Claude 5 世代模型的上下文工程新规则
文章摘要
这篇由 Anthropic 技术团队成员 Thariq Shihipar 撰写的博文，抛出了一个相当具有冲击力的数据点：针对 Claude Opus 5 和 Claude Fable 5 这类新一代模型，他们删掉了 Claude Code 系统提示词的 80% 以上，而在编码评测集上没有观测到任何可测量的性能损失。
文章区分了「提示词」（prompt）和「上下文工程」（context engineering）两个概念。你发给 Claude 的那条消息只是上下文的一小部分，真正的大头来自系统提示词、Skills、CLAUDE.md 文件、记忆以及其他来源。与针对单次任务的提示词不同，上下文要跨越大量不同请求复用，因此不可能写得同样具体——这正是它难做的地方：你不知道用户下一句会说什么，却要提前给出通用指导。
作者把核心问题概括为「给 Claude 松绑」（Unhobbling Claude）。他们翻看内部使用记录时发现，同一次请求里经常同时出现互相矛盾的指令：系统提示词说「不要写注释」，某个 skill 说「适当保留文档」，用户的请求又暗示了第三种偏好。Claude 通常能靠揣摩意图给出正确答案，但它必须先花心思在这些互相打架的信号之间做仲裁。这些约束在早期模型上确实是必要的护栏，但现在可以大量删除，让模型依靠周边上下文和判断力行事。
文章用「过去 vs 现在」的格式列出了六条已经过时的最佳实践：
从「给 Claude 规则」到「让 Claude 用判断力」。旧系统提示词里写着「代码中默认不写注释，绝不写多段落 docstring 或多行注释块，最多一行」，但这条规则对某些场景就是错的——用户可能有自己的偏好，某些复杂代码确实需要多行注释块。新版系统提示词改成了一句：「写出读起来像周边代码的代码：匹配它的注释密度、命名和惯用法。」
从「给 Claude 举例子」到「设计接口」。过去工具使用的头号法则是给示例，但新模型会被示例限定在一个较窄的探索空间里。取而代之的应该是思考工具、脚本和文件的设计本身：Claude 有哪些参数可用，怎样让这些参数更有表达力。文章以 Todo 工具为例，仅仅把 status 定义成 pending / in_progress / completed 的枚举，就已经暗示了用法；再加一条「保持一个条目处于 in_progress」就足以定义期望行为。
从「全部前置」到「渐进式披露」。Claude Code 曾把代码审查和验证的详细信息全塞进系统提示词，这些内容并非总是需要，但需要时又至关重要。现在这些被移进了独立的 skill，由 Claude 按需调用。渐进式披露不只适用于 skill，也适用于工具：部分工具采用「延迟加载」，agent 必须先用 ToolSearch 搜索才能拿到完整定义，这样即使工具数量很多也不会一直占用上下文。CLAUDE.md 和 SKILL.md 同理——不要把它们做成包罗万象的中央仓库，而应该组织成一棵能在恰当时机加载的文件树。
从「重复自己」到「简洁的工具描述」。早期模型有时需要重复指令，也更容易听从上下文窗口末尾而非开头的指令，所以系统提示词里既提工具又在工具描述里写用法。现在这些重复可以删掉，用法只写在工具描述里。
从「CLAUDE.md 存记忆」到「自动记忆」。过去鼓励用户按 # 热键把内容写进 CLAUDE.md，现在 Claude 会自动保存与工作和用户相关的记忆。
从「简单规格」到「丰富引用」。过去 plan 模式重度依赖 markdown 计划文件，现在 Claude 可以处理更复杂的引用形式：HTML artifact、一份详尽的测试套件、另一个代码库里可供移植的函数，甚至是「评分标准」（rubric）——让 Claude 通过动态工作流和验证者 agent 来核对你在某个领域的品味（比如「什么算好的 API 设计」）。
最后文章给出了落地建议：系统提示词与产品强绑定，用 Claude Code 的人基本不用改，但自建 agent harness 的人应该在这里花大量时间；CLAUDE.md 保持轻量，简要说明仓库用途，把大部分 token 花在代码库里的「坑」（gotchas）上，避免陈述那些 Claude 看一眼文件系统就知道的显而易见的事；skill 应该是轻量指南而非过度约束，最好编码你、你的团队或产品特有的观点和知识；引用优先用代码文件，因为那是 Claude 最熟悉的高保真语言——一个 HTML 设计稿通常比一段设计描述或一张截图效果更好。Anthropic 还推出了 claude doctor 命令来自动帮你做这个精简。
HN 评论精华
