AI-LECTURER 速報課|2026-07-27|約 26 分鐘

Claude 也要瘦身:新一代模型如何用「判斷力」取代滿頭規則

📍 真實場景
阿凱,一人接案的自動化顧問,同時幫五、六家小公司維護他們的 Claude Code 專案

每次客戶說「AI 做錯事了」,阿凱就順手在客戶的 CLAUDE.md 裡多加一條禁令,久而久之每份 CLAUDE.md 都疊到好幾百行

😖 卡住的地方:換上新一代模型之後,AI 反而更常卡住、回話變得又臭又長,因為系統提示詞、CLAUDE.md、客戶臨時交代的話常常互相打架,AI 得先花力氣猜「這次到底要聽誰的」
💡 這課帶你讀 Anthropic 官方第一手心得:新模型不需要那麼多細瑣規則,反而該砍規則;還會給你一支小工具,幫你的 CLAUDE.md 抓出這類會打架的絕對型規則

🧭 這到底是什麼(白話版)

這篇文章的作者是 Anthropic 自己(也就是打造 Claude 的公司),在官方部落格上罕見地公開一段「我們怎麼改自己家AI助理說明書」的內幕。主角是一件事:他們把 Claude Code(讓 Claude 幫你寫程式的工具)背後的 system promptAI助理在每次對話開始前,看不到但一定會先讀的『開場說明書』,硬生生刪掉超過八成內容,拿到最新一代模型(像 Claude Opus 5、Claude Fable 5)身上測試,寫程式的評測分數完全沒有掉。

為什麼要特別提這件事?因為這牽涉到一門叫做 context engineering把『餵給AI的所有背景資料』整體設計好,讓AI能穩定做出你要的結果,而不只是寫一句提示詞而已 的功夫。跟你隨口問AI一句話不一樣,這是在幫AI打造一整套「它每次工作前一定會看到」的環境——包含系統提示詞、CLAUDE.md放在專案資料夾裡、AI進場前必讀的規則文件,用來告訴AI這個專案的規矩,還有它自己記住的東西。這套環境設計得好不好,直接決定AI做出來的結果好不好。

Anthropic 內部翻自己的使用紀錄時,發現一件尷尬的事:同一次請求裡,系統提示詞說「該留文件就留」,某個 skills(技能)AI可以視情況主動載入的一包做事說明書,用不到就不會佔用它的注意力 又說「禁止加註解」,兩邊互相打架,AI 得先花力氣猜「這次到底要聽誰的」才能真正動手做事。這種規則疊規則的做法,在能力有限的舊模型上曾是必要的防呆機制,但對判斷力更強的新模型來說,反而變成拖累。

🎯 為什麼值得你花時間

規則不是越多越安全文章點名『規則互相打架』才是問題核心——當系統提示詞、CLAUDE.md、使用者臨時的要求同時提出衝突指示時,AI要先花力氣判斷聽誰的,這反而拖慢、也更容易做錯,跟直覺『多加規則比較保險』完全相反。
官方自己拿數據驗證,不是空喊理念Anthropic 拿掉超過80%系統提示詞後,直接用寫程式的評測分數去驗證,結果沒有測出明顯的下滑,代表新一代模型真的有能力『自己判斷』,不需要每個情境都事先講明。
會改變你維護AI專案的方式如果你也在寫CLAUDE.md、系統提示詞、或幫AI代理設定規則,這篇文章等於在提醒:該定期回頭『健檢』既有規則、砍掉已經不必要的部分,而不是規則只增不減地一路往上疊。

⚙️ 它是怎麼運作的

1
過去的老規矩:把每個『萬一AI亂來』的情境都寫成硬規則Claude Code 剛推出時,為了避免AI做出『刪錯檔案』這類最壞情況,工程團隊會把能想到的每一種風險都寫成一條明確禁令,規則檔案愈寫愈長。
2
規則越疊越多,開始互相打架文章舉了真實案例:一條規則說『該留文件時留』,另一條規則又說『禁止加註解』,兩者同時出現在一次請求裡,AI得先解讀這兩句話到底哪個優先,才能真正開始工作。
3
新一代模型的 判斷力AI自己根據情境理解使用者真正想要什麼,不需要每個細節都寫成規則 明顯進步Claude Opus 5、Claude Fable 5 這類新模型被證實可以自己解讀使用者的真正意圖,不用每一種情境都先講清楚才會做對。
4
動手驗證:砍掉超過八成系統提示詞Anthropic 直接把 Claude Code 系統提示詞刪掉超過80%的內容,拿寫程式的評測去對照分數,結果沒有量測到明顯的表現下滑。
5
記憶責任分工:memory、artifacts、skills 分擔 CLAUDE.md 的負擔以前 CLAUDE.md 要一個檔案扛住所有規則、記憶、指引;現在多了memory、artifacts、skills這幾種管道,AI可以『依情境』才去載入對應的內容,不用每次都全部塞進腦袋。
6
新原則定案:能刪則刪,把權力還給AI的判斷最後 Anthropic 把心得整理成 `/doctor` 指令,內建在 Claude Code 裡,幫你檢查並提醒『這份skills或CLAUDE.md是不是該瘦身了』。
舊觀念 vs 新觀念對照
面向過去做法(Then)現在做法(Now)
給AI的指示條列每種情況的硬性規則,愈寫愈多讓AI依情境自行判斷,只留關鍵防線
記憶與規則存放全部塞進同一份CLAUDE.md拆成 memory、artifacts、skills 分工存放
防呆心態先假設AI會亂來,處處設限先信任AI的判斷力,只防真正的最壞情況
維護方式規則只增不減,一路往上疊定期用 /doctor 之類的工具回頭健檢瘦身

