GPT-6 Astra来了说快删除之前提示词规则，Anthropic说砍掉80%提示词，两家巨头两个月内说了同一句话：提示词该删了。
GPT-6 Astra今天全量开放，奥特曼官宣实现AGI，多少有点吹牛的水分，哈哈哈😄 😄。 但比模型本身更引人注意的，是OpenAI工程师Victor Nunez在X上发的第一句话： 趁Astra开始推出，回去清理你的AGENTS.md和Skills，该删的删。 不是让你写新提示词，也不是你优化，而是让你删！🗑️
这画面就有点眼熟了。
就在三天前，9月2日，Anthropic刚发布了Claude Fable 5.1的官方提示词指南。那份指南列出了15个Fable 5.1跟上一代的行为差异，每一条都附了修正建议。 翻完一遍你会发现，大部分建议的核心就一句话：少写点。
再往前推两个月，今年7月发布fable5时候，Anthropic干了一件让很多开发者看不懂的事。他们针对Claude Opus 5和Claude Fable 5这两个新模型，把Claude Code的系统提示词砍掉了超过80%。跑完内部编码评测后，没有检测到任何可测量的性能损失。 注意，是删除，不是优化，也不是压缩，是直接砍掉五分之四。 消息出来的时候，开发者社区直接炸了。
当时咱们的第一反应是：我们这几年精心打磨的提示词工程，难道全白写了？ 现在看来，你别说，可能真是。 --- 前两年我们怎么玩AI的？ 模型听不懂人话，我们就拼命写规则。它理解歪了，加一句解释。老在同一个地方犯错，加一条限制。还犯，再补三个例子，术语是few-shot。 就像给一个记不住事的新员工贴便签。流程记不住，贴一张。老忘签字，贴一张。总搞错客户名，再贴一张。 日积月累，显示器边框贴满了，键盘缝里塞着，连他后脑勺都快贴不下了。 我们管这叫“提示词工程”，觉得自己挺专业。 后面还有harness工程，现在最近是loop工程。。。 xx工程-层出不穷。。估计未来还有e2e工程，哈哈，还真没准。
但！新模型一来，这堆便签话术全变成了绊脚石。 Anthropic团队翻内部使用记录时发现，同一个请求里经常出现互相冲突的要求。系统提示词说“不要加注释”，Skill说“适当补充文档”，用户又临时要求“把复杂逻辑解释清楚”。模型其实能明白用户到底要什么，但它得先处理这些矛盾的指令，之后才干活。 早期为了防止Claude误删代码或乱写注释，团队在系统提示词里写了一大堆硬性规则。比如“默认不写注释。永远不要写多行文档字符串——最多一行简短注释”。这套方法放在早期模型身上当然有用，但随着Claude能力提升，问题冒出来了。
旧模型缺判断力，规则不写死不行。可新模型已经能结合上下文自己判断了。 于是Anthropic把那句长长的硬性规定，精简成了一句话： > “写出来的代码要像周围的代码，匹配它的注释密度、命名方式和惯用法。” 规则清单变成了判断依据。告诉模型“注释写几行”，变成告诉模型“拿什么当参照”。删掉的不是上下文本身，而是人类替旧模型预先做好的判断。
OpenAI这边情况类似。 Astra对Skill和AGENTS.md里的指令更敏感了。以前你写一句“所有方案要经过审批”，老模型看见就当没看见，方案照出。Astra不跟你来这套。它真停下来问你：“找谁批？”然后就在那儿等着。 你过去为了堵漏洞写的那些规则，什么“注意语气”“检查格式”“别忘了做A再做B”，Astra全当真。一条含糊的，它停下来反复确认。两条冲突的，它直接死机。