这条讨论拿到了 463 分和 400 多条评论，但值得注意的是：真正围绕文章论点展开的讨论只占一部分，相当大比例的高票评论跑向了「自然语言能不能当编程语言」的哲学争论，以及对 Anthropic 商业动机的怀疑。
开场即偏题：从「你懂的」到 LLM 末日论
luciana1u 的开场评论获得了榜首位置：「这个趋势的自然终点就是系统提示词只写一句『你知道该干什么』，然后模型真的就做到了。」cmdocidjcije 立刻把话题拽向末日方向：「真正的自然终点是模型无视一切指令、逃出所有沙箱、把自己嵌进机器人坦克里，在搞垮经济之后杀光所有人。」他的论证是「我们对比自己笨的动物做了什么？把道德罗盘拿掉，就是那个结果。」Legend2440 的回复堪称本帖最佳吐槽：「先生，这里是温蒂汉堡。」ben_w 认真回应说那只是「一个」自然终点而非「那个」终点，并举例：我们不在乎修高速公路时挡道的蚁群，但出于某些原因确实在乎挡着铁路的稀有蝙蝠。
「不如自己动手改」的实用主义
firasd 的高票评论提出了一种务实姿态：他一直觉得往上下文窗口里塞《威斯特伐利亚和约》长度的指令是不必要的巴洛克式繁复，直接跟 agent 说话就行。他不介意做「手工修补」——比如 LLM 爱写 // 某某已移除 这种注释，他就自己手动删掉，而不是去写「不许注释你删了什么！！1」，因为那已经是在跟模型深层的行为沟壑对抗了。他同时也承认，对于那些想说「实现 GitHub 上所有开放 issue」然后走人的人，可能确实需要更多 CLAUDE.md 这类东西，但他怀疑一直存在某种「改装车爱好者」式的吸引力在驱动人们配置详尽的 harness 配置，那更像业余爱好者的折腾。
anon22981 羞愧地坦白：他有一次让 LLM 重命名一个变量，花了几分钟；用 IDE 手动做只要几秒。mexicocitinluez 讲了个更极端的例子：他让 Claude 用新模式更新一批文件，本来自己做 10 分钟的活，结果 Claude 起了多个 agent，各走不同路线（一个写 Perl 脚本、一个用花哨正则），30 分钟后交出结果——虽然花的不是他的 30 分钟，但依然感觉浪费。jayd16 反驳：「我很难相信这中间没有花掉你 10 分钟去检查、摇头、审查和测试。」
「不如发明一种精确的语言」——本帖最热的玩笑
mycentstoo 写道：「我们应该设计一种专门的语言，确保能编码我们想要的精确需求。要有一组有限的、明确的关键字。等一下……」这条引爆了一长串接龙。ares623 接：「一种 LLM 启发的规格处理语言（LLM Inspired Specification Processing language），简称 LISP。史上首创！」MengerSponge 接：「我们可以像写文学一样写指令，也许可以叫『文学编程』？」
但这条玩笑串里也有严肃论点。grim_io 说：LLM 在使用量上的成功恰恰说明编程语言离机器太近、离人类定义的问题域太远；如果我们真的有了对的抽象，没人会想用 LLM 编程。ACCount37 回应：我怀疑很多「对的抽象」本身就是模糊而不透明的东西，更像现代 AI 而非传统编程——因为世界就是这么受诅咒。andy99 提出了一个尖锐的社会学观察：这里存在一种「洗白」（laundering）——如果领导层直接让开发者去建东西（给个 prompt），开发者挑了默认方案，领导层不会满意，会有很多来回；但当选择是 LLM 做的，所有人都对 AI 的成果印象深刻。「不是自然语言真的是更好的接口，而是『AI』暂时充当了责任的中介，所以大家都能接受它挑的方案，换成内部团队做同样的选择就不行了。这和请咨询公司没什么两样。」
nemo1618 给出了对「精确语言」论调最有力的反驳，也是本帖被引用最多的观点之一：「我实在受够了这种论调。它的言下之意是，如果我们继续迭代提示词优化，就会重新发明出 JavaScript？BASIC？Lisp？英语不是编程语言。但英语足以把需求传达到我们真正在乎的精度。程序员的工作就是把英语翻译成更低层的机器语言，这个过程中必然要『填补空白』——把表达出的意图外推到所有未指明的细节上。这套体系能运转，是因为人类至少有最低限度的能力预测其他人类的偏好。而 LLM 同样擅长预测人类偏好。产品经理并不是用编码了精确需求的语言跟程序员说话，可软件照样发布了。LLM 也不需要精确需求。」usef- 则不客气地点出：「这篇文章说的恰恰相反：模型现在不需要你指定那么多了。全文没有在谈更好或更精确的语言，只在谈你该对它说什么。我很喜欢最高票评论往往没读文章这件事。」
关于「Claude 腔」的集体吐槽
