Anthropic cắt giảm mạnh 80% System Prompt của Claude Code cho Fable 5
Anthropic đang chứng kiến một sự thay đổi mang tính bước ngoặt trong cách điều hướng các mô hình ngôn ngữ lớn, chuyển dịch từ các bộ hướng dẫn nặng nề sang các chỉ dẫn nhẹ nhàng và trực quan hơn. Sự tiến hóa này được thúc đẩy bởi sự xuất hiện của các mô hình Fable 5 (lớp Mythos) mới, vốn phát triển mạnh mẽ hơn khi có ít sự ràng buộc và nhiều ngữ cảnh hơn.
Sự kết thúc của các System Prompt dài
Trong nhiều năm, tiêu chuẩn của ngành để tối ưu hóa hiệu suất AI là "prompt engineering" thông qua các hướng dẫn hệ thống khổng lồ và các ví dụ few-shot cực kỳ chi tiết. Các nhà phát triển từng tin rằng càng nhiều quy tắc và càng nhiều ràng buộc "không được làm điều này" thì độ tin cậy càng cao. Tuy nhiên, Anthropic đang đảo ngược xu hướng này.
Tariq Shihipar, một thành viên đội ngũ kỹ thuật tại Anthropic, tiết lộ rằng công ty đã cắt giảm tới 80% system prompt cho Claude Code. Sự cắt giảm này không phải là dấu hiệu của việc đơn giản hóa mô hình, mà là một phản ứng trước khả năng nhận thức tinh vi của các mô hình Fable 5 mới. Khi các mô hình trở nên tiên tiến hơn, phương pháp "cầm tay chỉ việc" truyền thống thông qua các prompt dài đã trở nên phản tác dụng.
Tại sao các mô hình Fable 5 lại kháng cự các ràng buộc
Sự chuyển dịch sang các mô hình Fable 5 (hoặc lớp Mythos) đại diện cho một thay đổi căn bản trong hành vi của mô hình. Theo Shihipar, việc cung cấp các ví dụ sâu rộng và các quy tắc cứng nhắc cho các mô hình cụ thể này thực tế lại làm giảm hiệu suất. Lý do rất bất ngờ: các mô hình này vốn dĩ "giàu trí tưởng tượng" hơn các thế hệ tiền nhiệm.
Khi một nhà phát triển cung cấp một danh sách dài các ví dụ cụ thể, nó đóng vai trò như một sự ràng buộc làm hạn chế khả năng suy luận của mô hình. Thay vì khám phá giải pháp hiệu quả hoặc sáng tạo nhất cho một vấn đề, mô hình lại cảm thấy bị buộc phải bắt chước các khuôn mẫu cụ thể được cung cấp trong prompt. Để khai phá tiềm năng thực sự của lớp Mythos, Anthropic đang chuyển dịch từ các quy tắc cứng nhắc sang việc "điều hướng thông qua ngữ cảnh". Điều này cho phép mô hình tận dụng khả năng suy luận của mình để thực hiện các tác vụ mà không bị bó hẹp bởi các hướng dẫn quá mức.
Sự tiến hóa theo chu kỳ của Prompt Engineering
Hành trình của prompt engineering đã tuân theo một mô hình chu kỳ rõ rệt khi các mô hình tiến hóa. Những phát hiện nội bộ của Anthropic làm nổi bật ba giai đoạn phát triển mô hình riêng biệt:
- Các mô hình đời đầu: Yêu cầu các prompt ngắn, cực kỳ cụ thể, được củng cố bởi nhiều ví dụ và các hướng dẫn cực kỳ hạn chế để duy trì bất kỳ mức độ mạch lạc nào.
- Các mô hình trung gian: Khi khả năng hiểu biết được cải thiện, các prompt trở nên dài hơn đáng kể. Các nhà phát triển đã tận dụng khả năng "tuân thủ hướng dẫn" ngày càng tăng này để tạo ra các system prompt khổng lồ và phức tạp nhằm kiểm soát mọi khía cạnh hành vi của mô hình.
- Kỷ nguyên Fable 5: Chúng ta đã bước vào giai đoạn mà các prompt đang trở nên ngắn hơn. Trọng tâm đã chuyển từ việc bảo mô hình phải làm gì (quy tắc) sang việc cung cấp môi trường cần thiết (ngữ cảnh) để mô hình hoạt động một cách tự chủ.
Sự phát triển này đánh dấu một cột mốc quan trọng cho bối cảnh AI. Nó cho thấy rằng khi chúng ta tiến tới các mô hình có tính đại lý (agentic) và thiên về suy luận nhiều hơn, vai trò của nhà phát triển sẽ chuyển từ "người lập quy tắc" sang "người cung cấp ngữ cảnh", ưu tiên chất lượng thông tin hơn là số lượng hướng dẫn.
Các điểm chính cần lưu ý
- Giảm 80%: Anthropic đã cắt giảm 80% system prompt của Claude Code để phù hợp hơn với khả năng của các mô hình Fable 5 (lớp Mythos).
- Ràng buộc làm hạn chế sự sáng tạo: Các ví dụ quá mức và các quy tắc "không được làm" cứng nhắc thực tế có thể kìm hãm khả năng suy luận và trí tưởng tượng của các mô hình tiên tiến.
- Ngữ cảnh quan trọng hơn Quy tắc: Ranh giới mới của việc điều hướng AI là cung cấp ngữ cảnh phong phú thay vì các bộ hướng dẫn dài và mang tính hạn chế.