Anthropic 为 Fable 5 将 Claude Code 系统提示词削减了 80%
Anthropic 正见证着大语言模型引导方式的范式转移：从沉重的指令集转向更轻量、更直观的引导。这一演进是由全新的 Fable 5 (Mythos class) 模型的出现所驱动的，这些模型在较少的约束和更多的上下文环境下表现更为出色。
长系统提示词的终结
多年来，优化 AI 性能的行业标准是通过海量的系统指令和详尽的 few-shot 示例进行“提示工程”（prompt engineering）。开发者们曾认为，更多的规则和更多的“不要这样做”的约束是实现可靠性的关键。然而，Anthropic 正在扭转这一趋势。
Anthropic 技术人员 Tariq Shihipar 透露，公司已将 Claude Code 的系统提示词大幅削减了 80%。这种缩减并非模型简化的迹象，而是对新一代 Fable 5 模型复杂认知能力的响应。随着模型变得更加先进，通过长提示词进行“手把手教学”的传统方法反而变得适得其反。
为什么 Fable 5 模型会抵制约束
向 Fable 5（或 Mythos class）模型的转变代表了模型行为的根本性变化。根据 Shihipar 的说法，向这些特定模型提供大量的示例和僵化的规则实际上会降低其性能。原因出人意料：这些模型天生比前代模型更具“想象力”。
当开发者提供冗长的特定示例列表时，它会起到一种约束作用，限制了模型的推理能力。模型不再去探索解决问题的最有效或最具创造性的方案，而是被迫去模仿提示词中提供的特定模式。为了释放 Mythos class 的真正潜力，Anthropic 正在从硬性规则转向“通过上下文进行引导”。这使得模型能够利用其推理能力来处理任务，而不会被过度的指令开销所束缚。
提示工程的周期性演进
随着模型的演进，提示工程的发展遵循着一种明显的周期性模式。Anthropic 的内部研究结果强调了模型发展的三个不同阶段：
- 早期模型： 需要简短、高度具体的提示词，并辅以大量示例和极其严格的指令，以维持基本的连贯性。
- 中期模型： 随着理解能力的提升，提示词变得显著变长。开发者利用这种增强的“指令遵循”能力，创建了庞大且复杂的系统提示词，用以管控模型行为的方方面面。
- Fable 5 时代： 我们已经进入了一个提示词再次变短的阶段。重点已从告诉模型 做什么（规则）转向为模型提供自主行动所需的 环境（上下文）。
这一发展标志着 AI 领域的一个里程碑。它表明，随着我们向更具智能体（agentic）属性和重推理的模型迈进，开发者的角色将从“规则制定者”转变为“上下文提供者”，将信息的质量置于指令的数量之上。
核心要点
- 80% 的削减： Anthropic 将 Claude Code 的系统提示词削减了 80%，以更好地匹配 Fable 5 (Mythos class) 模型的能力。
- 约束限制创造力： 过多的示例和僵化的“不要”规则实际上会限制先进模型的推理和想象能力。
- 上下文重于规则： AI 引导的新前沿在于提供丰富的上下文，而非冗长且具有约束性的指令集。