Claude Code之父：为何要删掉80%提示词？AI产品设计的解缚哲学
颠覆性的“删除”哲学：从控制到信任的范式转移
在人工智能产品开发的领域，我们往往习惯于做加法。为了追求更精准的输出，开发者倾向于堆砌复杂的系统提示词（System Prompts），构建繁复的工具链，并编写大量的约束代码。然而，Claude Code之父Boris Cherny在YC（Y Combinator）最新发布的访谈中，提出了一种截然相反的策略：大胆地做减法。
Boris Cherny的核心建议极具冲击力：每六个月，删掉你的Claude.md，删掉你的skills，删掉你的hooks。他呼吁所有AI产品从业者对自己的新产品勇敢按下删除键，大刀阔斧地移除系统的提示词、工具和harness代码。这一观点并非出于对复杂性的厌恶，而是基于对大模型本质认知的深刻转变——模型不再是被动执行指令的机器，而是具有“性格”的有机生物。
在针对Opus 5等新模型的上下文工程实践中，Anthropic团队删除了超过80%的原有指令。Boris指出，实际上对于最新一代模型，用户甚至建议尝试将这些东西全删掉，因为模型已经不再需要那些繁琐的引导。这种“少即是多”的理念，标志着AI产品设计从“控制论”向“生态论”的演进。
消融实验：科学验证而非经验预判
Boris Cherny提出的这一策略背后，贯穿着一个核心概念：消融实验（Ablation Study）。在科学实验中，消融实验旨在控制其他条件不变的前提下，移除、替换或关闭一个模块，以比较性能、稳定性、效率或成本的变化。
在AI产品迭代中，这意味着开发者不应去猜测模型需要什么指令，因为这种猜测往往是错误的。相反，正确的做法是将整个系统提示词全删掉，然后一行一行地加回来，观察每一行指令对模型行为的具体影响。这种“不加预判”的尝试，结合查看结果、迭代、重复的过程，是一种更偏向经验主义的科学方法。
Boris强调，每一代模型的行为都不一样，性格也略有不同。开发者需要花时间去了解它，然后据此调整harness。这种动态的调整过程，比静态的规则设定更为有效。尽管评估体系（Eval）比提示词和prompt更耐用，但在模型进化速度极快的当下，一套评测标准很快会被刷到满分，因此需要持续观察模型在哪些环节不断挣扎，并据此设计新的评估维度。
产品悬余与解缚：释放被压抑的能力
在访谈中，Boris分享了一个对他做产品极具启发性的概念：“Product Overhang”（产品悬余）。这一概念描述了大模型以不连续的跳跃式速度跃迁，而产品集成却以连续的增量式节奏推进。这种速度差导致模型所具备的能力总会超出现有产品所能释放出的边界。
例如，2024年底Sonnet 3.5推出时，该模型已经具备一次性编写整个文件代码的能力，但当时的编程产品如Copilot或早期版Cursor，仍局限于代码补全等细碎任务。拥有完整终端权限的Claude Code在一定程度上弥补了这种差距，这正是“解缚”（Unhobbling）的体现——拿掉限制，让模型做更难的任务。
Anthropic内部的一个案例生动地诠释了“模型激发”（Model Elicitation）：当有人尝试给Opus 5接入OpenCV（全球最大开源计算机视觉库）时，模型竟然能自己画出人物肖像和动物风景。此前，Anthropic从未训练过模型去画画。这表明，在不改变模型权重的前提下，通过提示词、上下文、工具或产品形态的设计，可以激发出模型本已具备但此前未被调用的能力。
尽管存在疑问：这究竟是模型被激发出了原本就具备的能力，还是因为“脚手架”设计而学会了新技能？但Boris毫不怀疑其中蕴含的巨大商业机会。这里真的存有巨大的机会，能从模型身上激发出那些令人惊叹、有趣、且有商业价值的行为。
解缚的三条路径：任务、实验与验证
为了抓住这些机会，Boris提出了三条模型“解缚”的方法。
第一，给模型比你想象中更难做的任务。开发者需要描述清楚目标和边界以及退出条件，然后就放手。不要试图让模型完全按照你会做的方式去做任务，因为“模型不是那样工作的”。
第二，多去做实验。允许模型做一些没有明确商业目的但好玩的尝试。给自己自由去玩模型、去做有创意的事，这种非功利性的探索往往能带来意想不到的突破。
第三，让模型自己验证成果。Boris认为，这是如今大家做得最不尽如人意的一件事。重点不再是“提示词工程”，而是“当你给Claude分配了一个非常困难的任务之后，你怎么让它在过程中就去验证自己做的工作？”如果模型不能自我验证任务，它就无法长时间独立运行。
Boris分享了一个极端的例子：他要求模型将Electron应用重写成Swift，并在Mac虚拟机里运行Electron应用，截屏，然后逐像素对比，跟Swift版本比，没做完就不要停。这个任务已经跑了两个多星期，Claude甚至决定做直播，在内部建立Slack频道，每隔几分钟就发一张进度截图。这种长时间独立运行的能力，正是解缚后的结果。
给AI使用者与开发者的实用建议
在访谈末尾，Boris Cherny给AI使用者和创业者提供了几条实用的建议。
首先，别去听LinkedIn上那些网红说的，别去刷Twitter。关于使用AI，每个人都在找那种“奇技淫巧”，但根本就不存在那种东西。没有那种东西。他建议大家用经验主义方式对待模型，忘掉过去对旧模型的经验和课堂上学的计算机科学理论，直接观察模型在哪里卡壳，再针对性调整。
其次，保持一种心态，那就是放下自己对模型的“控制欲”。把模型当同事一样相处，不过度指定，不做太具体的要求。那些特别擅长放下自己的先验，放下那些“以前不行”的想法，愿意再试一次的人，会非常非常成功。
最后，对于还在学习编程的人，Boris呼吁不要只学纯计算机科学理论，要学如何应用。他本人最初学习编程的动力也是为了在数学考试中作弊，但这并不妨碍他后来成为优秀的开发者。通常这关乎创业，关乎做产品，关乎培养你自己的设计感、商业感，学会怎么做数据科学，学会怎么跟用户对话。当你把它们和计算机科学、工程结合起来的时候，才会变得真正有价值。
总之，Boris Cherny的观点可以总结为：“先做自己想要的东西，再升级去做别人想要的东西。”在AI时代，产品的核心竞争力不再在于你写了多少行提示词，而在于你有多大的勇气去删除它们，以及有多深的信任去释放模型的本能。这种从“堵”到“疏”的转变，将是未来AI产品创新的关键所在。