working more on a post about what we learned doing this and how you can apply this to your skills and system prompts https://t.co/ChfVbKEGic

从“教模型做事”到“让模型自己决策”：Anthropic 大幅精简 Claude Code 系统提示词

一句话看懂：Anthropic 将 Claude Code 的系统提示词长度压缩了 80%。开发者 Thariq 对此的解释是：随着模型能力提升，过多的指令、约束和示例反而会限制其表现。

事件核心：发生了什么

根据 Follow Builders 栏目发布的 X 帖，开发者 Thariq 在回复 Peter Yang 时指出，Anthropic 近期将 Claude Code 的系统提示词（system prompt）缩减了约 80%。Thariq 解释称，这一做法的核心理由是“随着模型变得更聪明，它们需要的指令、约束和示例就越少”。他进一步指出，原本提供的示例反而对模型形成了约束，因为模型会过度拟合这些示例的格式或风格。该帖发布于北京时间 2026 年 7 月 19 日，获得了超过 13.7 万次阅读。

为什么重要

系统提示词是开发者为大模型设置行为、角色和输出格式的关键工具，是当前 AI 应用开发的“元指令”。Anthropic 这次大规模精简 Claude Code 的提示词，背后代表了一种技术路线判断：模型在推理能力上的进步，已经部分替代了人工编写复杂约束的需求。这一变化可能推动整个 AI 行业“提示工程”思路的根本转变——从把提示词当成“说明书”去写，转向更信任模型自主理解上下文。对于 Anthropic 而言，这也是一种成本优化，更短的提示词可以减少每次推理的 token 消耗，从而降低 API 调用成本。

对用户/开发者/创作者的影响

对开发者：如果模型能更好地响应极简指令，那么未来构建 AI Agent 或 Copilot 类产品时，无需再花费大量精力编写极其细碎的提示词。Claude Code 的用例表明，减少“微操”可能反而提升输出质量和一致性。
对 AI 工具用户：这意味着 Claude Code 等 AI 编程助手未来可能会在更少的显性约束下，展现出更强的自主决策能力，比如自动选择合适的代码风格或工具链。
对提示工程从业者：这一趋势提示提示词编写的工作重心可能从“写长指令”转向“设计清晰的系统目标与边界条件”。

值得关注的后续

第一，精简后的提示词效果数据是否公开。目前 Anthropic 尚未正式发布对比测试结果，开发者社区需要看到具体案例，比如任务成功率和代码质量，来验证这一做法是否可推广。第二，OpenAI、Google 等竞争对手是否会跟进。如果精简提示词成为新的最佳实践，Gemini 和 GPT 系列产品也面临类似调整。第三，Claude Code 商业化节奏是否会因此加速。更低的推理成本和更简单的部署流程，可能让 Anthropic 更快把这款产品开放给更广泛的企业客户。