提示詞刪改背後，價值千金的Claude Code版“苦澀教訓”

Anthropic 旗下的 Claude Code 近期因為系統提示詞的改動，在開發者社群中掀起了一場不小的波瀾。這場討論的核心，在於團隊宣稱將提示詞大幅刪減超過 80%，卻未對內部程式編寫評測造成明顯影響，這個結果與業界普遍認知的「提示詞越長越好」形成了強烈對比。事件的起點，來自 Claude Code 團隊成員 Thariq Shihipar 公開發表的一篇文章。文中指出，他們在最新版本中將 Claude 的系統提示詞從原本的長篇內容砍掉了超過八成，而內部進行的程式編寫評測分數幾乎沒有下滑。

這個發現之所以引發關注，是因為當前多數開發者在設計 AI Agent 時，往往傾向於撰寫長達數十頁的提示詞，每當模型出現一次錯誤，就會在後方再補上一條新的規則，試圖透過不斷疊加指令來約束模型的行為。然而，就在這篇文章發布兩天後，情況出現了轉折。Qoder 工程師陳成透過技術手段，實際抓取了 Claude Code 在運作時發出的請求內容，並進行了詳細比對。根據他的分析，Claude Code 在不同版本中的系統提示詞長度變化相當劇烈：版本 7 的提示詞約有 15225 個字符，到了版本 4.

8 則大幅降至 4467 個字符，但後續的 Opus 5 版本又回升至 7694 個字符，比先前的版本增加了不少。這樣的數據波動，讓外界開始質疑 Anthropic 團隊的說法是否有所保留。有人認為，這可能是團隊在釋放煙霧彈，試圖測試市場反應；也有人猜測，或許 Anthropic 正在醞釀某種新的技術策略，才會在短時間內對提示詞進行如此反覆的調整。無論如何，這個現象已經讓開發者社群對 Claude Code 的內部運作邏輯產生了濃厚的興趣。進一步探究 Anthropic 團隊究竟刪掉了哪些內容，答案逐漸浮出水面。

根據團隊內部的分析，他們在翻閱 Claude Code 的使用記錄時，發現同一個請求中經常出現互相衝突的要求。舉例來說，系統提示詞明確指示「不要加註釋」，但 Skills 模組卻要求「適當補充文檔」，而用戶在實際操作時又臨時追加指令，要求「把複雜邏輯解釋清楚」。這種多層指令彼此矛盾的狀況，不僅讓模型難以判斷優先級，也導致輸出結果經常偏離預期。Anthropic 團隊認為，這些被刪除的內容，其實是舊模型時代留下的六條「最佳實踐」。這些規則在當時或許有助於引導模型的行為，但隨著模型本身能力的提升，這些過時的指令反而成為了限制模型發揮的枷鎖。

團隊的目標，是讓 Claude Code 能夠更靈活地應對不同的任務場景，而不是被僵化的規則所束縛。這場關於提示詞長度與效果的討論，實際上觸及了 AI 開發領域一個更深層的命題：究竟應該透過更多的指令來約束模型，還是應該信任模型本身的判斷能力？過去幾年，業界普遍傾向於前者，認為提示詞越詳細、規則越明確，模型的表現就會越穩定。但 Anthropic 的實驗結果卻顯示，過多的提示詞不僅可能無法提升效果，反而會因為指令之間的矛盾而干擾模型的運作。值得注意的是，Claude Code 的這次改動並非單純的刪減，而是伴隨著對提示詞結構的重新設計。

團隊在刪除舊規則的同時，也對剩餘的提示詞進行了精簡與重組，試圖讓每一條指令都能發揮實際作用。這種「減法思維」在當前 AI 開發環境中顯得格外突出，因為多數團隊仍在忙著為模型添加更多的規則與限制。對於開發者而言，這場討論也帶來了實際的啟發。許多人在嘗試複製 Anthropic 的做法後發現，過度依賴提示詞來控制模型，往往會忽略模型本身在訓練過程中已經學到的知識與能力。當提示詞過於冗長時，模型反而可能因為需要同時處理大量指令而出現「認知負載」過高的問題，最終影響輸出品質。目前，Anthropic 尚未對陳成的數據分析結果做出正式回應，但這場圍繞提示詞的討論已經在技術社群中引發了廣泛的反思。

隨著 AI 模型的能力持續進化，過去被視為金科玉律的開發原則，或許正在面臨重新檢驗的時刻。而 Claude Code 的這次改動，無論最終結果如何，都已經為業界提供了一個值得深思的案例。