精简80%的系统提示词反而能提升效果

很多人习惯于把System Prompt写成一本厚厚的“操作手册”，恨不得把所有边界情况都塞进去，但实际效果往往是模型被冗长的指令搞糊涂了，导致指令遵循能力下降。Claude Code这次大砍提示词长度，本质上是在做“信息降噪”。

我想探讨的是，这种精简逻辑在小参数模型（比如 Llama 3 8B 或 Qwen 2.5 7B）上是否同样适用？

在我的实操经验里，小模型的上下文窗口虽然在扩大，但其“注意力”其实非常有限。如果提示词太长，小模型很容易出现“中间丢失”现象，或者在执行到后面指令时忘了前面的约束。

如果想尝试给自己的AI Agent做提示词瘦身，可以参考这个简化路径：

一、删除描述性废话
把“请你作为一个极其专业且细心的资深软件工程师，在回答问题时务必考虑到代码的健壮性”简化为“你是一个资深软件工程师，输出健壮的代码”。

二、用示例（Few-Shot）代替指令
与其用三段话解释输出格式，不如直接给一个正确示例。

{
  "input": "用户请求",
  "output": "标准格式结果"
}

三、结构化替代自然语言
用 Markdown 标题或简单的标签包裹指令，让模型快速定位任务目标，而不是在段落里寻找关键词。

目前看来，对于小模型，精简提示词不仅是节省 Token，更是提升指令执行成功率的关键。