2026 年 7 月 24 日，Anthropic 在官方技术博客发了一篇文章，标题是《The new rules of context engineering for Claude 5 generation models》。Claude Code 团队在里面披露了一件反直觉的事：他们在为 Claude Opus 5、Fable 5 这类新一代模型迁移时，删除了超过 80% 的系统提示词，内部编码评测没有出现可测量的退步。

这不是一次普通的”提示词优化”，它宣告了一个范式的转向：从”提示词工程”走向”上下文工程”，而上下文工程的第一步，是给强模型做减法。

先想清楚”无形的内存”到底是什么

讨论 Agent 的人经常犯一个错误：把”给模型的指令”和”模型拿到的上下文”混为一谈。上下文（context）是一个比 Prompt 大得多的概念——它包含系统提示、工具定义、CLAUDE.md/AGENTS.md、记忆文件、对话历史和终端输出。而这一整包东西，每一轮对话都会被完整送进模型，每一轮都在消耗它的注意力——这就是我说的”无形的内存”。

这内存有多贵？学术界的量化比任何博客都直白。一篇 2026 年的 arXiv 论文（Instruction-Tool Retrieval, ITR）测量发现：在典型的 agent 循环里，系统指令和工具定义要吃约 90% 的可用 token；它提出的动态按需加载方案，把单步上下文 token 量砍掉 95%、端到端任务成本降 70%、工具路由正确率反而提升 32%。微软的 Acon 论文（2025）则从另一个角度佐证：长程 agent 的上下文无限增长会导致推理退化，压缩之后小模型反而获得最高 46% 的性能提升——因为”上下文噪音”本身在伤害判断。

Anthropic 自己的文档里有个更直觉的概念，叫”注意力预算”（attention budget）：你给模型多加一条无关规则，模型就得多花一份注意力去判断它有没有用；你加的是优先级规则，它还得判断先听谁的。上下文里的每一条常驻规则都在花钱——不是在写代码的时候花，而是在每轮推理的时候都花。

旧范式的真相：规则是写给弱模型的

为什么过去两年的主流是”加法”——系统提示词越写越长、skill 越来越多、工作流越来越规范？因为旧模型真的需要。Anthropic 在这次的官方文章里讲得很清楚：早期 Claude Code 为了防止模型犯错，会写入大量绝对化规则（”不要写注释””不要写多段文档字符串””不要主动创建规划文档”），同一个指导要在系统提示、skill、CLAUDE.md 里重复写三遍，图个保险。Lita 论文（Lite Agent, 2025）则把这个现象解剖得更尖锐：很多重框架的工具描述里”编码了工作流式的指令”——比如某个框架的提示词直接教模型怎么解 SWE-Bench 的题——这是在”教模型应试”，掩盖了模型本身的真实能力。

厂商对上下文的利用，是这段历史的另一面：框架把工作流塞进自己的系统提示和 skill 生态，既是给弱模型兜底，也顺带构成了锁定——你一旦依赖这套 skill 体系，换框架的迁移成本就很高。而这一切，都建立在一个前提上：模型没有内化这些工作流。

新模型的转折：工作流被内化了

转折点在于：新一代模型已经在训练和强化学习里”内化”了编码 agent 该有的样子。最有说服力的证据来自极简派的第一手实践。Pi Coding Agent 的作者 Mario Zechner 在复盘文章里说了两件重要的事：

第一，他写 Pi 的动机就是受够了重框架：”Claude Code 已经变成了一艘宇宙飞船，80% 的功能我用不上；系统提示和工具每次发布都在变，破坏我的工作流。”Pi 的默认系统提示加工具定义加起来不到 1000 token（对比 Claude Code 动辄上万的系统提示），默认工具只有 4 个：read、write、edit、bash——模型自己会用 bash，为什么还要封装一个 ls 工具？

