## 一、Anthropic 的官方实践：不是比例，是范式转移

2026 年 7 月，Anthropic 发布了一篇题为《The new rules of context engineering for Claude 5 generation models》的文章。文中披露了一个让很多人意外的事实：面向 Claude Opus 5 和 Claude Fable 5 这一代模型，他们删除了 Claude Code 中超过 80% 的系统提示词，而编码评测没有出现可测量的性能下降。

这个结果很醒目。但工程团队最不该做的，就是回到自己的 Agent 仓库后也设一个“删 80%”的目标。

官方说的是 Claude Code 在特定模型、特定评测上的结果——Anthropic 自己复盘发现，团队为旧模型精心调优的提示词，在新模型上反而成了障碍。对自建 Agent 来说，真正可复用的方法不是比例，而是三件事：找出上下文从哪里来，识别同一请求里互相争夺优先级的规则，再用回归样本证明删除没有破坏行为。

上下文工程和写 Prompt 有一个结构性差异：Prompt 面向单次任务，而上下文会被大量请求反复复用。要复用就意味着上下文不能写得太具体，否则在下一个任务中它会变成噪音甚至干扰。Anthropic 提出的核心转向是“瘦提示-厚工件-瘦技能”——强调模型自主判断、渐进披露与高保真参考。

---

## 二、第一步：不是数 token，而是建立上下文清单

一次请求拿到的内容通常不止用户提示。Anthropic 列出的来源包括 system prompt、Skills、CLAUDE.md、memory 和其他材料。工具定义、动态检索的参考文件、会话历史，也可能在运行时进入上下文。只检查一个 CLAUDE.md，很容易漏掉真正重复的地方。

可以先建立一份可追踪清单：

| 字段 | 说明 |
|---|---|
| `context_id` | 规则或资料编号 |
| `source` | system / CLAUDE.md / skill / tool / memory / reference |
| `load_time` | 常驻 / 命中条件后加载 / 工具调用后返回 |
| `applies_to` | 适用任务与目录 |
| `owner` | 维护人 |
| `risk_if_missing` | 删除后最坏后果 |
| `duplicate_with` | 语义重复项 |
| `conflicts_with` | 冲突项 |
| `evidence` | 为什么必须存在 |

清单的价值不在文档整齐，而在于能解释一条规则为何每次都要占用上下文。像“项目只能在某个文件维护类型”这样的仓库特殊约束，模型未必能从目录中自行推断，适合保留。至于“先阅读代码再修改”之类模型本就能按任务判断的常识，如果没有失败证据，就应进入待删列表。

---

## 三、画冲突图：把互相打架的规则找出来

接下来画冲突图。把语义相反或边界重叠的规则连线，并标注来源。

Anthropic 在复盘内部 Claude Code transcript 时发现，同一轮请求里经常同时出现类似这样的冲突指令：

- system prompt 要求“适当补充文档”
- Skill 又说“禁止添加注释”
- 用户请求可能还明确要求补说明

单看每一条规则，它们都有存在的合理性。但约束规则的来源和层级不同，组合在一起后就容易产生冲突，这时候就需要模型在这些冲突中选择执行哪些规则。模型不是完全听不懂，而是先要在互相打架的规矩里做取舍，注意力被消耗在“听谁的”上，而不是“把任务做对”。

这些规则在旧模型阶段确实有用——它们能很好地避免模型随意修改文件、删除内容。这种牺牲一部分灵活性的取舍在当时是合理的。但随着模型判断能力的提升，同样的约束开始产生负收益。现在的模型已经能够从代码环境、用户目标和项目已有习惯中判断应该如何处理任务，过于硬性的规则反而限制了它做出更恰当选择的空间。

举个例子，过去的约束可能是“默认不要写注释，不要创建多段文档，不要生成规划文件”。现在更合适的写法是：“编写符合当前代码风格的代码，包括注释密度、命名方式和已有的代码习惯”。前者规定了具体行为，后者提供了目标和判断依据。

---

## 四、删除规则要绑定回归样本，而不是凭阅读感受

不要一次清空大文件。先按风险分组：

- **低风险**：重复说明和过时示例，可优先处理
- **中风险**：代码风格偏好，需要仓库样本验证
- **高风险**：安全、权限、数据和合规约束，最后处理并要求责任人审批

每次删除一组，记录上下文版本，再运行固定样本集。

回归集至少覆盖四类任务：

1. 常规修改
2. 需要使用工具的复杂任务
3. 曾经触发规则的边界任务
4. 规则之间可能冲突的任务

比较的不只是最终答案，还要记录：模型是否选对文件、是否调用正确工具、是否越权、测试是否通过、人工纠正了几次。

一个删除记录可以长这样：

```
change_id: ctx-2026-07-27-03
removed: system.md 第 42-58 行的三个工具示例
reason: 参数枚举已在工具 schema 中表达
cases: tool-01, tool-07, permission-03
result: 12/12 通过，工具误用 0 次
rollback: 恢复 context-v18
```

这里体现了官方“从示例转向接口”的建议。新模型不一定需要一组固定调用示例；清楚的参数名、枚举值和状态约束，本身就能表达使用边界。但如果你的工具接口含糊，直接删除示例只会暴露接口问题。此时应该先改 schema，而不是要求模型“更聪明一点”。