🔍 程式碼漫遊(點有 ● 的行看白話講解)

這段程式在做的事:把一份 CLAUDE.md(或任何規則文件)逐行掃過,找出裡面『禁止』『必須』這類絕對型規則字眼,算出密度,讓你知道規則是不是疊太多了。

ABSOLUTE_WORDS = ["禁止", "必須", "不得", "MUST", "DO NOT", ...]
💬 先列出一份『絕對型規則』常用關鍵字清單,晚點拿來比對每一行文字
lines = path.read_text(encoding="utf-8").splitlines()
💬 把整份CLAUDE.md讀進來,用 splitlines 拆成一行一行,方便逐行檢查
for i, line in enumerate(lines, start=1):
💬 從第1行開始,一行一行掃過去,記住行號才能之後回頭找
for word in ABSOLUTE_WORDS:
💬 拿每一行去比對清單裡的每一個關鍵字
if word in line:
💬 只要這一行『含有』某個關鍵字,就當作一條絕對型規則
hits.append((i, word, line.strip()))
💬 把行號、命中的關鍵字、原始內容記下來,等一下要印出來給你逐條檢查
density = len(hits) / total_lines * 100
💬 算出『絕對型規則』佔全文的比例,密度太高就代表規則可能疊太多了

🛠️ 動手做:幫你的 CLAUDE.md 做一次規則健檢

這是一個真實小專案:下載(或複製)檔案,照步驟在你電腦上跑起來。

📄 claude_md_audit.py ⬇ 下載
# -*- coding: utf-8 -*-
# 簡易 CLAUDE.md 規則健檢工具
import sys
from pathlib import Path

ABSOLUTE_WORDS = ["禁止", "必須", "不得", "一律", "絕對不可", "嚴禁", "禁用", "MUST", "DO NOT", "NEVER", "ALWAYS"]


def audit(file_path):
    path = Path(file_path)
    if not path.exists():
        print("找不到檔案:" + file_path)
        return

    lines = path.read_text(encoding="utf-8").splitlines()
    total_lines = len(lines)
    hits = []

    for i, line in enumerate(lines, start=1):
        for word in ABSOLUTE_WORDS:
            if word in line:
                hits.append((i, word, line.strip()))
                break

    print("檔案:" + file_path)
    print("總行數:" + str(total_lines))
    print("「絕對型規則」行數:" + str(len(hits)))

    if total_lines:
        density = len(hits) / total_lines * 100
        print("規則密度:{:.1f}%".format(density))

    print("")
    print("以下是每一條絕對型規則,請逐條自問「這條還有必要嗎?」:")
    for line_no, word, text in hits:
        print("  第 " + str(line_no) + " 行(關鍵字:" + word + "):" + text)

    if total_lines and len(hits) / total_lines > 0.3:
        print("")
        print("提示:規則密度偏高,建議參考文章原則做一次健檢瘦身。")


if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("用法:python claude_md_audit.py 你的檔案路徑.txt")
    else:
        audit(sys.argv[1])
📄 sample_claude_md.txt ⬇ 下載
# 範例專案規則

本專案使用 Python 撰寫小工具。

必須在每個函式加上型別註記。
禁止在正式程式碼留下 print 除錯訊息。
一律使用 UTF-8 編碼讀寫檔案。
不得刪除既有的測試案例。

如果不確定某個決定,你可以自行判斷後說明理由。
文件視情況更新,不用每次都寫。

DO NOT add comments unless the logic is non-obvious.
  1. 「開始」選單搜尋「Windows PowerShell」,點開它(不需要系統管理員權限)。
  2. 在 PowerShell 輸入 mkdir $env:USERPROFILE\claude_md_audit 建立新資料夾,再輸入 cd $env:USERPROFILE\claude_md_audit 進入這個資料夾。
  3. 打開「記事本」,貼上 claude_md_audit.py 的內容,另存新檔時檔名設為 claude_md_audit.py、編碼選「UTF-8」,存到剛剛建立的資料夾。
  4. 用同樣方式,把 sample_claude_md.txt 的內容存成另一個檔案,一樣放進同一個資料夾,編碼選「UTF-8」。
  5. 回到 PowerShell,輸入 python claude_md_audit.py sample_claude_md.txt,按 Enter 執行。
  6. 看輸出結果:會列出每一條「絕對型規則」在第幾行、規則密度是百分之多少;接著把 sample_claude_md.txt 換成你自己專案的 CLAUDE.md 路徑,再跑一次,就能健檢自己的規則了。