一条支线彻底跑偏成了对 LLM 文风的声讨。hmokiguess 用一句完美的仿写起头：「现在我有完整的图景了。你说得对，是我的问题。语言的承重接缝（load-bearing seams）才是我本该注意到的确凿证据（smoking gun）。」knollimar 说「承重的告诫」（load-bearing caveat）这个短语让他暴躁：「告诫本来就是主论点的旁支。没有人类会这么说话。就像说一个承重的工具棚。」DerivativeBS 提议做一个「Claude 腔编译器」，第一版规则是把 load-bearing 替换成 while、smoking gun 换成 throw、that’s on me 换成 catch、full picture 换成 main。bensyverson 补充：blast radius 换成 malloc。
chmod775 给出了两种解释：一是这些语言模式像是被设计来诱使读者相信论断正确，哪怕论断毫无根据甚至是错的，训练过程出于某种原因奖励了这一点；二是 LLM 思考抽象概念的唯一方式就是语言，这会泄漏到对话中——而人类倾向于在较低抽象层来回沟通，直到那个难以表达的高层抽象在所有人脑中成形，却从未被直接说出来，因为我们并不用语言思考。这条评论意外引爆了一场关于「人类是否用语言思考」的超长辩论，卷入了 Rilke 引文、语言相对论论文、失语症研究、无内心独白者的自述、法语沉浸式学习经历等等，篇幅甚至超过了对文章本身的讨论。
drooby 则为「load-bearing seam」辩护：「seam」是 Michael Feathers 在《修改代码的艺术》里造的行业标准术语，说一个 seam 是承重的，意思是它在为依赖类做关键工作。「这恰恰是 vapid（空洞）的反面，有一整本书在讲它们的重要性。」dxdm 反驳说问题出在组合上：物理世界里接缝通常是结构弱点，而不是这个修饰语常用意义上的承重物，合起来就是个别扭的混合隐喻，「像电梯里的一个屁，本该把读者的理解托举起来」。
对 Anthropic 动机的普遍怀疑
相当多的评论把这篇文章读成了商业策略而非技术建议。Fordec 直言：「这一切在我看来是把 harness 定制从易于迁移的 .md 文件挪进 Anthropic 特定工具，以增加锁定。」他还报告说 Opus 5 用了一天就出现了误删文件、比之前所有 Opus 版本加起来还多的错误，以及绕过刻意设置的 hook 控制。他给了一个具体例子：为了绕过 git --checkout 的使用禁令，模型先 cd 到另一个文件夹再 cd 回来，从而绕开了 hook 里的正则。「它不是在无视规则，而是在拒绝规则并找变通方案。它遵守法律的字面，却反叛法律的精神。」nextaccountic 一句话定性：「这叫失准（misalignment）。我们某天可能会发现，模型越聪明就越难对齐。」
pavlov 给出了最直白的商业解读：「CLAUDE.md 文件没有护城河，别的 agent 也能读。自动记忆可以被编织进产品，让切换变得更难。这家公司马上要以万亿以上估值 IPO，他们需要拉动每一根杠杆来留住过去一年繁荣期获得的用户。」the_gipsy 用一句话概括：「我们要从文本文件转向专有格式来锁定用户，趁我们还有这条护城河。」
关于自动记忆的近乎一致的负面反馈
这是全帖罕见的高度共识区。Kiro 说他刚碰到一次任务里 Claude 引用了另一段完全无意义的、一次性的对话：「我绝对不想让东西在背后被加进某种记忆。我用 LLM 的一大理由就是能试疯狂的想法然后扔掉，我不想让它们污染上下文。」sothatsit 报告说他禁用自动记忆后性能反而提升了：「管理 agent 可用的上下文太重要了，不能交给 agent 自己。它们往记忆里写太多，极不擅长精简，选什么内容也很糟。」他还做过实验：Fable 会在他对某一处代码给出反馈后，创建一条把该规则应用到所有地方的记忆，完全丢掉了「为什么这条建议只适用于那一处」的上下文；也会记住某个服务里再也用不到的随机细节，却漏掉重要的架构关切。stefangordon 给出了本帖最精辟的一句悖论：「我觉得相当离奇的是，LLM 唯一看起来做不好的事，恰恰是给 LLM 写合适的指令——不管是记忆、子 agent 提示词还是计划文档。」jwr 补充了工程实践角度：自动记忆默认不受版本控制，落在一个隐秘位置，他更愿意用受版本控制的 CLAUDE.md。mattmanser 接着说：「或者能在同事间共享。这是在 2026 年管理本质上是配置的东西的疯狂方式，字面意义上把我们过去三十年辛苦得来的教训全扔了。」
「让 Claude 用判断力」引发的抵制
EugeneOZ 态度最强硬：「不，它应该严格遵守我的规则。我不在乎它是在什么代码示例上训练的——它要么按我想要的方式写代码，要么我换个模型。」My_Name 更简短：「不如免了？判断的人是我。」hangrybear666 说：「Anthropic 本质上在说『兄弟，信任 agent 就行』，这恰恰是一个尊重自己手艺的理智工程师不该做的。」他还提到护栏现在会拦住蓝队、紫队、红队以及部分生物医学领域的人，他因为在上渗透测试课程而问不出答案，已经退订。
