Claude Code删80%指令：消融实验优化AI产品策略

每六个月，彻底清理一次你的AI工具配置——删掉冗余的Claude.md文件、预设技能绑定和工具代码。

这是Claude Code之父Boris Cherny在近期访谈中给出的核心建议。

在7月28日Y Combinator发布的访谈视频《Boris Cherny: We Cut 80% of Claude Code’s Prompt》中，Boris呼吁所有AI产品开发者，要敢于对新产品按下「删除键」，大刀阔斧地精简系统提示词、工具和绑定代码。

「你应该先清空整套系统提示词，再逐行恢复并测试每一行指令的实际作用，以此判断其真实价值。」

这套思路的核心源于「消融实验」的研究逻辑：在控制其他变量不变的前提下，通过移除、替换或关闭某个模块，对比系统在性能、稳定性、效率或成本上的变化，精准找到最适配当前模型的配置方案，这一概念贯穿了整场访谈。

访谈中Boris自豪地透露：「针对Opus 5模型，我们真心建议用户直接清空原有提示词——新一代大模型已经不再依赖大量预设指令就能完成任务。」当然也有用户调侃：「要是针对Claude整体的话，或许也可以说「直接删掉它就行，我们已经不需要它了」」。

本次访谈的核心分享可以归纳为五个方向：
1、Boris的产品迭代策略：少预判，多测试
2、「产品悬余」：模型能力总会超出现有产品边界
3、「解缚」：让模型独立完成复杂任务，自主运行更久
4、顶尖用户如何高效使用AI工具
5、给编程学习者的三点实用建议

把模型当作鲜活的生命体来适配

「如今Claude Code的绑定代码里，几乎只剩下安全、权限和静态分析的部分。」

7月24日，Anthropic发布了Claude 5上下文工程的最新规则，针对Opus 5、Fable 5等新模型，Claude Code的系统提示词被大幅精简，删除了超过80%的原有指令。

针对这次调整，Boris分享了自己的产品迭代逻辑：「不要试图预判模型需要什么样的指令——你大概率是错的。正确的做法是逐行删减配置、反复测试，直到找到模型频繁卡顿或出错的环节。」

「不妨将大模型看作一个鲜活的有机生命体：每一代模型的行为模式、性格特质都存在差异，需要你花时间去熟悉和适配，再针对性调整工具的绑定代码。」

因此，这套迭代思路更偏向经验主义的科学方法：不做预设地尝试、观察结果、迭代优化、循环往复。

即便是相对稳定的评测体系，也很难长期适配快速迭代的大模型。虽然评测比直接修改提示词或绑定代码更持久，但当前模型进化速度极快，一套评测往往很快就会被「刷满分」，因此需要持续观察模型的卡点，不断更新评测标准。

核心思维：悬余与解缚

访谈中，Boris分享了对他产品研发帮助极大的「Product Overhang（产品悬余）」概念。

所谓「悬余」，指的是大模型的能力往往以跳跃式的节奏快速进阶，而产品功能的迭代却通常是渐进式的增量更新，这就导致模型的实际能力总会超出当前产品所能释放的边界。

Boris举了一个直观的例子：2024年底Sonnet 3.5发布时，已经能一次性编写完整的代码文件，但当时主流的编程辅助工具如Copilot、Cursor还停留在代码补全的基础功能上。Claude Code开放完整终端权限后，一定程度上填补了这个能力差距。这也引出了他提出的另一个核心概念「Unhobbling（解缚）」——拿掉不必要的限制。

团队内部还做过一个有趣的实验：为Opus 5接入开源计算机视觉库OpenCV后，模型竟然能独立绘制人物肖像和自然风景——而此前团队从未专门训练过模型的绘画能力。这种现象被称为「模型激发（model elicitation）」：在不修改模型权重的前提下，通过调整提示词、上下文、工具或产品形态，唤醒模型本身具备但未被激活的能力。

当然，这里也存在值得探讨的问题：这种能力的唤醒，究竟是模型本身就具备的潜能被激发，还是通过工具的「脚手架」让模型学会了新技能？但Boris毫不怀疑其中的商业价值：「不是所有创业公司都能抓住这个机会，但我确实看到有人在探索这条路径，这里藏着巨大的商业潜力——我们可以从模型身上挖掘出令人惊艳、兼具趣味性和商业价值的行为。」

为此，Boris总结了三条模型解缚的实操方法：

第一，给模型布置超出你预期难度的任务，清晰定义目标、边界和退出条件后，就放手让它自主执行。

第二，多做无明确商业目的的实验，给自己留出「把玩」模型、尝试创意玩法的空间。

第三，让模型自主验证工作成果——如今的核心早已不是「提示词工程」，而是如何让模型在执行复杂任务时，自主完成过程校验。

Boris认为，第三点是当前行业做得最不到位的地方：如果模型无法自主校验任务进度，就无法实现长时间的独立运行。

他自己的实践就能说明问题：他曾给Claude下达指令，要求将Electron应用重写为Swift版本，在Mac虚拟机中运行原应用、截屏并逐像素对比Swift版本的输出，未完成则持续运行。「这就是我的全部提示词」，他说。这个任务已经跑了两周多，Claude还自主创建了Slack频道，每隔几分钟就发送进度截图，实现了全程自主推进。

给AI使用者和创业者的实用建议

访谈末尾，主持人提问：「我们要怎么才能像你一样用好Claude呢？」

Boris给出的第一个建议是：别轻信社交平台上的「网红技巧」，不要沉迷于寻找所谓的「AI奇技淫巧」——根本不存在这种东西。

他建议用经验主义的思维对待大模型：放下对旧模型的固有认知，忘掉课堂上学到的传统计算机科学理论，直接观察模型的卡点，再针对性调整配置。

「它已经不再是理论科学，而是一门经验科学。那些愿意放下先入为主的观念，忘掉「过去行不通」的想法，愿意再次尝试的人，将会获得巨大的成功。」

更重要的是放下对模型的「控制欲」：把模型当作同事而非工具，不要过度指定细节、不要强求它完全按照你的思维方式完成任务——「模型的工作逻辑和人类并不相同」。

对于正在学习编程的人，Boris呼吁不要只沉迷于纯计算机科学理论，而是要专注于实践应用。他自己最初学习编程的动机，甚至只是为了在数学考试中作弊。

「真正的价值来自于将计算机科学与工程能力，结合创业、产品设计、商业思维、数据科学和用户沟通能力。」

他最后总结道：「先打造自己真正需要的产品，再逐步升级去满足他人的需求。」