Claude Code之父：为何要删除80%提示词？大模型解缚新范式
在人工智能产品设计的迭代周期中，通常的逻辑是“做加法”——增加指令以约束行为，增加功能以覆盖场景。然而，Claude Code的创造者Boris Cherny在2026年7月的最新访谈中，提出了一种截然相反的策略：对于基于Opus 5等新一代模型的Claude Code，建议用户大胆删除系统中80%的原有提示词（System Prompts）、Skills（技能模块）以及Hooks（钩子代码）。这一反直觉的建议背后，隐藏着对大模型本质认知的深刻转变，以及对产品边界与模型能力之间张力的重新定义。
从“控制”到“观察”：大模型作为有机生物
Boris Cherny的核心论点建立在一个基本前提之上：现代大语言模型并非静态的机械工具，而是具有“性格”的有机生物。每一代模型的迭代不仅仅是参数规模的扩大，更是行为模式和逻辑推理能力的质变。因此，过去针对旧模型设计的复杂指令集，往往在新模型面前显得冗余甚至阻碍。
这一观点指导下的实践方法被称为“消融实验”（Ablation Study）。在产品工程中，这意味着在保持其他变量不变的前提下，系统性移除模型中的某一模块或指令，以观测其对性能、稳定性、效率或成本的具体影响。Boris主张，产品经理不应依赖预判去设计提示词，而应通过“删除一行，测试一次”的经验主义方法，找出模型反复卡壳的关键节点，再针对性地补充指令。
这种“疏胜于堵”的策略，要求开发者放下对模型的绝对控制权，转而将其视为需要被理解和引导的合作伙伴。当模型能力发生跃迁时，旧有的“脚手架”不仅不再必要，甚至可能成为限制模型潜力的枷锁。
产品悬余与模型激发
访谈中，Boris引入了两个关键概念来解释为何需要进行如此激进的简化：“产品悬余”（Product Overhang）和“解缚”（Unhobbling）。
“产品悬余”描述了模型能力增长与产品集成速度之间的错位。大模型的能力以跳跃式、不连续的方式快速跃迁，而软件产品的集成、测试和发布则遵循连续的增量式节奏。这导致在任何一个时间点，模型所具备的能力往往已经超越了现有产品所能释放的边界。例如，早在2024年底，Sonnet 3.5就已具备一次性生成完整文件代码的能力，但当时的Copilot或Cursor早期版本仍停留在代码补全的微观层面。Claude Code通过开放终端权限和简化指令，试图弥合这一差距。
在此基础上的“解缚”，即移除不必要的限制，通过设计巧妙的提示词、上下文和工具链，激发出模型本已具备但未被调用的潜能。Boris分享了一个内部案例：当给Opus 5接入OpenCV库时，模型在没有经过绘画训练的情况下，能够自主生成人物肖像和风景画。这种现象被称为“模型激发”（Model Elicitation）。它挑战了传统的归因逻辑：我们无需纠结于这是模型被激活的固有能力，还是通过学习新技能获得的能力，因为无论机制如何，结果都指向了巨大的商业价值和用户体验提升。
经验科学：放下先验，直面现实
随着模型进化速度的加快，传统的“提示词工程”已逐渐失去其理论科学的严谨性，转而成为一门“经验科学”。Boris强烈建议从业者摒弃LinkedIn网红式的“奇技淫巧”，也不要固守旧模型的操作经验或计算机科学中的传统理论。
成功的AI用户和管理者，往往是那些愿意放下先验知识、勇于尝试“不可能”任务的人。Boris提供了一个极端的例子：他让模型在一个Mac虚拟机中将一个Electron应用重写为Swift，并自行运行应用、截屏、逐像素对比视觉差异，直到任务完成。这个过程持续了两周，模型还自行创建了Slack频道进行进度直播。这一案例展示了当赋予模型明确的目标、边界和退出条件，并允许其长时间独立工作时，所爆发出的自主性与创造力。
这种“解缚”思维要求产品经理思考三个关键问题：
- 任务难度：是否给了模型比预期更难的挑战？清晰定义目标而非过程。
- 实验心态：是否允许模型进行无明确商业目的的创意探索？
- 自我验证：如何设计机制让模型在任务执行过程中自我检查和修正？
Boris指出，第三点是目前行业最薄弱的一环。如果模型无法自我验证，就无法实现长时间的独立运行。因此，产品设计的重点应从“如何写好Prompt”转向“如何构建支持自我验证的工作流”。
给从业者与学习者的建议
对于希望掌握AI工具的个体和专业人士，Boris提供了务实的建议。首先，不要试图通过复杂的指令控制模型的行为，而应像对待同事一样与之协作，不过度指定细节，允许模型以它的方式完成任务。其次，对于编程学习者，不应局限于纯理论计算机科学，而应注重应用层面，结合产品设计、商业思维和用户需求，培养综合性的工程能力。
总之，AI产品的未来不在于构建更复杂的约束系统，而在于如何更优雅地“解开缰绳”。通过大幅精简指令、激发模型潜能并建立自我验证机制，我们可以从“产品悬余”中挖掘出前所未有的价值。这不仅是技术的迭代，更是人机协作范式的根本性转变。在这个过程中，保持好奇心、容忍不确定性，并敢于删除那些自以为必要的冗余代码，将是每一位AI产品经理和资深开发者的必修课。
这一观点也为当前的AI创业热潮提供了新的视角。在模型能力日益趋同的背景下，差异化竞争不再仅仅依赖于调用更强大的基础模型，而在于如何通过对模型的“解缚”设计，激发出独特且具备商业价值的行为模式。那些能够深刻理解模型“性格”，并善于通过经验主义方法发现和优化产品边界的企业，将在新一轮的技术浪潮中占据先机。