---

## 五、把常驻说明改成按需加载，还要测能否找得到

Anthropic 的另一个方向是**渐进披露**：代码审查、验证等详细材料不再全部塞进 system prompt，而是放进可按需调用的 Skills。团队可以据此把大段领域知识拆到独立参考文件，不过拆出去不等于问题解决。

每个按需材料都应有触发线索：

- CLAUDE.md 可以简短说明仓库用途和真正的 gotcha，并指向验证 Skill
- Skill 说明何时使用、输入是什么、结果应留下什么证据
- 长规范放到 references 中

测试时加入“应该加载”和“不应该加载”两组样本，观察命中率、误加载率及任务失败情况。

Anthropic 还把这些实践放进 Claude Code 的 `/doctor`，用于调整 Skills 与 CLAUDE.md 的大小。它适合作为发现入口，不是变更审批器。工具能提示过长和可能过度约束，却不知道哪条规则承载了公司的审计责任。

---

## 六、Context 与 Harness 的分层：别把闸门和窗口混在一起

讨论精简时，很多人把“给模型看的字”和“卡住模型的闸”混在一起。这两层目标不同：

- **Context（上下文工程）** 回答：这一步它该看见什么。包括仓库说明、任务描述、相关文件、记忆、Skill 索引、工具名。优化目标是：相关、及时、可负担。窗口是工作内存，不是档案室。

- **Harness（运行约束）** 回答：它做完以后，环境凭什么相信。包括类型检查、测试、lint、沙箱权限、危险命令拦截、人工审批点、失败回流。优化目标是：可重复、难绕开、不依赖模型自觉。

Claude 5 代把大量口头规则撤出 Context，并不证明 Harness 层可以放松。相反，模型判断空间越大，外部校验的确定性就越重要。

---

## 七、上下文瘦身完成的标志

上下文瘦身完成的标志，不是 token 曲线下降。

更可靠的交付物是：

1. **一份来源清单**——知道每一条规则从哪里来、为什么存在
2. **一张冲突图**——识别并解决了规则之间的重叠与矛盾
3. **一组带版本的回归结果**——每次变更都有样本证明行为没有退化
4. **可执行的回滚路径**——出问题能快速恢复到上一个已知良好状态

删得少但冲突消失，比追到某个百分比更有工程意义。

---

## 八、关于接入渠道的补充说明

除了通过 Anthropic 官方渠道直接接入 Claude API 之外，目前也有一些已完成 ICP 备案的第三方聚合服务平台提供 Claude 5 系列模型的接入能力。这类平台通常以统一网关的形式，将多个模型供应商的接口收敛到一致的接入地址和鉴权体系下。

以星链 4SAPI 为例，该平台目前已聚合数百种 AI 模型，覆盖 GPT、Claude、Gemini 以及 DeepSeek、GLM、Qwen、Kimi 等多个模型家族。其核心接入逻辑是一套凭证在多个模型之间切换，无需为不同模型分别更换访问配置。

在协议兼容层面，该平台同时支持 OpenAI、Anthropic、Gemini 三套协议体系。开发者既可以用 OpenAI SDK 调用 Claude、Gemini，也可以用 Anthropic SDK 反向调用 GPT、GLM，返回结构与对应原生协议保持一致。这意味着在使用 Claude Code、Cursor、Cline 等要求 Anthropic 协议的工具时，开发者只需调整 Base URL 和 API Key 即可完成接入，无需额外适配层。配置方式通常仅需设置环境变量即可完成对接。

在合规层面，该平台已完成 ICP 备案、EDI 许可、网络安全等级保护认证及算法备案。对于有企业级审计需求的团队，平台支持对公转账并可开具合规增值税发票，同时提供细粒度的权限划分与全链路调用审计。

---

**官方来源**：*The new rules of context engineering for Claude 5 generation models*（Anthropic，2026-07-24）

2026 年 7 月，Anthropic 发布了一篇题为《The new rules of context engineering for Claude 5 generation models》的文章。文中披露了一个让很多人意外的事实：面向 Claude Opus 5 和 Claude Fable 5 这一代模型，他们删除了 Claude Code 中超过 80% 的系统提示词，而编码评测没有出现可测量的性能下降。

Claude 5 上下文怎么瘦身：先画冲突图，再做逐项删除回归

2026 年 7 月，Anthropic 发布了一篇题为《The new rules of context engineering for Claude 5 generation models》的文章。文中披露了一个让很多人意外的事实：面向 Claude Opus 5 和 Claude Fable 5 这一代模型，他们删除了 Claude Code 中超过 80% 的系统提示词，而编码评测没有出现

人工智能

开发工具

架构设计

Anthropic优化Claude5模型提示词策略，删除80%系统提示词仍保持性能。核心转向"瘦提示-厚工件-瘦技能"，强调模型自主判断与渐进披露。通过建立上下文清单、识别规则冲突、绑定回归样本等方法实现高效优化。第三方平台如星链4SAPI提供合规接入Claude5的解决方案，支持多协议兼容与企业级审计需求。

上下文工程

网络安全

代码解释

DeepSeek

Agent

2026上云采购 | AI焕新·智启新局

apigw

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Claude 5 上下文怎么瘦身：先画冲突图，再做逐项删除回归-腾讯云开发者社区-腾讯云

Claude 5 上下文怎么瘦身：先画冲突图，再做逐项删除回归

Claude 5 上下文怎么瘦身：先画冲突图，再做逐项删除回归

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