🧠 工程思維透鏡(資深工程師看到的是什麼)

🔭 為什麼 Anthropic 敢一口氣砍掉八成系統提示詞,而不怕新模型『暴走』?
過度的規則其實是一種防禦性工程:對能力有限的舊模型來說,條列式硬規則是必要的護欄;但護欄越多,AI做決定前要檢查的清單就越長,規則之間也越容易互相矛盾。文章把這個過程稱為 unhobble(解除束縛)拿掉原本因為擔心AI闖禍而加上的過度限制,讓模型能發揮真正的實力——當模型本身的判斷力已經夠強,繼續維持一堆舊護欄,維護成本(每次改版都要重新檢查規則有沒有過時、衝突)反而超過它帶來的安全收益,這是一次典型的技術債清理決策。
🔭 為什麼要把記憶功能拆成 memory、artifacts、skills 三種管道,而不是統統塞進同一份 CLAUDE.md?
這其實是軟體工程裡『單一職責』原則搬到提示詞設計上的版本。一份檔案同時想扛住『規則』『記憶』『技能說明』三種角色,AI每次讀取都得處理一堆跟當下任務無關的內容,等於白白耗掉它的注意力。拆開之後,AI可以『依情境才載入』對應的skill,這跟寫程式時常用的『延遲載入』概念是同一套思路——把原本『每次都要背著走』的固定成本,換成『用到才去拿』的隨選成本。
🔭 文章裡『規則 vs 判斷力』的取捨,對你自己維護 CLAUDE.md 這類文件有什麼提醒?
值得注意的是,Anthropic 自己也是靠『回頭讀使用紀錄』才發現規則互相打架,代表『規則該精簡到多少才剛好』從來就不是一次寫定就結束的事,而是要持續校準的過程。與其把規則一次寫死、之後只增不減地往上疊,不如把『定期健檢、刪掉過時規則』也當成專案維運的固定習慣——這正是這篇文章想傳達、也是今天下載的小工具想幫你做到的事。

📝 隨堂考(點選答案,立即回饋)

Q1. 這篇文章提到,Anthropic 為新一代 Claude 模型的系統提示詞做了什麼改動?
✅ 文章開頭就提到「We removed over 80% of Claude Code's system prompt」,並且在寫程式的評測上沒有測出明顯的表現下滑。
Q2. 文中「Then: Give Claude rules/Now: Let Claude use judgement」這句話在說什麼轉變?
✅ 這是文章明白點出的核心轉變:舊模型需要被明確告知每種情況該怎麼做,新模型可以依情境自行判斷。
Q3. 文中舉例「leave documentation as appropriate」和「DO NOT add comments」同時出現在一次請求裡,這是想說明什麼問題?
✅ 文章用這個例子說明,多個來源的指示疊在一起時常常互相矛盾,AI必須先解讀優先順序才能真正動手。
Q4. 根據文章,新版 Claude Code 除了 CLAUDE.md 之外,還多了哪些用來跨對話記住資訊的管道?
✅ 文章提到「Now we have memory, artifacts, and skills, which Claude can use to create new ways of loading and sharing context across sessions.」
Q5. 文章提到,Anthropic 把『精簡規則』的心得整理成什麼可以直接使用的指令?
✅ 文章寫道:「We've put these best practices in `claude doctor;` use the command /doctor in Claude Code to rightsize your skills, and CLAUDE.md files.」

🃏 翻牌記憶卡(先想答案,再點開對答)

context engineering點我翻面
把系統提示詞、CLAUDE.md、skills、記憶等『餵給AI的背景資料』整體設計好,跟只是寫一句提示詞不一樣,是在規劃AI每次都看得到的環境
unhobble(解除束縛)點我翻面
拿掉原本因為擔心AI闖禍而加上的過度限制,讓模型能發揮真正的實力
Then: Give rules/Now: Judgement點我翻面
舊模型需要條列式硬規則來防呆;新模型可以直接依情境自行判斷
刪掉80%系統提示詞點我翻面
Anthropic 對新一代模型系統提示詞的實際刪減幅度,評測分數沒有明顯下降
/doctor點我翻面
Claude Code 內建指令,幫你檢查並提醒該精簡 skills 和 CLAUDE.md 的規則份量
memory/artifacts/skills點我翻面
新增的三種跨對話記憶管道,分擔原本CLAUDE.md要獨自扛住的所有責任

✅ 離開前自測(全勾=這課真的學會了)

0%