新一代模型删掉八成系统提示仍无可测损失，上下文该给判断与接口而非规则
新一代模型下，系统提示可以大幅缩减，基本不损失效果。
旧系统提示里的很多条目，原本是为了防止能力较弱的模型出现最坏情况（比如删文件、乱写注释）而加的保险。模型判断力提升后，这些保险的边际价值趋近于零，却仍然占着上下文、带来约束。删掉之后，模型改用周边上下文自行判断。这条主张的依据只有 Anthropic 自己的编码评测，正确性取决于这些评测能否灵敏地测出差异，见 critique。
“We removed over 80% of Claude Code’s system prompt” ¶4
「over 80%」「no measurable loss」只限于 Anthropic 内部的 coding evaluations。评测集、指标、样本量和置信区间都没有公开。「测不出损失」不等于「没有损失」，还取决于评测的灵敏度。而且内容创作、品牌合规这类任务不在这些评测的覆盖范围里。
系统提示、技能和用户请求里互相冲突的指令，会迫使模型额外推理来调和，所以应该从「给规则」改成「给判断标准」。
上下文由多个来源拼装而成：系统提示写「酌情写文档」，技能写「不要加注释」，用户又说「照旧的做」。每条都是绝对化的规则，合在一起就自相矛盾，模型必须先判断听谁的。新写法把规则换成可推断的标准，例如「匹配周边代码的注释密度、命名和习惯」，让模型从现场上下文推出答案，而不是在多条硬规则之间仲裁。
“Claude must think more carefully about these overlapping and conflicting messages” ¶8
文章没有说明哪些规则必须保留。「except in highly important areas」没有给出判定标准。它也没有讨论不同来源指令冲突时的优先级，只说「删掉」。
工具示例会把模型锁在示例划定的探索空间里，更好的办法是把意图编码进接口设计。
示例是一种很强的锚定，模型倾向于照着示例的样子用工具。参数结构本身就能表达用法，比如 TodoWrite 的 status 只设成 pending / in_progress / completed 三值 enum，再加一条「同一时刻只能有一项 in_progress」，就足以约束行为。原文图里，TodoWrite 的工具描述从约 9,100 字符缩成了一句话。
“giving examples actually constrains them to a certain exploration space” ¶17
TodoWrite 描述从约 9,100 字符缩成一句话，原文只给了前后对比图，没有给出行为层面的对比数据（例如任务列表的使用率、状态错误率）。
渐进式披露：不要把 CLAUDE.md 和 SKILL.md 写成无所不包的中央仓库，而是做成一棵按需加载的文件树。
代码审查、验证这类偶尔才关键的知识，从常驻的系统提示移进技能，需要时才调用。工具也一样，可以做成 deferred loading，用 ToolSearch 按需拉取完整定义，不用时不占上下文。原文认为「不写进主文件模型就找不到」是一个过时的迷思，新模型已经很会在合适的时机加载合适的上下文。
“consider having a tree of files that can be loaded at the right time” ¶23
渐进式披露和「拆 CLAUDE.md」的收益可以在本地验证：拆完之后，模型是否仍然在需要时读到正确的子文件，可以观察出来。
CLAUDE.md 要轻量：简短说明仓库是做什么的，大部分 token 留给代码库里的坑（gotchas），不写模型自己看文件系统就能知道的「显而易见」的事。
CLAUDE.md 每次请求都会加载，适用面广，所以不能写得太具体。值得常驻的只有反直觉、从仓库结构推不出来的约定，比如「类型只放在一个单体文件里」。其余内容（比如验证流程）做成技能，在 CLAUDE.md 里引用。技能则应编码只属于你或你团队的观点和实践，除高度重要领域外避免过度约束。
“spend most of the tokens on gotchas inside of the codebase” ¶33
这一点暂无对应的审视。
引用（reference）优先用代码形态的高保真材料，比如 HTML mockup、测试套件、可移植的函数；rubric 加 verifier 代理可以用来校验「品味」。
代码是模型非常熟悉的语言，表达的指令精确、无歧义。一份 HTML 设计稿携带的信息，比文字描述或截图更完整、更可执行。rubric 把隐性的品味标准显式化后，可以借助 dynamic workflows 派生 verifier 代理逐条核对，见 ¶30。
“a HTML mockup of a design will generally produce better results” ¶39
这一点暂无对应的审视。
作者没有直接谈到这一点。
文章作者是 Anthropic 员工，内容同时在推广自家功能：claude doctor、auto-memory、artifacts、dynamic workflows、deferred tools。「少写约束、交给模型判断」的叙事，也天然有利于展示新模型的能力。
作者没有直接谈到这一点。
文章推荐 auto-memory 代替手写记忆，但没有谈记忆的质量控制：错误记忆如何发现和清除，记忆膨胀如何治理。
作者没有直接谈到这一点。
文章没有讨论上下文结构变化对 prompt cache 命中率和成本的影响（比如精简系统提示、deferred loading、按需加载技能）。
