Anthropic سیستم پرامپت Claude Code را برای Fable 5 تا ۸۰ درصد کاهش داد
Anthropic در حال تجربه یک تغییر پارادایم در نحوه هدایت مدلهای زبانی بزرگ است؛ تغییری که از مجموعه دستورالعملهای سنگین به سمت راهنماییهای سبکتر و شهودیتر حرکت میکند. این تکامل با ظهور مدلهای جدید Fable 5 (کلاس Mythos) هدایت میشود که با محدودیتهای کمتر و بافت (context) بیشتر، عملکرد بهتری دارند.
مرگ سیستم پرامپتهای طولانی
سالهاست که استاندارد صنعت برای بهینهسازی عملکرد هوش مصنوعی شامل «مهندسی پرامپت» از طریق دستورالعملهای سیستمی عظیم و مثالهای few-shot فراوان بوده است. توسعهدهندگان بر این باور بودند که قوانین بیشتر و محدودیتهای «این کار را انجام نده» کلید قابلیت اطمینان است. با این حال، Anthropic در حال معکوس کردن این روند است.
طارق شیپار (Tariq Shihipar)، از کارکنان فنی Anthropic، فاش کرد که این شرکت سیستم پرامپت Claude Code را به میزان خیرهکننده ۸۰ درصد کاهش داده است. این کاهش نشانهای از سادهسازی مدل نیست، بلکه پاسخی به تواناییهای شناختی پیچیده مدلهای جدید Fable 5 است. با پیشرفتهتر شدن مدلها، روش سنتی «راهنمایی گامبهگام» از طریق پرامپتهای طولانی، نتیجه معکوس داده است.
چرا مدلهای Fable 5 در برابر محدودیتها مقاومت میکنند
تغییر به سمت مدلهای Fable 5 (یا کلاس Mythos) نشاندهنده یک تغییر بنیادین در رفتار مدل است. به گفته شیپار، ارائه مثالهای گسترده و قوانین سختگیرانه به این مدلهای خاص، در واقع عملکرد آنها را کاهش میدهد. دلیل آن غیرمنتظره است: این مدلها ذاتاً نسبت به پیشینیان خود «تخیلیتر» هستند.
وقتی یک توسعهدهنده لیست بلندی از مثالهای خاص را ارائه میدهد، این کار مانند یک محدودیت عمل میکند که تواناییهای استدلال مدل را محدود میسازد. مدل به جای جستجوی کارآمدترین یا خلاقانهترین راه حل برای یک مسئله، خود را مجبور به تقلید از الگوهای خاص ارائه شده در پرامپت میبیند. برای آزاد کردن پتانسیل واقعی کلاس Mythos، Anthropic از قوانین سختگیرانه فاصله گرفته و به سمت «هدایت از طریق بافت (context)» حرکت کرده است. این امر به مدل اجازه میدهد تا از تواناییهای استدلالی خود برای انجام وظایف استفاده کند، بدون اینکه توسط بار اضافی دستورالعملها محدود شود.
تکامل چرخهای مهندسی پرامپت
مسیر مهندسی پرامپت با تکامل مدلها، یک الگوی متمایز و چرخهای را دنبال کرده است. یافتههای داخلی Anthropic سه مرحله متمایز از توسعه مدل را برجسته میکند:
- مدلهای اولیه: برای حفظ هر سطحی از انسجام، به پرامپتهای کوتاه و بسیار خاص نیاز داشتند که با مثالهای بسیار و دستورالعملهای بسیار محدودکننده تقویت میشدند.
- مدلهای میانی: با بهبود درک، پرامپتها به طور قابل توجهی طولانیتر شدند. توسعهدهندگان از این افزایش توانایی «پیروی از دستورالعمل» برای ایجاد پرامپتهای سیستمی عظیم و پیچیده استفاده کردند که بر تمام جنبههای رفتار مدل حاکم بود.
- عصر Fable 5: ما وارد مرحلهای شدهایم که پرامپتها دوباره در حال کوتاهتر شدن هستند. تمرکز از گفتن به مدل که چه کاری انجام دهد (قوانین) به ارائه محیط لازم (بافت/context) برای عمل کردن مستقل مدل تغییر یافته است.
این پیشرفت، نقطه عطفی در چشمانداز هوش مصنوعی محسوب میشود. این امر نشان میدهد که با حرکت به سمت مدلهای عاملمحورتر (agentic) و مبتنی بر استدلال سنگین، نقش توسعهدهنده از «قانونگذار» به «فراهمکننده بافت (context)» تغییر خواهد کرد و کیفیت اطلاعات بر کمیت دستورالعملها اولویت خواهد یافت.
نکات کلیدی
- کاهش ۸۰ درصدی: Anthropic سیستم پرامپت Claude Code را ۸۰ درصد کاهش داد تا با تواناییهای مدلهای Fable 5 (کلاس Mythos) هماهنگی بیشتری داشته باشد.
- محدودیتها خلاقیت را محدود میکنند: مثالهای بیش از حد و قوانین سختگیرانه «انجام نده»، در واقع میتوانند تواناییهای استدلال و تخیل مدلهای پیشرفته را محدود کنند.
- بافت (Context) بر قوانین مقدم است: مرز جدید در هدایت هوش مصنوعی، شامل ارائه بافت غنی به جای مجموعه دستورالعملهای طولانی و محدودکننده است.