本文整理自 Anthropic Claude Code 負責人 Boris Cherny 的分享。Boris 曾在 Meta 擔任五年首席工程師，著有《Programming TypeScript》一書，是 Claude Code 的創造者。
核心改變：系統提示大幅精簡
2026 年 7 月推出 Opus 5 後，Anthropic 把 Claude Code 的系統提示砍掉超過 80%。
這是一個反直覺的決策——業界共識向來是「指令寫得越細越好」，但 Boris 反其道而行。
為什麼可以砍？
「那些指令原本是在修正模型『本來就該會、但當時不會』的行為，Opus 5 已經會了。」
模型能力提升後，過去那些詳細的約束反而成為多餘的負擔。Boris 提到，模型在沒有繁瑣提示的狀態下其實聰明一點。
重心轉移：從「寫提示」到「驗證」
Boris 認為，真正該投資的不是提示詞工程，而是驗證——他形容這是「大多數人沒做對的那件最重要的事」。
現代 AI 編碼的技能核心在於：
給 Claude 一個看起來有點太難的任務，再讓它有辦法在過程中自己檢查成果。
具體方法論：刪除法評測（Ablation）
Anthropic 內部採用「刪除法評測」，這是研究界的標準做法：
- 把整段系統提示全部刪掉
- 照常使用，觀察模型行為
- 只有在模型重複踩同一個坑時，才把那條指令加回去
- 一行一行加回、逐行檢視實際影響
給一般使用者的建議
Boris 建議每個人都可以定期做這個實驗：
每六個月刪掉自己的 CLAUDE.md、skills 與 hooks，看看模型會怎麼做。
這句話後來也被工程師 Charlie Hills 拿去延伸成一套具體的操作流程，包含三個可以直接複製的審計 prompt，詳見〈刪掉你的 CLAUDE.md！別再堆指令了，定期重建才是正解〉。
實驗案例：14 天不停的重寫任務
Boris 親自跑過一個實驗：用 Claude Tag 下達指令，要求把 Claude 的 Electron 桌面版改寫成 Swift 原生版，指令內容是：
「改寫、在 Mac 虛擬機裡跑起來、截圖、逐像素比對，沒做完不要停。」
結果這個任務運行了 14 到 15 天還沒停，過程中衍生出數千到數萬個代理（agents），Claude 甚至自行開設 Slack 頻道，定期上傳進度截圖回報。
評測集也會折舊
Boris 坦言，評測集（eval set）並非一勞永逸的資產：
- 大概只能活 1 到 3 個模型世代
- 因為模型進步太快，分數很快就會滿分飽和
- 一旦滿分，就得整組重做
重要限制：不是所有問題都解決了
Boris 特別澄清，「編碼問題已經解決」這句話只對他做的那類程式成立，不適用所有場景。以下情境 Claude 仍會卡關：
- 深層系統程式庫（deep systems libraries）
- 分散式系統
- 像素級的介面驗證
別跟風,要靠經驗累積判斷力
Boris 反對盲目跟風式的提示技巧：
「不要聽 LinkedIn 網紅，不要看 Twitter。」
成為頂尖使用者的方法是經驗性的：
- 給模型一個困難任務
- 提供它自我檢查的工具
- 觀察它卡在哪裡
- 用更好的提示或 skill 補上那個缺口
總結：真正會累積的資產是什麼？
會隨時間折舊的是規範檔（CLAUDE.md）與評測集，因為模型一直在進化,今天寫的細則明天可能就過時。
真正留得住的資產,是「判斷該往哪裡優化」的那個人——這需要:
- 設計判斷力
- 商業判斷力
- 與使用者對話、挖掘真實需求的能力
換句話說,與其把時間花在雕琢完美的 prompt,不如把時間花在培養「看得出模型哪裡卡住、該怎麼補」的判斷力。這件事,不會因為模型換代而過時。