把用法从示例搬进参数设计，描述更短，反而不再束缚模型的探索
新一代模型下，系统提示可以大幅缩减，基本不损失效果。
旧系统提示里的很多条目，原本是为了防止能力较弱的模型出现最坏情况（比如删文件、乱写注释）而加的保险。模型判断力提升后，这些保险的边际价值趋近于零，却仍然占着上下文、带来约束。删掉之后，模型改用周边上下文自行判断。这条主张的依据只有 Anthropic 自己的编码评测，正确性取决于这些评测能否灵敏地测出差异，见 critique。
We removed over 80% of Claude Code’s system prompt
¶4 ↗
系统提示、技能和用户请求里互相冲突的指令，会迫使模型额外推理来调和，所以应该从「给规则」改成「给判断标准」。
上下文由多个来源拼装而成：系统提示写「酌情写文档」，技能写「不要加注释」，用户又说「照旧的做」。每条都是绝对化的规则，合在一起就自相矛盾，模型必须先判断听谁的。新写法把规则换成可推断的标准，例如「匹配周边代码的注释密度、命名和习惯」，让模型从现场上下文推出答案，而不是在多条硬规则之间仲裁。
Claude must think more carefully about these overlapping and conflicting messages
¶8 ↗
工具示例会把模型锁在示例划定的探索空间里，更好的办法是把意图编码进接口设计。
示例是一种很强的锚定，模型倾向于照着示例的样子用工具。参数结构本身就能表达用法，比如 TodoWrite 的 status 只设成 pending / in_progress / completed 三值 enum，再加一条「同一时刻只能有一项 in_progress」，就足以约束行为。原文图里，TodoWrite 的工具描述从约 9,100 字符缩成了一句话。
giving examples actually constrains them to a certain exploration space
¶17 ↗
渐进式披露：不要把 CLAUDE.md 和 SKILL.md 写成无所不包的中央仓库，而是做成一棵按需加载的文件树。
代码审查、验证这类偶尔才关键的知识，从常驻的系统提示移进技能，需要时才调用。工具也一样，可以做成 deferred loading，用 ToolSearch 按需拉取完整定义，不用时不占上下文。原文认为「不写进主文件模型就找不到」是一个过时的迷思，新模型已经很会在合适的时机加载合适的上下文。
consider having a tree of files that can be loaded at the right time
¶23 ↗
CLAUDE.md 要轻量：简短说明仓库是做什么的，大部分 token 留给代码库里的坑（gotchas），不写模型自己看文件系统就能知道的「显而易见」的事。
CLAUDE.md 每次请求都会加载，适用面广，所以不能写得太具体。值得常驻的只有反直觉、从仓库结构推不出来的约定，比如「类型只放在一个单体文件里」。其余内容（比如验证流程）做成技能，在 CLAUDE.md 里引用。技能则应编码只属于你或你团队的观点和实践，除高度重要领域外避免过度约束。
spend most of the tokens on gotchas inside of the codebase
¶33 ↗
引用（reference）优先用代码形态的高保真材料，比如 HTML mockup、测试套件、可移植的函数；rubric 加 verifier 代理可以用来校验「品味」。
代码是模型非常熟悉的语言，表达的指令精确、无歧义。一份 HTML 设计稿携带的信息，比文字描述或截图更完整、更可执行。rubric 把隐性的品味标准显式化后，可以借助 dynamic workflows 派生 verifier 代理逐条核对，见 ¶30。
a HTML mockup of a design will generally produce better results
¶39 ↗
文章作者是 Anthropic 员工，内容同时在推广自家功能：claude doctor、auto-memory、artifacts、dynamic workflows、deferred tools。「少写约束、交给模型判断」的叙事，也天然有利于展示新模型的能力。
「over 80%」「no measurable loss」只限于 Anthropic 内部的 coding evaluations。评测集、指标、样本量和置信区间都没有公开。「测不出损失」不等于「没有损失」，还取决于评测的灵敏度。而且内容创作、品牌合规这类任务不在这些评测的覆盖范围里。
TodoWrite 描述从约 9,100 字符缩成一句话，原文只给了前后对比图，没有给出行为层面的对比数据（例如任务列表的使用率、状态错误率）。
渐进式披露和「拆 CLAUDE.md」的收益可以在本地验证：拆完之后，模型是否仍然在需要时读到正确的子文件，可以观察出来。
文章没有说明哪些规则必须保留。「except in highly important areas」没有给出判定标准。它也没有讨论不同来源指令冲突时的优先级，只说「删掉」。
文章推荐 auto-memory 代替手写记忆，但没有谈记忆的质量控制：错误记忆如何发现和清除，记忆膨胀如何治理。
文章没有讨论上下文结构变化对 prompt cache 命中率和成本的影响（比如精简系统提示、deferred loading、按需加载技能）。