Anthropic Memangkas System Prompt Claude Code Sebesar 80% untuk Fable 5
Anthropic tengah menyaksikan pergeseran paradigma dalam cara model bahasa besar diarahkan, beralih dari set instruksi yang berat menuju panduan yang lebih ringan dan intuitif. Evolusi ini didorong oleh kemunculan model Fable 5 (kelas Mythos) baru, yang berkembang pesat dengan lebih sedikit batasan dan lebih banyak konteks.
Matinya System Prompt yang Panjang
Selama bertahun-tahun, standar industri untuk mengoptimalkan performa AI melibatkan "prompt engineering" melalui instruksi sistem yang masif dan contoh few-shot yang sangat mendalam. Para pengembang percaya bahwa lebih banyak aturan dan lebih banyak batasan "jangan lakukan ini" adalah kunci menuju keandalan. Namun, Anthropic sedang membalikkan tren ini.
Tariq Shihipar, anggota staf teknis di Anthropic, mengungkapkan bahwa perusahaan telah memangkas system prompt untuk Claude Code sebesar 80 persen. Pengurangan ini bukanlah tanda penyederhanaan model, melainkan respons terhadap kemampuan kognitif canggih dari model Fable 5 yang baru. Seiring model menjadi lebih maju, metode tradisional "hand-holding" melalui prompt yang panjang justru menjadi kontraproduktif.
Mengapa Model Fable 5 Menolak Batasan
Pergeseran menuju model Fable 5 (atau kelas Mythos) mewakili perubahan mendasar dalam perilaku model. Menurut Shihipar, memberikan contoh yang luas dan aturan yang kaku pada model-model spesifik ini justru menurunkan performa. Alasannya tidak terduga: model-model ini secara inheren lebih "imajinatif" dibandingkan pendahulunya.
Ketika seorang pengembang memberikan daftar panjang contoh spesifik, hal itu bertindak sebagai batasan yang membatasi kemampuan penalaran model. Alih-alih mengeksplorasi solusi yang paling efisien atau kreatif untuk suatu masalah, model merasa terpaksa untuk meniru pola spesifik yang diberikan dalam prompt. Untuk membuka potensi sejati dari kelas Mythos, Anthropic beralih dari aturan kaku menuju "pengarahan melalui konteks" (steering through context). Hal ini memungkinkan model untuk memanfaatkan kemampuan penalaran guna menavigasi tugas tanpa terkurung oleh beban instruksi yang berlebihan.
Evolusi Siklis Prompt Engineering
Perjalanan prompt engineering telah mengikuti pola siklis yang jelas seiring berkembangnya model. Temuan internal Anthropic menyoroti tiga tahap pengembangan model yang berbeda:
- Model Awal: Membutuhkan prompt yang pendek dan sangat spesifik, didukung oleh banyak contoh dan instruksi yang sangat membatasi untuk menjaga tingkat koherensi apa pun.
- Model Menengah: Seiring meningkatnya pemahaman, prompt menjadi jauh lebih panjang. Pengembang memanfaatkan peningkatan kemampuan "instruction following" ini untuk membuat system prompt yang masif dan kompleks yang mengatur setiap aspek perilaku model.
- Era Fable 5: Kita telah memasuki tahap di mana prompt menjadi lebih pendek lagi. Fokus telah bergeser dari memberi tahu model apa yang harus dilakukan (aturan) menjadi menyediakan lingkungan (konteks) yang diperlukan agar model dapat bertindak secara otonom.
Perkembangan ini menandai tonggak sejarah bagi lanskap AI. Hal ini menunjukkan bahwa saat kita bergerak menuju model yang lebih bersifat agen (agentic) dan berat pada penalaran, peran pengembang akan bergeser dari "pembuat aturan" menjadi "penyedia konteks," dengan memprioritaskan kualitas informasi di atas kuantitas instruksi.
Poin-Poin Penting
- Pengurangan 80%: Anthropic memangkas system prompt Claude Code sebesar 80% agar lebih selaras dengan kemampuan model Fable 5 (kelas Mythos).
- Batasan Membatasi Kreativitas: Contoh yang berlebihan dan aturan "jangan" yang kaku sebenarnya dapat membatasi kemampuan penalaran dan imajinasi dari model-model canggih.
- Konteks di Atas Aturan: Batas baru dalam pengarahan AI melibatkan penyediaan konteks yang kaya daripada set instruksi yang panjang dan membatasi.