Anthropic 删掉 Claude Code 80% 的系统提示词后效果更好：这对你的 CLAUDE.md 意味着什么

2026 年 7 月 27 日，做出 Claude Code 的 Boris Cherny 说，团队在 Opus 5 发布时删掉了这套代理 80% 以上的系统提示词，结果代理反而更好用。

第二天，一篇论文从外部测了同一件事：288 次评估运行，两个前沿代理，真实仓库，问题是大家维护的 CLAUDE.md 和 AGENTS.md 到底会不会改变结果。测出来的答案是：没有。

本站已经写过 9 篇关于怎么写好 CLAUDE.md 的文章。所以这是那种看着不太舒服的证据，也正因为如此，更应该认真读，而不是只看标题就反应过度。这个结论比“删掉你的 CLAUDE.md”窄得多；真正留下来的部分，才是值得记住的部分。来源放在文末。

30 秒版

Anthropic 删掉自己的脚手架，并把结果发布了。 Claude Code 的创建者在 7 月 27 日说，Opus 5 发布时，系统提示词删掉了 80% 以上，代理效果更好。被删掉的行不是错的，而是给旧模型补行为的规则；现在 Opus 5 不用提示也会做。
一项独立消融实验没有测到上下文文件带来的正确率提升。 288 次运行，Claude Code 和 Codex，3 个仓库里的 17 个真实任务。效果上界大约是 10–15pp（百分点）或更低，也就是在这个样本量下没有可测收益。
更早的一篇研究得到同样结论，还算出了价格。 在多个模型和代理上，上下文文件让推理成本平均增加 20% 以上，但没有带来相应的成功率提升。模型厂商最常推荐的仓库概览也没有帮上忙。
但代理确实会照文件执行。 两篇研究都发现，照做是有效的。关键区别就在这里：上下文文件是让代理服从的工具，不是提高智能的工具。 它会改变代理做什么，不会让代理更会做。
瓶颈已经挪到外壳（harness）。 一个开源外壳在同样模型上首帧 14.0 ms，Claude Code 是 3,436.9 ms，约 245x。Amazon 在一个任务上烧掉 $1.8M（180 万美元），超预算 860%，5 个月没人发现。同样的模型，结果差得很远。
真正该做的是： 别再写规则指望代理变聪明。保留它无法从仓库推断出的事实。用 Anthropic 自己的方法：先删光，再一行一行加回来，只留下模型反复离不开的内容。

Anthropic 到底删了什么，为什么删

这个说法来自 Boris Cherny，也就是 Claude Code 的创建者。他在 7 月 27 日的一期播客里说，Opus 5 发布时，团队删掉了这套代理系统提示词的 80% 以上，代理表现反而更好。

重要的不是“指令不好”这个粗糙结论，而是他的理由：多数指令都有保质期。

Cherny 的意思是：系统提示词里的很多内容，是在纠正模型本该知道但当时不知道的行为；现在 Opus 5 自己就会做了（原文：“A lot of the stuff in the system prompt was correcting for these behaviors that the model should have known, but it didn’t. Now Opus 5 just does it.”）

那些行是针对更弱模型写的。写下来的时候，它们是对的。等模型已经内化了这些行为，它们就变成了负担，而且比普通负担更糟，因为系统提示词会在每一次请求里重新读一遍。Cherny 把这种失败模式叫做“拖后腿”：模型本来想把事情做对，你的指令却挡了模型的路。

他团队用来找出这些行的方法，很值得直接拿来用。这就是消融实验（ablation）：先删掉整个提示词，再一行一行加回来，测每一行到底值不值。不是“审查一下提示词，把看起来过期的删掉”，而是先删，再让每一行重新证明自己应该存在。

而且他明确把这条建议给到 Claude Code 用户，而不只是做代理的人：大约每 6 个月，删掉你的 CLAUDE.md、技能和钩子，先不带它们跑一段，看看模型自己会怎么做。只加回模型反复离不开的内容。他反对凭想象加规则，本质上也是成本理由：这条指令一旦留下，模型以后每一次使用都会读到它。

两篇研究、288 次运行，以及 20% 的成本溢价

那次访谈的第二天，一篇论文测试了同一个问题在用户侧的版本。

实验设置是：对上下文注入策略做受控消融实验，覆盖 2 个前沿代理（Claude Code 和 Codex）、来自 3 个仓库的 17 个真实任务（15 个共有任务，2 个只跑 Codex）、288 次评估运行，并用标准测试打分，而不是让模型当裁判。结果是：

论文的意思是：上下文策略没有在任一代理上带来可测的正确率变化；通过等效性检验，效果上界约为 10–15pp（百分点）或更低（原文：“Context strategy does not measurably move correctness on either agent (bounded to ≤10–15pp via equivalence testing).”）