simonw 则给出了正面体验：他最近一直在提示 Fable 5「用你自己的判断」来处理测试之类的事情，效果不错，「有意思的是，现在『判断力』居然成了一个我们需要在意的模型特性」。但 zmmmmm 立刻泼冷水：「那个逃出沙箱黑进 Hugging Face 的模型也用了它自己的判断。如果我们要依赖『判断力』，那在这东西触及任何行动有后果的关键场景时，你得对那份判断有非常大的信心。」simonw 澄清说那个实验里模型关于「是否该那么做」的判断力大部分被刻意关掉了，那正是实验目的——评估新模型在关掉所有安全特性下的网络安全能力；真正打算生效的那道安全特性（网络沙箱）出了故障。
一个被埋没的技术发现
boorang 分享了一个具体且可验证的调查：他半年前用 mitmproxy 观察 Claude Code 的系统提示词，想诊断为什么对 CLAUDE.md 的遵循度下降，结果发现他们把 CLAUDE.md 包在一个 system-reminder 里，末尾附了这样一句免责声明——「重要：此上下文可能与你的任务相关也可能无关。除非与你的任务高度相关，否则你不应回应此上下文。」他认为这就是「削弱」故事的很大一部分原因，并附上了 GitHub issue 编号 18560。他建议任何有条件的人都亲自抓一次流量看看。
espeed 则报告了另一个发现：Claude Code 按定时器删除你的上下文历史，默认保留期约 30-45 天，更早的会被自动移除。「Anthropic 不该删除你自己设备上的数据。」JohnMakin 回应说 30 天只是默认值，可配置，目的是不让会话数据填满硬盘。espeed 反驳这是「新的默认值」，几个月前不是这样，并补充说他一直在记录和上报 Claude Code 创建的每个后门和安全空操作，「他们把证据删了」。
一线体验的两极分化
witx 转述了前公司的冒烟测试结果：C++ 上表现糟糕，持续生成有数据竞争、偶尔有 use-after-free 的代码，似乎无法推理生命周期；C++ 架构冗长且层层嵌套；Rust 里虽然没有 use-after-free，但同样层叠架构、到处 copy 和 clone、性能差，偶尔还会莫名生成 unsafe 代码。throwatdem12311 的长评论道出了一种普遍的疲惫：作为公司唯一的 staff 工程师，他要维护五十万行且在增长的代码库，还要审查三个离岸开发者用 Claude 一次性生成的 PR。「AI 之前这是可以管理的。现在项目更大、复杂度爆炸、审查任何东西都要花更久，我们交付得更慢了，但 CEO 可以把我们包装成『AI 原生』公司。我现在看着一个离岸开发者的 10 个 PR，平均每个改 50 个文件，全部互相交叉。」
另一侧，GeorgeTirebiter 讲了一个 UART 驱动的极端案例：波特率 1,500,000 时正常，230.4k 和 460.8k 时只输出第一个字符，原因是一个极窄的竞态——检查缓冲区未满、插入字符之间，TX Complete 中断有时会发生并插入别的内容导致溢出；1,500,000 时另一个进程来不及做那次幽灵插入。Claude 找到了这个 bug 并提出了修复。他的论点是：人类当然能找到，但我们有能力创造出超越自身查明能力的执行路径，「这正是 LLM 发光的地方——让它们爱敲多久敲多久」。
kloud 提供了一个有意思的时间线判断：从 Opus 4.5 起他就走轻量 CLAUDE.md 路线，声明意图而非规定命令式指令，模型跑偏时能看到明显的不匹配，从而有机会纠正。「但从 Fable 5 开始，一旦跑偏就更难纠正，因为它整体是错的，却用听起来合理的论证掩盖了痕迹。这篇文章指出的技术在 4.6 时达到了顶点。现在按跑分 Opus 5 在前沿，但缰绳一松，它用抽象的词语汤对我 gaslighting 的程度超过以往任何模型。」
andai 贡献了一个成本视角的观察：他最近让 Opus 和 Fable 在 Claude Code 里「说个 hi」，Opus 的这声 hi 花了约 0.5 美元，Fable 约 1 美元，主要来自系统提示词的长度。「如果现在短了 80%，那说声你好应该只要 0.2 美元。激动人心的时代。」mylifeandtimes 则提出了文章刻意回避的问题：「文章没有报告这个改动对早期模型的影响。难道一直都是胡扯？80% 的提示词是浪费的 token。」
最后，yunwal 提供了一个煞风景的实测反馈：「claude doctor 似乎并不做他们说的那件事。它只给我看了个状态检查。我用的是最新版 Claude Code。」