Claude Code 团队：过度约束让 AI 工具失效

Claude Code 团队：过度约束让 AI 工具失效 | 前端进阶之旅

Full translation

完整中文译文

Claude Code 之父：大模型是有机生物，做好 AI 产品，疏胜于堵。

每六个月，删掉你的 Claude.md，删掉你的 skills，删掉你的 hooks。

这是 Boris Cherny——Claude Code 之父给产品使用者们的建议。

在 YC 7 月 28 日新发布的访谈视频《Boris Cherny: We Cut 80% of Claude Code’s Prompt》中，Boris 热情呼吁所有做 AI 产品的人，都应该勇敢地对自己的新产品按下删除键，大刀阔斧地删除系统提示词、工具和 harness 代码。

“你应该把整个系统提示词全删掉，然后一行一行加回来，看看每一行到底有什么影响。”

这个观点背后的概念是消融实验（ablation study）。该概念贯穿了 Boris Cherny 的最新访谈，指的是在控制其他条件不变的前提下，移除、替换或关闭一个模块，比较性能、稳定性、效率或成本的变化。

访谈中，Boris 不无自豪地声称：实际上，对于 Opus 5，我们真心建议大家试试把这些东西全删掉，因为模型已经不需要了。

尽管最近经历了一些风波……用户也可以声称：“实际上，对于 Claude，真心建议把它删掉，因为我们已经不需要了。”（x）

除了“大胆删除”，Boris 在访谈中还透露了更多关于产品设计、模型使用和编程学习的思考——

本文观点出自访谈视频，阅读重点如下：

Boris 的产品迭代策略：少一点预判，多做测试
“产品悬余”：同一时期内，模型能力总会超出产品边界
“解缚”：让模型承担更难的任务，独立工作更长时间
顶尖 Claude 用户是如何使用 AI 的？
给编程学习者的 3 个建议

“今天 Claude Code harness 里的代码，几乎只剩下安全、权限和静态分析的部分。”

7 月 24 日，Anthropic 发布了关于 Claude 5 上下文工程的最新规则。其中，针对 Opus 5、Fable 5 等新模型，Claude Code 的 system prompt 被大幅精简，删除了超过 80% 的原有指令。

具体可以参考量子位文章《Claude Code 狂删 80% 提示词，Opus 5 反手加回去了》。

针对此次变化，Boris 在访谈中分享了自己的产品迭代策略：不要去猜模型需要什么指令，因为你根本猜不对。你能做的，就是一行一行地删除、测试，然后找到模型反复卡住的地方。

“你得把模型想成一个活的生物，一种更加有机的东西。每一代模型的行为都不一样，性格也略有不同。你得花时间去了解它，然后据此调整 harness。”

因此，对 Boris 而言，这更偏向“经验性”的工作，需要用科学的方法对待：不加预判地尝试，查看结果，迭代，然后重复。

而在这样一个不断推倒重来的世界里，Eval 也未必能稳定使用。尽管它确实比 harness 和 prompt 更耐用，但眼下模型进化得太快，很多时候一套评测很快就会被刷到满分。因此，需要观察模型究竟在什么地方不断挣扎，然后设计新的 Eval。

访谈中，Boris 分享了一个名为“Product Overhang”的概念。他认为，这是一种对自己做产品很有帮助的思考方式。

大模型以不连续的跳跃式速度跃迁，产品集成却以连续的增量式节奏推进。这导致模型所具备的能力，总会超出现有产品能够释放出来的边界。

Boris 举了一个例子：2024 年底 Sonnet 3.5 刚推出时，这个模型就已经能够一次性写出整个文件的代码。但当时的编程产品 Copilot 和早期版本的 Cursor，还在做补全代码这样的小事。

拥有完整终端权限的 Claude Code，在一定程度上弥补了这种差距。这也是 Boris 提出的第二个概念——“Unhobbling”，即解缚、拿掉限制。

他分享了 Anthropic 内部的一个案例：有人尝试为 Opus 5 接入 OpenCV（全球最大的开源计算机视觉库），结果发现模型能够自己画出人物肖像、动物和风景，而在此之前，他们从未训练过模型画画。

这就是“模型激发”（model elicitation）：在不改变模型权重的前提下，通过提示词、上下文、工具或产品形态的设计，让模型表现出它本已具备、但此前未被调用的能力。

尽管这里或许还存在一个疑问：应该如何归因？究竟是模型被激发出了原本就具备的能力，还是模型因为“脚手架”的设计而学会了新技能？

不过，这或许并不重要。不管怎样，Boris 毫不怀疑其中蕴藏着巨大的商业机会：

我不是说所有创业公司都能抓住它。但我知道有人正在思考这些问题。这里真的有巨大的机会，可以从模型身上激发出那些令人惊叹、有趣，而且具有商业价值的行为。

为此，Boris 提出了三条他自己的模型“解缚”方法。

第一，交给模型比你想象中更难的任务。清楚描述目标、边界和退出条件，然后放手。

第二，多做实验。允许模型进行一些没有明确商业目的、但很好玩的尝试，“给自己自由，去玩模型，去做有创意的事”。

第三，让模型自己验证成果。如今的重点已经不再是“prompt engineering”，真正的问题在于：“当你给 Claude 分配了一个非常困难的任务之后，怎样让它在执行过程中验证自己完成的工作？”

Boris 认为，第三点可能是如今大家做得最不尽如人意的一件事。因为如果模型无法自行验证任务，它就无法长时间独立运行。

Boris：“好吧，我要你做的是——把 Electron 应用重写成 Swift。我要你在 Mac 虚拟机里运行 Electron 应用，截屏，然后逐像素对比，跟 Swift 版本比，没做完就不要停。”

主持人：这就是你的 prompt？

Boris：这就是我的 prompt。

主持人：跑了多久？

Boris：还在跑。

主持人：什么时候开始的？

Boris：已经跑了两个多星期了，大概 14 天、15 天吧……Claude 还决定做直播。它所做的事情，是在内部建了一个 Slack 频道，然后每隔几分钟就发一张进度截图。

那么，Boris，我们怎样才能像你一样用好 Claude 呢？

Boris 表示，最重要的是不要听 LinkedIn 上那些网红说的话，也不要刷 Twitter。

关于使用 AI，“每个人都在寻找那种‘奇技淫巧’。但根本不存在那种东西。没有那种东西。”

他建议大家以经验主义的方式对待模型：忘掉过去使用旧模型的经验，也忘掉课堂上学到的计算机科学理论，直接观察模型在哪里卡壳，然后针对性地进行调整。

所以，它已经不是一门理论科学，而是变成了一门经验科学。我觉得，那些特别擅长放下自己的先验、放下那些“以前不行”的想法，并且愿意再试一次的人，会非常、非常成功。

更重要的是保持一种心态：放下自己对模型的“控制欲”，像对待同事一样与模型相处。不要过度指定，不要提出过于具体的要求，也不要试图让模型完全按照你自己的方式完成任务。因为“模型不是那样工作的”。

对于那些仍在学习编程的人，Boris 呼吁，不要只学习纯粹的计算机科学理论，还要学习如何应用。例如，他本人最初学习编程的动力，就是为了在数学考试中作弊。

通常，这关乎创业，关乎做产品，关乎培养你自己的设计感和商业感；学会如何做数据科学，学会如何与用户对话……当你把这些能力与计算机科学、工程结合起来时，它们才会变得真正有价值。

总之，“先做自己想要的东西，再升级去做别人想要的东西”。

北大「双菲」：天才们的鲜活人生
2026-07-24

这两天的 Claude Code，已经接近“不可用”的状态。