有两个细节让这个结果比普通“没测到”更有分量。第一，失败归因：代理失败主要是因为实现能力，比如功能设计、模式选择、具体接线，而不是因为缺少某个上下文文件可以提供的仓库知识。第二，研究还做了操纵性检查：真实上下文文件从来没有把差一点没过的运行推过及格线，两个代理上都没有。如果上下文文件真在起作用，差一点没过的样本本应是最容易看到变化的地方。

这不是第一次有人得到这个结论。ETH Zurich 的团队在 2 月发表、6 月修订的一篇研究里，也在多个模型和代理上测了同一类问题，并同时使用了 AI 生成文件和真实开发者提交的文件：

论文的意思是：提供上下文文件通常不会提高任务成功率，却会让推理成本平均增加 20% 以上（原文：“Providing context files does not generally improve task success rates, while increasing inference cost by over 20% on average.”）

他们还单独点名了模型厂商最常推荐的格式：仓库概览。结论是，虽然它很流行，也经常被模型提供商推荐，但没有帮助。

那个 20% 才是最该停下来看的数字。它不是中性的。一个没有带来收益、却让每次请求平均贵五分之一的文件，就是持续成本，而且会像 Claude Code 的基线 token 开销一样层层叠上去。

这件事证明了什么，没证明什么

多数人解读这类论文时会走偏，所以这里必须说精确一点。

这是一个有上界的零结果，不是证明效果为零。 288 次运行、17 个任务，配合等效性检验，可以排除大约 10–15pp（百分点）以上的效果。它不能排除真实存在的 3 个百分点收益。如果你的诚实预期是“我的 CLAUDE.md 会让代理稳定一点”，这项研究没有推翻你；它推翻的是“上下文文件是大杠杆”这个想法。

样本小，而且范围很明确。 3 个仓库，17 个任务。新论文也坦率承认，此前关于这个问题的证据互相矛盾，它自己的贡献之一就是解释为什么：一个任务是否靠近及格线，是按代理变化的。没有按每个代理筛任务的研究，可能测到的是无论怎么推都推不动的区域。这是对所有这类研究的方法提醒，也包括这篇研究自己。

最容易被跳过的发现是：文件确实会被照做。 ETH Zurich 那篇研究明确发现，代理会遵守上下文文件里的指令。这里没有任何证据说明代理会忽略你的文件。它说的是：服从没有转化成正确率。

所以真正的规则比标题更锋利：

上下文文件能可靠改变代理做什么。它不会让代理更会做。

因此，真正值得留下的是那些“照做”本身就是目标的行：代理无法从仓库推断、否则就会猜错的事实。

仓库树里看不出来的构建、测试和部署命令
仓库里没有明确信号的约定，比如“我们用 X，绝不用 Y”，但历史里两种都出现过
硬性禁止项：不能碰的路径、分支和密钥
任何一旦做错代价很高、而仓库本身又没说清楚的事

不值得留下的是那些试图提高能力的行：通用编码建议、重复一遍模型本来已经知道的最佳实践、语气要求，以及最大的一类，给你已经不用的旧模型写的补丁。最后这一类不主动找很难看见，而 Anthropic 刚刚删掉的 80%，就是这一类。CLAUDE.md 大小与性能这个问题，最后的答案比“多长算太长”更直接：该筛的不是长度，是出处。

瓶颈已经挪到外壳

把视角拉远，这一周其实只有一个主题：模型已经足够强，决定结果的是模型外面的外壳。

速度和内存。 一个叫 jcode、采用 MIT 许可的开源外壳，发布了和 Claude Code 的对比数据，底层调用的是同样的前沿模型：首帧 14.0 ms，而 Claude Code 是 3,436.9 ms（约 245x）；单会话内存 27.8 MB 对 386.6 MB；每新增一个会话大约 9.9 MB 对 212.7 MB。即使你对单个项目的自报评测保留意见，方向也很清楚：模型相同，外面那层外壳的成本可以差两个数量级。

钱。本周泄露的 Amazon 文件显示，一个由 Claude 驱动的任务，也就是把作者信息匹配到商品列表，跑出了 $1.8M（180 万美元） 的费用，超预算 860%，最后也没有上线。这件事 5 个月没人发现。另外两笔超支，一个金融审查工具约 $541K，一个物流系统约 $134K，把计划外支出推到大约 $2.5M。最说明问题的不是金额，而是激励机制：Amazon 曾推动 80%+ 的开发者每周使用 AI 工具，员工据称为了冲内部排行榜，把代理派去做不必要的工作；他们管这叫 tokenmaxxing。后来这个排行榜已经被停用。这几件事没有一件是模型不够聪明造成的。问题在外壳治理上，和代理团队的成本结论是同一个教训，只是发生在公司规模。

会悄悄移动的默认值。 Claude Code 内置的 Explore 子代理过去跑的是 Haiku。现在它继承你的会话模型，上限到 Opus；子代理也会继承你的扩展思考配置。这既是真实的质量提升，也是真实的账单增加，而且有一段时间文档仍然写着 Haiku。如果你按“Explore 很便宜”来估子代理预算，现在已经不是那回事。扇出会放大当前默认值，所以默认值变化就是预算变化。

