系统提示词正在成为负资产：Anthropic删除80%指令背后的真相

如果你还在死磕那些“保姆级”系统提示词，可能该醒醒了。

最近Anthropic在Claude Opus 5上做了个大胆的实验：直接移除了80%的系统提示词，结果评测分数不仅没跌，反而稳如泰山。这个信号非常关键——随着大模型能力的指数级跃升，那些曾经被奉为圭臬的繁琐指令，正在从“必需品”变成“噪声源”。

为什么老Prompt会变成负资产？

过去几年，Prompt工程的核心逻辑是“控制”。我们害怕模型不理解意图，于是塞入大量角色设定（“你是一位资深专家...”）、思维链引导（“请逐步思考...”）和格式约束。这些指令在早期模型上确实有效，因为它们需要被强行纠正。

但现在，模型的内化能力已经足够强。你给它一个清晰的最终目标，它自己就能推导过程。当你继续堆砌基础约束时，反而是在干扰模型对核心任务的注意力。这就像教一个已经会开车的人怎么踩油门，不仅多余，还可能让他分心。那些沿用一两年的老提示词，如果没有定期清理，已经成了阻碍输出质量的“技术债”。

如何执行提示词的“断舍离”？

不要一次性推翻所有规则，建议按以下步骤审查现有工作流：

1. 识别冗余层：找出所有定义角色、解释模型能力、要求“逐步思考”的基础指令。这些往往是占位符，而非核心竞争力。
2. A/B测试验证：保留核心任务描述，删除上述冗余层，对比输出质量。如果效果无差异甚至更好，说明这些指令确实是噪声。
3. 版本化管理：像对待代码一样对待Prompt。建立prompt库的归档机制，定期清理过时指令，而不是不断叠加新规则。

从“堆砌”到“极简”的思维转变

这一变化标志着AI应用开发进入下半场。上半场拼的是谁会把规则写得更细，下半场拼的是谁能用最少的指令激发模型最大的潜能。简洁的提示词不仅降低了token成本，更减少了维护负担。

如果你现在的Prompt还像一份几百字的说明书，那它可能已经过期了。试着删掉一半以上的文字，看看结果会不会反而更精准。记住，最好的指令不是让模型听清楚每一步，而是让它知道要去向哪里。