Claude Code之父：Harness保质期仅半年，为何要大胆删除80%提示词？
在人工智能技术飞速迭代的当下，许多开发者仍固守着旧有的提示词工程思维，试图通过层层叠加的规则来约束大模型的行为。然而，Claude Code的核心构建者Boris Cherny提出了一个极具颠覆性的观点：大模型的Harness（控制框架）保质期仅有半年。他建议所有AI产品构建者，应当每六个月进行一次彻底的“大扫除”，删除现有的系统提示词、技能配置及钩子代码，从零开始重新构建。这一建议并非出于对技术的否定，而是基于对大模型本质变化的深刻洞察。
这种激进的建议背后，是一套严谨的科学方法论——消融实验。在传统软件工程中，我们习惯于做加法，不断增加功能模块以应对新需求。但在大模型时代，模型本身的进化速度远超我们的想象。Boris指出，对于像Opus 5这样先进的模型，绝大多数原有的指令不仅是多余的，甚至可能成为干扰。通过移除所有预设指令，然后逐行添加并观察模型反应，开发者才能精准识别出哪些指令真正影响了模型的性能、稳定性或成本。这种“先减后加”的策略，能够有效避免系统冗余，确保每一行代码都有其存在的必要价值。
将大模型视为一种“有机生物”，是理解这一策略的关键。每一代模型都拥有独特的“性格”和行为模式，它们不再是静态的代码库，而是具有动态适应能力的智能体。试图用固定的规则去框定一个不断进化的生物，注定会失败。Boris强调，开发者需要放下预判，转而采用经验主义的态度，通过不断的测试、观察和迭代，去摸索当前版本模型的最佳交互方式。这意味着，过去的成功经验可能成为今天的绊脚石，唯有保持空杯心态，才能跟上模型进化的步伐。
在这一过程中，“产品悬余”是一个不可忽视的现象。大模型的能力提升往往呈现非连续的跳跃式增长，而产品的集成与优化则是连续的增量式过程。这就导致了一个有趣的时间差：模型已经具备了完成复杂任务的能力，但我们的产品界面和工作流还停留在解决简单问题的阶段。例如，当Sonnet 3.5推出时，它已能一次性生成完整文件代码，而当时的主流编程助手仍专注于代码补全。这种能力与产品边界之间的落差，即为“悬余”。
为了填补这一落差，Boris提出了“解缚”的概念。所谓解缚，就是移除那些限制模型发挥潜力的安全护栏或过度设计的交互流程，让模型直接面对更复杂、更开放的任务。Anthropic内部的一个案例生动地说明了这一点：当团队尝试将Opus 5接入OpenCV库时，意外发现模型能够自主绘制人物肖像和风景画，尽管这并非其训练目标。这种“模型激发”现象表明，通过合理的上下文设计和工具调用，我们可以挖掘出模型潜藏的巨大商业价值。
那么，如何有效地对模型进行“解缚”？Boris给出了三条具体路径。首先，赋予模型比预期更难的任务。不要局限于简单的问答或代码片段生成，而是明确目标、边界和退出条件后，放手让模型去探索解决方案。其次，鼓励实验性使用。允许模型在没有明确商业目的的情况下进行创造性尝试，这不仅能带来惊喜，还能帮助开发者发现模型的新能力边界。最后，也是最重要的一点，建立模型的自我验证机制。
当前的AI应用痛点在于，模型往往无法长时间独立运行，因为它们缺乏自我纠错的能力。Boris分享了一个令人印象深刻的案例：他要求Claude将一个Electron应用重写为Swift，并在Mac虚拟机中运行，通过截屏进行逐像素对比，直到完全一致才停止。这个任务持续运行了两周，期间Claude甚至自发建立了Slack频道汇报进度。这一案例证明，当模型具备自我验证能力时，它能够承担长期、复杂的独立工作，从而真正实现从“助手”到“同事”的角色转变。
对于广大AI使用者和创业者而言，Boris的建议同样具有指导意义。他呼吁大家摒弃对社交媒体上所谓“奇技淫巧”的盲目追随，回归到对模型本质的观察上来。没有通用的万能提示词，只有针对特定场景和特定模型版本的优化方案。成功的关键在于放下控制欲，不再试图让模型完全按照人类的思维路径行事，而是接受其独特的工作方式，与之建立平等的协作关系。
对于编程学习者来说，纯理论知识的积累已不足以应对未来的挑战。Boris建议，学习重点应从计算机科学理论转向实际应用能力的培养。无论是数据科学、产品设计还是用户沟通，这些软技能与工程能力的结合，才是创造价值的核心。他本人的编程启蒙源于“在数学考试中作弊”的实际需求，这启示我们：先解决自己的实际问题，再考虑规模化服务他人，是一条更为务实的成长路径。
综上所述，AI产品开发正在经历一场从“规则驱动”向“经验驱动”的范式转移。在这个新纪元中，灵活性、实验精神和对模型特性的深刻理解，将成为核心竞争力。开发者需要时刻警惕系统冗余，勇于打破旧有框架，通过不断的消融实验和解缚操作，释放出大模型真正的潜力。这不仅是对技术的尊重，更是对创新本质的回归。唯有如此，我们才能在快速变化的AI浪潮中，构建出真正具有生命力和竞争力的产品。