第二，他判断”所有前沿模型都被 RL 训练得透透的，天生理解什么是编码 agent”，因此 harness 不需要过度指导。而 Terminal-Bench 2.0 的基准测试印证了这一点：用 Claude Opus 4.5 驱动的 Pi 排名第 7（准确率 49.8%），击败了 OpenHands、SWE-Agent 这些以复杂著称的开源框架；更极端的是同样极简的 Terminus 2——它只给模型一个 tmux 会话，没有任何其他工具，表现同样强势。对强模型来说，最原始的接口往往最有效。

还有一组数据值得反复咀嚼：2026 年 4 月，Pawel Jozefiak 对六大 harness 的横评提出了”Harness Effect（框架效应）”——同一个模型在不同框架里表现差异可达 5–40 个百分点（Claude Opus 在 Claude Code 里 77 分，在 Cursor 里 93 分）。这说明什么？说明在强模型时代，框架（而不是模型）往往是结果的主要变量——而框架对结果的影响，恰恰是通过”往上下文里塞了多少东西”实现的。

但约束不是删光：它在转移

到这里必须停下来，把话说严谨：“能力变强 = 不用约束”是错的。 Anthropic 自己就是最好的反例。他们删掉了 80% 的提示词，但社区开发者实测发现 Opus 5 的实际系统提示词相比 Opus 4.8 又长了约 72%（从 4467 字符涨到 7694 字符）——新增的两个板块叫”Delivering work”（任务范围、汇报频率、交付节奏）和”Corrections”（限制模型反复解释和纠正自己的错误）。

怎么同时成立？因为模型变强之后，出现了新的主动行为：Opus 5 更喜欢汇报进度、更爱调子 agent、写更长更啰嗦的交付物、自己反复验证。删掉的，是教旧模型”怎么做”的操作细则；长回来的，是约束新模型”做到哪该停”的边界。

这才是”减法”的真实含义：该删的删，该转移的转移到执行层。 Anthropic 官方说得非常直白：CLAUDE.md 是上下文，不是强制执行层；真正不可违反的边界（删文件、访问敏感数据、发外部消息、改生产环境）不应该靠一句”禁止”放在提示词里，而要交给 permissions、sandbox、hooks 这些机制层强制执行。约束并没有消失——它从”软性的文字规则”迁移到了”硬性的环境边界”。

判据与做法：怎么判断自己该删什么

既然约束的边际收益随模型能力下降，那具体怎么操作？Anthropic 官方文章给了三条可直接落地的判断标准，我按自己的理解重新组织一下：

  1. 对每一行 CLAUDE.md 问一句：模型读代码能不能自己推断出来？ 能，就删。目录结构、用了什么框架、命名惯例——它自己看得到，写出来就是噪音。
  2. 这是判断框架还是禁令？ 前者删掉或改成原则（告诉它怎么判断，别替它做决定），后者移出主上下文、放进机制层。
  3. 测一次启动 token 成本。 把每次会话自动加载的文件字符数加起来除以 2.2，就是”你还没开口就废掉的 token 数”。凡是每轮都在消耗但很少用到的内容——长的 skill 拆成按需加载、几百个工具的定义改成先搜再用、重复写三遍的规则删到只剩一个来源。

收束

回到开头那个 80%。它真正的含义不是”提示词不重要了”，而是：当模型变强，约束的边际收益会过零——再往上下文里堆规则，不仅不涨效果，还持续烧钱、干扰判断。 重框架的历史价值是给弱模型兜底，但它的遗留——被厂商塞满的上下文、被锁定的 skill 生态——在新模型面前已经变成了负债。

这就是为什么以 Pi 为代表的一批极简 agent（包括按同样理念构建的 OMP 系工具链）会突然好用：它们把”重工程”还给了模型自己，把精力留给真正该硬的地方——环境边界、权限和验证机制。而 Anthropic 自己削减提示词的行为，等于给这条路线盖了章：强模型时代的 agent 设计，重心正在从”教它怎么做”转向”给它干净的上下文和清晰的边界”。