AIWatch.

AI Engineer World's Fair 炉边对谈，Simon Willison 主持，对谈嘉宾为 Claude Code 产品负责人 Cat Wu 和工程师 Thariq Shihipar。 https://www.youtube.com/watch?v=uU5Gv2h8-9g&t=1284s

对谈中最反直觉的部分是「Claude Code 的系统提示词被削减了 80%」，且这一变化适用于 Fable 5 和 Opus 4.8 及未来的前沿模型。

# Cat Wu 和 Thariq Shihipar 给出了几条具体经验

1. 删除示例（few-shot examples）反而更好 Thariq 直言：早期（Opus 4 时代）的模型需要大量示例，但现在"删除示例极其有效，因为模型比我们给它的示例更有创造力"。这直接击穿了几年来最主流的提示词技巧。Simon 当场承认："我给人的头号建议就是'给它示例'，如果这不再成立，我的提示词认知模型有点被打破了。"

2. 少用"不要做 X"的禁令，多给上下文 禁令对 Claude 是"非常强的冲动（strong impulse）"，一旦系统提示词里的硬约束与用户后续指令冲突，模型会陷入困惑（"技能文件说这样，系统提示词说那样"）。因此团队的方向是：更少硬约束、更多背景信息、总量更少的指令。

3. 检验每条指令是否"100% 成立" Cat 给出了一个可操作的方法论：审视提示词里每一句话，问自己"这句话有没有例外场景？"他们复盘发现很多指令只有 90% 正确——比如"前端改动后必须验证"，但如果只是改一个文案字符串、用户说"快速改一下就行"，强制验证就是错的。她的判断标准很精辟：你要把提示词想象成会被一个善意的人如何误读，然后软化措辞直到它 100% 准确——因为这段话是 100% 的时间都喂给模型的。与其规定"何时该测试"，不如直接让模型"用自己的判断力决定"。

4. 边界条件：这套做法依赖模型的判断力 Simon 点出关键前提：这是 Opus/Fable 级别模型才有的能力，一年前的模型没有这种判断力。所以对小模型（如 Haiku）仍需详细提示词——这正是"每个模型一套系统提示词"的原因。Thariq 还补充了一个反直觉观察：大模型在难题上有时反而比小模型更省 token，"前沿智能几乎任何时候都值得"。

5. "Claude 提示 Claude，一路到底 " 双方都确认：现在的好模型非常擅长写提示词。subagent 本质就是一个 Claude 为另一个 Claude 写提示词；Claude Code 的 Workflow 工具的提示词本身就是 Claude 写的。Simon 后来据此实践：他让 Fable "用自己的判断力选择低配模型跑 subagent 来干编码活"，效果良好且大幅节省了 Fable 配额。

# 对谈中的其他重要内容

Claude Tag（Slack 协作版 Claude）：默认多人协作、可主动长期监控（如自动修 bug 提 PR）、带频道级团队记忆。最惊人的数据：Anthropic 产品工程团队 65% 的 PR 已由它落地。分工：复杂任务用 Claude Code 交互迭代，例行任务交给 Claude Tag。

代码审查去人工化：核心区域仍由 code owner 人工把关，外层改动已全交自动审查。信任是花六个多月逐步建立的——每次事故都把肇事 PR 加入评测集，确保审查系统永不回退。

评测是地基：新模型靠跑完整评测集确认"严格优于上代"才能即插即用替换；除能力评测外还在建行为评测（如用户讨厌模型说"该睡觉了"）。瓶颈不是评测工具，而是构建高质量评测的技能。

Auto Mode 与安全：内部人人在用。机制是每次工具调用由 Sonnet 分类器结合对话上下文动态判断，并与沙箱联动。声称对提示词注入、数据外泄的风险"远低于人工审查"——评测数据待公布，Simon 持审慎期待。另有凭证注入模式：凭证在请求时动态注入，代理"可用而不可见"。

工程观念翻转："重写是好事"如今成立——代码库即唯一的 spec，有好测试套件就能放心重写；工程师的价值重心从执行力转向产品品味与商业判断（想法到落地已缩至一周）。

工具设计：趋势是做减法——已移除 grep/glob 改用原生 bash，保持工具少而功能互不重叠。"模型更像生物学而非物理学，工具设计是一门艺术。"

人的价值：面对被模型取代的失落感，答案是用更大的野心对冲——别只把旧工作变成一句提示词，去做以前不敢做的事。文化格言："我们不和自己谈判"，先做，让权衡自己现身。