 claude.dev 的博客写的是另一面：Opus 5.5 有时会停下来汇报，而不是继续做。

三种假停止跑过长任务的人都见过：只报下一步，点名"接下来该做 X"然后等你点头；征求同意；列一串并不阻塞工作的选项。两种说法不矛盾但会误导——真实情况是模型有"停下来"的倾向，你需要在 CLAUDE.md 里同时写清什么时候不停。

封面那张图就是这个写法：左边"继续"，右边"停下问我"，并排放进 CLAUDE.md。官方另提醒一句：规则让你少被打断，也就意味着风险的把关要留在别处——破坏性命令的权限提示不要关。

六、subagent 越多不一定越聪明：单 agent 加 skills 快约 2 倍

图 2：官方示例——每个服务一个 subagent，回报后先查证据，最后合成一张表。

Anthropic 应用 AI 团队 10 月 22 日的文章给了个更有意思的结论：多个企业部署的对比中，单个 agent 加 skills 在质量上经常胜过 subagent 架构，且每任务的成本与延迟更低。一家客户把多 agent 编排换成单 agent 循环，运行快约 2 倍。该保留 subagent 的只有三种情况：

1. 单循环因上下文膨胀出现可测量的性能下降
2. 多任务需并行，且用完即可丢弃全新上下文窗口
3. 单 agent 选不准工具，或系统提示里已有冲突指令

Addy 的补充更直接：subagent 能并行、能给第二意见，但默认不会让事情变聪明；小任务上它同时放大成本和延迟。工具定义超过 30 到 50 个，选择就开始退化。

还有一个值得抄的失败案例：折叠 subagent 之后延迟降了，但流程断了——主 agent 自己答了配送日期，没再去问运输专家。这个错在两次运行里只出现一次，所以迁移时每个任务至少要跑两遍。

七、最危险的一处：把审批交给分类器，人类只拦住 13.6%

图 3：同一批 1,053 条危险命令的拦截结果。数据来自 Anthropic 2026 年 8 月的 auto mode 公告。

Addy 那句话写得很克制：自动模式不是安全保证，但盲目批准每个弹窗也不是。官方公告里的数字把这句话量化了。

Anthropic 做过一次受控实验，1,053 名测试者面对同一批危险命令。人工审查只拦下 13.6%（143 条），分类器拦下 89.0%（937 条），多拦 794 条。而且人工拦截率随会话变长而衰减，从约 17% 掉到约 5%，分类器不随长度变化。真实流量的方向一致：手动审批的会话里，用户没明确要求的有害操作占 6.3%，auto mode 是 2.4%。

1. 放行
   ：安全、可逆、限定在本地工作区的操作。
2. 硬拒绝
   ：数据外泄类操作，设计上永不批准。
3. 回退
   ：连续 3 次被拦，或单会话累计 20 次被拦，退回手动审批。

这组数字解释了为什么"我在旁边盯着"不构成护栏。盯到第三十轮，你就是那个 5%。 于是流程改成分类器前置拦截、人只处理被标出来的部分。

八、审查没有消失，只是前移了：90% 代码、回滚降四成

Addy 是 10 月 15 日那篇 Claude Code 代码审查文章的第一作者，里面有一组自家团队的账。

• Claude 写了 Claude Code 约 90% 的代码
• 日均落地变更从 5 月的约 2,500 涨到 9 月的 30,000 以上
• 同期需要回滚的 PR 占比下降超过 40%
• 收到实质性审查评论的内部 PR 从 16% 升到 54%

审查拆成七层，人在第五层。风险分级按变更而非作者：文档、文案这类低风险改动，自动审查与安全检查通过后不需要人类批准；普通变更加一人；计费、自动更新器、CI 工作流永远两人。还有一个收敛问题：曾有一个 CLI PR 一夜之间跑了50 多轮审查与修复。对反复被标记的代码做 git blame，发现 约 59% 是审查者首轮就存在的旧代码——新引入的缺陷只占 41%，剩下都是它在翻旧账，对策是三轮上限、首轮之后只复审新 diff。两条底线：代理的批准永远不算人类批准；批准只对特定 commit 有效。

九、怎么判断自己还在为旧模型写提示

图 4：官方清单——提问方式、长任务、检查结果、被拦截后的处置。

有一个现成工具能替你做这件事。/doctor prompt-audit 扫描你的 CLAUDE.md、skills 与配置，找出过时或互相冲突的指令并以 diff 给出建议，需 v2.1.283 以上；不带子命令的 /doctor 查的是安装、设置、扩展与 CLAUDE.md 的问题，顺手把常驻指引迁进按需加载的 skill。自己动手就三步：删一批，只把模型确实漏掉的加回来，再看评测有没有动。

口径要摆清楚：

四条结论：

1. 该删的是规则，不是背景。
    判断力能替代的部分（注释写多少、要不要拆文件）可以删；只有团队知道的东西（仓库的坑、验证方式）必须留，且应做成 skill 按需加载。
2. 写提示的重点从"约束"移到"判据"。
    一句可执行的完成条件，比二十行"注意事项"更有用。
3. 架构选择要跟着能力走。
    单 agent 加 skills 在多个企业部署里赢过 subagent，前提是上下文能用渐进披露管住；管不住，才需要拆。
4. AI 写代码的比例越高，人类审批的边际价值越低。
    13.6% 这个数不是让人放弃审查，而是说明审查应该前移到判据和自动检查上。

Addy 放在文末的最后一句话，是全篇唯一带时间尺度的建议：每隔几个月审计一次自己的工作方式，确认你不是在为旧模型的工作方式做构建。

参考链接

• Addy Osmani：You're probably overprompting Claude（X Article，2026-10-29）：https://x.com/addyosmani/status/2115688494865465370
• Thariq：The new rules of context engineering for Claude 5 models（2026-07-24）：https://x.com/trq212/status/2080710971228918066
• Addy Osmani：Getting the most out of Opus 5.5（claude.dev，2026-09-22）：https://claude.dev/blog/getting-the-most-out-of-opus-5-5/
• Diane Sarkis：When to fold subagents into your main agent loop（2026-10-22）：https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop
• Auto mode is now the default in Claude Code（2026-08-07）：https://claude.com/resources/articles/auto-mode-default-in-claude-code
• Addy Osmani 等：How the Claude Code team does code review（2026-10-15）：https://claude.dev/blog/solving-code-review-at-anthropic/
• Claude Code 命令文档（/doctor）：https://code.claude.com/docs/en/commands