7 月 1 日，旧金山 AI Engineer World’s Fair。Claude Code 团队的 Thariq Shihipar 做了场 20 分钟的分享，主题是 Anthropic 内部现在怎么用最新的 Fable 5。一句话最扎眼：「我们把 Claude Code 的系统提示词，砍掉了差不多八成。」为什么模型越强、提示词反而越该短？把他讲的几个反直觉做法拆开看。
模型越强，提示词越要短
Thariq 说，Sonnet 3.5 那个时代，最优解是写一段短提示词，再配上大量示例。后来模型变强，大家的提示词也跟着变长，塞进越来越多规则和约束。
但到了 Fable 5，这个规律反过来了：这一代模型需要更短的提示词，示例写太多反而限制它。 他的原话是——「因为模型自己的想象力，可能比你给它的例子更强。」
他们还把提示词里大量的「不要做这个」「不许做那个」，换成了上下文引导。与其用一堆禁令去围栏，不如把背景讲清楚，让模型自己判断。
让模型「长出手」，比让它更聪明更管用
Thariq 举了个例子：一千多个宝可梦里，哪些名字是某个字母结尾的？普通模型答不利索——它记得每个名字，但做不了「倒着筛一遍」这种机械操作。
而 Claude Code 能做到：它自己写一段代码，拉名单、跑筛选，几秒出结果。模型的大脑没变，区别是你给了它一个能执行代码的工具。多一个工具，很多之前做不到的事，突然就能做了。
他的说法是：AI 变强不是匀速的，每给它一个新工具，它就在某个方向上「咔」地跳一大步。这也解释了为什么 Agent 的演进是「从只能聊天 → 有手能执行 → 能主动干活」这么一条线。
瓶颈可能不是模型，是你
能力强了，新问题也跟着来。Thariq 打了个比方：你写的提示词是一张地图，代码库和真实世界才是领地。地图没画到的地方，就是你没想到的地方。
以前模型走不远，碰到的意外少；Fable 5 能自主跑很久，一路上撞到你没在提示词里交代清楚的情况，比以前多得多。所以他说，「Fable 5 的瓶颈可能不是模型本身，是你——你得先搞清楚自己不知道什么。」
一个能直接抄的用法：让 AI 反过来面试你
这是全场最实用的一条。你把需求大概说一遍，然后让 AI 反过来面试你：连着问你几十个问题——哪些功能必须有？边界情况怎么处理？性能底线在哪？
比自己闷头写需求文档高效得多，因为 AI 大概率能问出你压根没想到的点。Claude Code 里那个弹出来让你选的「Ask User Question」功能，就是 Thariq 做的；对着它说一句「interview me（面试我）」，它就会开始摸清你到底想要什么。这个玩法在更早的模型上几乎跑不动，到这一代才真正顺手。
说点实在的
这场分享我最认同的不是「砍八成」这个数字，而是它背后的转向：过去我们默认「写得越细越可控」，现在得学会「给足上下文和工具，然后让开」。 规则堆太满，等于替一个比你更会举一反三的东西提前设了天花板。
当然，「短提示词」不是「不写提示词」——它要求你把力气从「列一堆别做什么」挪到「把背景、目标、边界讲透」，再配上趁手的工具。顺带一提，Thariq 这 20 分钟演讲的 PPT，是他前一晚用 Fable 5 花四个小时做出来的——做东西是真变容易了，但想清楚要做什么，依然是最难、也最值钱的那部分。
信息来源：Thariq Shihipar @ AI Engineer World’s Fair（2026-07-01）
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
