Prompt 工程的「断舍离」时代来了

Anthropic 在 Claude Opus 5 上做了一个大胆的实验：移除了 80% 的系统提示词，结果评测分数竟然没跌。这不仅仅是一次技术迭代，更是一个强烈的信号——我们赖以生存的「保姆式」Prompt 工程，正在变成过时的负担。

为什么过去的「好经验」成了现在的「负资产」

过去几年，开发者们养成了各种各样的 Prompt 习惯："你是一个专业的客服助手"、"请逐步思考"、"请先复述用户的问题"。这些指令在早期的 LLM 时代确实有效，因为模型那时候还很「笨」，需要大量的上下文锚定和思维链引导。

但现在的模型能力已经发生了质变。它们对意图的理解、逻辑推理的能力，早已不再需要那些啰嗦的角色设定。继续强行塞入这些旧指令，不仅不能提升质量，反而引入了噪声，干扰模型对核心任务的理解。就像给一个成年人写一份详细的"如何呼吸"操作手册，不仅多余，还可能让他忘记怎么换气。

Prompt 也需要版本管理

这引出了一个关键认知：Prompt 不是一劳永逸的脚本，它是需要维护的代码。

就像代码库会因为框架升级而废弃旧函数一样，Prompt 库也会因为模型升级而变得臃肿。很多团队沿用一两年的老 Prompt，可能早就超过了当前模型的最优使用周期。它们不再是助力，而是拖慢响应速度、增加 Token 成本、甚至降低输出准确性的累赘。

建议你立刻对你的 AI 工作流做一次彻底的 Prompt 审计。找出那些"解释角色"、"逐步思考"、"如果你不确定就..."的基础约束词，逐一删掉。然后观察输出质量是否变化。

怎么做：极简主义 Prompt

删除后，如果输出质量没有下降，那就保留精简版。如果下降了，再酌情加回必要的约束，而不是全部复原。

这种"测试-删除-验证"的循环，应该成为 Prompt 工程的常规操作。不要抱着旧代码不放，模型的迭代速度远超你的想象。今天有效的 Prompt，明天可能就是噪音。

结语

技术圈有个反直觉的现象：随着模型变强，我们对它的控制欲应该变弱。不是越详细越好，而是越精准越简洁越好。学会给 Prompt 做断舍离，是独立开发者和 AI 应用构建者走向成熟的标志。你的下一个 Prompt，值得更少的文字。