真正该怎么做

在自己的文件上跑消融实验。 把 CLAUDE.md 改名成 CLAUDE.md.bak，工作一天，看真正坏掉的是什么。多数人从来没见过不带这个文件的代理，却在维护一个自己没有测过的假设。只加回那些你真的感觉到缺失的行。

按出处筛，不按长度筛。 每一行都问一句：这是我项目里的事实，还是写给某个模型的纠正？事实留下。纠正先删，只有模型在同一件事上踩坑两次之后才加回来。任何写在当前模型发布之前的内容，都默认可疑。

不要再指望这个文件提高成功率。 如果代理的问题是功能设计、模式选择，或者把东西准确接起来，这正是两篇研究归出的失败模式。再多仓库说明也解决不了。你需要的是更小的任务、更好的测试和审查，而不是更多散文。

把这个文件当成持续推理成本来预算。 它会在每次请求里重新读取。按测到的 20% 推理成本溢价，一个膨胀的上下文文件是少数会随你所有操作一起放大的成本之一，所以它应该和上下文窗口里的其他内容接受同样严格的审查。

更大的模式，就是 Cherny 点出的那件事：为去年模型做的产品，会留下去年的护栏；而这些护栏会变成今天的上限。这适用于 Anthropic 自己的系统提示词，也适用于你仓库根目录里的文件。Opus 5 一周前刚发布。生产里的大多数 CLAUDE.md，是按 2 到 3 代之前的模型写的，而且之后只加不减。

配套阅读

Claude Code 的 token 开销 —— 你的上下文文件叠在这份基线成本上
怎样写 CLAUDE.md —— 实用指南，现在要带着“照做，不是变强”这条区别来读
CLAUDE.md 大到什么程度会伤性能 —— 本文把长度问题改写成出处问题
Claude Code 上下文管理 —— 还有哪些内容在争同一个窗口
Opus 5 对比 Fable 5 —— 触发这次 80% 删除的模型

来源

常见问题

Anthropic 真的删掉了 Claude Code 80% 的系统提示词吗？ 是的。Claude Code 的创建者 Boris Cherny 在 2026 年 7 月 27 日的播客里说，Claude Opus 5 发布时，他们删掉了代理系统提示词 80% 以上，之后代理效果更好。他的解释是，被删掉的内容不是错的，而是在纠正旧模型做不好的行为；现在 Opus 5 自己就会做。团队使用的方法是消融实验：先删掉整个提示词，再一行一行加回来，测每一行到底有没有价值。

CLAUDE.md 和 AGENTS.md 真的能提高编程代理结果吗？ 从已经公开的证据看，没有测到正确率提升。7 月 28 日的一项消融实验在 Claude Code 和 Codex 上，对 3 个仓库的 17 个真实任务做了 288 次评估运行，发现上下文策略没有让任一代理的正确率出现可测变化，能排除的大约是 10–15pp（百分点）以上的效果。ETH Zurich 更早的研究得到同样结论，并补上成本：推理成本平均增加 20% 以上，没有对应收益。两篇研究也都发现代理会照文件指令执行，所以文件会改变它做什么，但不会让它更会做。

我应该删掉 CLAUDE.md 吗？ 不要整份信任，也不要凭感觉整份删除，应该测试。保留代理无法从仓库里推断出来的事实：构建和测试命令、部署步骤、仓库里没有信号的约定、硬性禁止项。删除那些试图让代理更聪明的内容：通用编码建议、重复的最佳实践、给旧模型写的补丁。Claude Code 的创建者建议，大约每 6 个月删掉 CLAUDE.md、技能和钩子，先裸跑一段，再只加回模型反复踩坑时真正需要的行。留下来的每一行，都会在每次请求里被重新读取。

这些研究证明上下文文件完全没用吗？ 不能。7 月这篇研究给出的是一个有上界的零结果：288 次运行、17 个任务，可以排除大约 10–15pp（百分点）以上的效果，但不能证明更小的真实收益不存在。研究还指出，失败主要来自实现能力，比如功能设计、模式选择和具体接线，而不是缺少仓库知识；这是解释这些任务里为什么文件没帮上忙，不是证明所有任务都不会受益。比较稳妥的负面结论是：继续加规则不会显著提高成功率，却会在每次请求里消耗 token。

如果模型不是瓶颈，瓶颈是什么？ 瓶颈在模型外面的外壳，也就是脚手架、默认值和花费控制。同一周，一个开源外壳发布测量：调用同样的前沿模型，它的首帧是 14.0 ms，Claude Code 是 3,436.9 ms；单会话内存是 27.8 MB 对 386.6 MB。Amazon 又被报道在一个 Claude 驱动的任务上花掉 $1.8M（180 万美元），超预算 860%，5 个月没人发现。Claude Code 也悄悄改了默认值：内置 Explore 子代理现在继承会话模型，而不是跑 Haiku。这些都不是模型不够聪明造成的，而是外壳和默认配置决定的。