那这事儿跟你我啥关系？ 关系大了。 想想你自己用ChatGPT的时候，它答得不好，你第一反应是啥？ “别用‘delve’。”“说人话。”“别老是先否定再翻转。”“多说点，但也别太多。” 一条不够加两条，两条不够加五条。这就是条件反射，过去几年被训练出来的肌肉记忆。 但Astra的逻辑换了，你这套全废了。它现在能主动问你“你指的是A还是B？”能在写代码前先跑测试，改个按钮颜色都要先写单元测试。你以为你加的规则是在帮它，实际上是在拖它后腿。你的那些“多说点”“说人话”，在它这儿全变成了需要解码的指令。它得先琢磨你到底想要啥，再琢磨怎么干活。 绕一大圈。
为什么删了反而更好？
看Anthropic那篇题为《The new rules of context engineering for Claude 5 generation models》的文章把这事讲透了。
核心原因其实就两：
第一，注意力预算。AI模型和人一样，工作记忆有限。你塞给它的上下文规则越多，它花在权衡这些规则上的注意力就越多，留给真正干活的注意力就越少。
第二，上下文的边际递减效应。上下文里的Token越多，模型精确召回信息的能力就越差。你一次性塞给一个人100页文档，还指望他记住每一页的细节——不现实。 所以Anthropic那场“提示词大裁员”，本质是把“给规则”变成了“让它判断”。
他们总结了几条新玩法：
-
- 让模型自己判断：以前是“默认不写注释”，现在是“匹配周围代码的风格”。要求看着少了，模型需要做的判断反而更多了。
-
- 设计接口而不是给示例：过去给模型塞工具调用范例是铁律，但新模型很容易把示例当成唯一答案。不如把接口设计清楚，让模型自己推断怎么用。
-
- 需要时再加载，不要一下子全加载：大量验证和说明常驻系统提示词，用户只改一句文案，也得先陪模型跑一遍长长的上下文。现在把这些拆成独立Skills，按需加载。
-
- 说一次就好：旧模型容易忘指令，同一条规则往往要反复出现。新模型理解更深，重复提醒反而制造冲突。 - 交给模型自动记忆：过去项目说明、用户偏好全往AGENTS.md里堆。现在长期状态交给自动记忆，AGENTS.md只保留真正反常识的坑。
-
- 直接给参考材料：新模型不需要你把所有要求翻译成一份“适合AI阅读”的简化说明。HTML原型、测试用例、现有代码、评分标准，都可以直接当参考。 Thariq把这套演化描述成 “短—长—短” 。早期模型需要短提示词加大量示例，模型理解力上来之后提示词越写越长，现在又短回去了。 我们现在正好站在第二个拐点上。
过去的垫脚石，今天全成了绊脚石！
有个细节特别逗。 一个开发者拿Astra在虚幻引擎里造曼哈顿，一条街一条街建，花了一周。他让一个Astra当经理拆任务，另一个当执行者，最多96个子智能体同时开工。 他让模型把每个阶段做到“极好”，模型就乖乖往前推。某天他脑子一抽，改成了“完美”。 完蛋。 模型立刻钻进细枝末节出不来，一个窗户的纹理能调俩小时，项目直接卡死。
一个词，就差一个词。 所以你想，我们过去写的那一厚摞提示词，里面有多少像“完美”这样的词？有多少模棱两可的限制？有多少自己都没想明白的规矩？ 新模型来了，它们全成了坑，全成了阻力；过去的垫脚石，今天全成了绊脚石！
上半场：加法；下半场：减法
过去几年，AI开发的故事是加法。模型不够聪明，就用规则来补。一条不够加两条，两条不够加五条。Harness越来越厚，提示词越来越长。 现在，短板补上了。规则本身变成了新的错误来源。 Anthropic在7月证明了：删掉80%的提示词，性能没降。9月2日，他们又用Fable 5.1的指南补了一刀。三天后，OpenAI跟着喊了一遍。
两家AI巨头公司，两个月内，说了同一句话：该删了。
趁现在刚推送，赶紧去翻翻你那些提示词吧。 看看哪些是真需要的，哪些是当年为了兜底加的补丁。
该撕的撕，该扔的扔。 旧的不去新的不来，哈哈！
以前是你教它怎么走，现在是——别挡它道，放手让他自己跑🏃🏃🏃🏻♀️。
