В мире разработки ИИ произошел показательный сдвиг парадигмы. Компания Anthropic, проанализировав внутреннюю телеметрию своего инструмента Claude Code, пришла к неожиданному выводу: более 80% системного промпта, который годами считался критически важным для управления моделью, оказался не просто бесполезным, а вредным. Речь идет о фундаментальном пересмотре принципов контекст-инжиниринга для нового поколения моделей Claude.
Почему старые правила работали против нас
Проблема крылась в противоречиях. Традиционный подход предполагал насыщение модели детальными инструкциями, навыками и примерами. Однако анализ логов показал, что эти компоненты конфликтовали друг с другом. Системный промпт требовал одного, описание инструмента — противоположного, а пользовательский запрос добавлял третий, несовместимый вектор. Модель, перегруженная противоречивыми указаниями, тратила вычислительные ресурсы на попытки их согласовать, а не на решение задачи.
Ключевой инсайт Anthropic заключается в том, что новые модели Claude стали достаточно «умными», чтобы самостоятельно интерпретировать окружающий контекст. Им больше не нужны жесткие рамки и многостраничные манифесты. Вместо этого они способны принимать решения на основе минимальных, но четких сигналов. Именно поэтому компания пошла на радикальное сокращение, и, что примечательно, на внутренних тестах по программированию качество результатов не только не упало, но и в ряде сценариев возросло.
Новые правила: меньше текста, больше доверия
Новая философия Anthropic строится на четырех принципах, которые переворачивают прежние представления о промпт-инжиниринге. Во-первых, модели нужно доверять. Запреты вроде «не пиши комментарии в коде» заменяются простой рекомендацией: «следуй стилю окружающего кода». Во-вторых, примеры больше не являются золотым стандартом. Три показанных способа решения модель воспринимает как единственно возможные, что ограничивает ее креативность и адаптивность.
В-третьих, инструкции не нужно сваливать в один гигантский файл. Claude сам подтянет необходимую информацию в нужный момент, а лишние правила лишь сжигают токены и создают шум. В-четвертых, дублирование — зло. Если одно и то же правило упоминается в промпте, описании инструмента и памяти, это создает конфликт приоритетов. Теперь Anthropic рекомендует удалять все повторы, оставляя единственный, самый четкий вариант.
Отдельного внимания заслуживает совет по работе с памятью и артефактами. Вместо простых markdown-файлов, которые модель может интерпретировать неоднозначно, лучше использовать HTML и структурированные данные. Это позволяет модели быстрее и точнее извлекать нужную информацию.
Мой анализ: Этот шаг Anthropic — не просто оптимизация, а сигнал о взрослении LLM. Мы наблюдаем переход от эпохи «дрессировки» моделей с помощью жестких промптов к эпохе «наставничества», где ключевую роль играет доверие к рассуждениям модели. Для разработчиков это означает, что пора пересмотреть свои CLAUDE.md и системные промпты, оставив лишь самое важное. В противном случае вы не просто тратите токены, но и активно мешаете модели работать на полную мощность. Это урок, который стоит усвоить всем, кто строит агентные системы на базе современных ИИ.