3 Secret Ways Claude Code’s Creator Actually Uses It
三句話摘要
Anthropic 團隊解釋為什麼新版 Claude Code 刪除 80% 系統提示，以及如何透過「解除限制(unhobbling)」讓模型發揮全力。 新模型不需要舊指令，最大的突破是改變「如何指揮」而非「指揮什麼」——用高層級目標和驗證標準取代微管理步驟，讓聰慧的模型發揮真正的潛力。 每個模型都是不同的個性。Anthropic 在每次新模型發佈時都會重新調整系統提示、工具集和工具提示，因為過去對某個模型有效的方法對新模型可能完全行不通。Opus 5 的改進消除了許多過去需要「修正」模型行為的指令。
重點整理
重點- 1
每個模型都是不同的個性。Anthropic 在每次新模型發佈時都會重新調整系統提示、工具集和工具提示，因為過去對某個模型有效的方法對新模型可能完全行不通。Opus 5 的改進消除了許多過去需要「修正」模型行為的指令。
- 2
解除限制的概念就像教導不同程度的人。給十歲小孩需要非常具體的逐步指導，但對十年工作經驗的人給同樣指令會適得其反——反而會妨礙他們發揮專業知識。現代 AI 模型更像後者，需要高層級的方向而非微管理。
- 3
驗證是關鍵。現代提示的技巧不在於工程化詞彙，而在於設定看似稍難的任務、明確的成功標準，然後讓模型自己驗證成果。重點不再是「你怎麼做」，而是「什麼是完成」。
- 4
管理 AI 代理應該像管理人才團隊——給予方向、設定標準、讓它們思考，但保留最後的判斷權。外包思考過程，但保留對願景的理解。
實用技巧與重點
乾貨- Anthropic 在 Opus 5 發佈時刪除超過 80% 的系統提示
- Boris Churny(Claude Code 創作者)建議每隔六個月刪除 CLAUDE.md、所有技能和 hooks，測試模型表現
- 提示策略轉變：從「做 1、2、3、4 步」改為「描述任務、護欄、退出標準，讓模型自己想辦法」
- 實例對比：無技能/無 CLAUDE.md 版本的資源指南雖然格式不如有技能的版本整潔，但內容結構(使用時間戳和想法分類)反而更優
- 概念術語：「Hobbling」(限制模型) 和「Product Overhang」(模型有未被發掘的能力)
- 在 slash goals 中加入驗證標準範例：「我要的不是原型，而是經過 10 次迭代、完整 QA、明天能上市的產品」
結論
結論“新模型不需要舊指令，最大的突破是改變「如何指揮」而非「指揮什麼」——用高層級目標和驗證標準取代微管理步驟，讓聰慧的模型發揮真正的潛力。”
完整解析
詳細Anthropic 在開發 Claude Code 時有個根本的設計哲學：每個新模型都需要完全不同的對待方式。當 Opus 5 推出時，他們刪除了 80% 的系統提示——這看似違反直覺，卻反映了一個重要的真相：Opus 5 足夠聰慧，許多過去用來「矯正」模型行為的指令反而成了累贅。
講者透過教育比喻解釋這個現象。教十歲小孩製作投影片，需要極具體的指引——每一步、每個顏色、每個格式；但對十年職場經驗的人使用同樣指令，反而會綁手綁腳，妨礙他們發揮專業判斷。現代 AI 模型的進化意味著我們應該逐漸走向「高層級指導」模式。
但這不代表全面刪除所有自訂設定。講者實驗發現，當他移除所有技能和 CLAUDE.md 後，生成的資源指南格式不如以前整潔，卻在邏輯組織上更優(使用時間戳標記每個核心觀點)。結論是：不是刪除一切，而是重新思考。對於品牌指引、視覺偏好、特定工作流這類內容保留技能；但對於創意任務本身的描述應該高層級化，讓模型決定如何執行。
關鍵轉變在於驗證。Boris Churny 強調，現代 AI 工程的核心技能不再是「精妙的提示詞」，而是「如何給模型一個看似略難的任務，並讓它能自我驗證」。設定明確的成功標準、建立驗證機制、讓模型自己檢查工作品質——這比使用者重複檢查更有效。講者甚至在 slash goals 結尾加上「要求完整 QA 和 10 次迭代」這類情緒化的語言，意外地讓模型表現更好。
管理 AI 代理的原則本質上是管理人才的原則。優秀的經理不會微管理，而是設定方向、評定品質、讓團隊發揮。應該外包思考過程給代理，讓它們提出想法，但保留最終的願景理解和判斷權。關鍵是信任能力，同時維持適當的監督。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
