精简系统提示词

把系统提示词（System Prompt）砍掉 80% 竟然能提升性能，这听起来违背直觉，但 Claude Code 在 Opus 5 和 Fable 5 上的实际表现证明了：过度的指令堆砌反而会成为大模型的“认知负担”。很多开发者习惯于写极其详尽的 Prompt，试图覆盖所有边界情况，但结果往往是模型在执行核心任务时变得迟钝，甚至忽略掉关键指令。

在实际部署和测试中，这种“极简主义”的策略带来了非常明显的响应速度提升。以一个中型项目的代码重构任务为例，冗长的 Prompt 可能会导致模型在生成代码前进行过多的自我检查和冗余思考，而精简后的版本在首字响应时间（TTFT）上有了可感知的下降，且指令遵循的精准度反而更高。

如果你也在优化自己的 AI Agent 或自定义 Claude 实例，可以尝试以下这种从“指令驱动”转向“能力驱动”的精简思路：

一、 识别并剔除冗余指令
很多 Prompt 里的“请确保代码简洁”、“请尽量避免 Bug”这种描述其实是废话，因为这些是模型基础能力的一部分。真正有效的 Prompt 应该关注的是具体的约束条件。

比如，将一段 500 字的通用要求，精简为具体的配置指令：

# 冗余版：请尽量使用 TypeScript 编写，保证类型安全，不要使用 any，如果遇到不确定的类型请定义接口。
# 精简版：
strict_typing: true
disallow_any: true
prefer_interfaces: true

二、 优化上下文窗口的利用率
系统提示词占用的是上下文窗口的头部。当 Prompt 缩减 80% 后，这意味着模型在处理长代码文件时，有更多的 KV Cache 空间用来存储实际的代码逻辑，而不是在重复阅读那些重复的指令。

我在实测一个包含 15 个文件的 Bug 修复场景时，发现精简 Prompt 后的模型在定位跨文件调用链路时的准确率提升了约 12%，这说明模型能够把更多“注意力”放在代码本身而非指令集上。

三、 实操建议：如何逐步精简你的 Prompt
不要一次性全部删除，建议采用“消减法”进行迭代：

1. 建立基准线：记录当前 Prompt 下，模型完成特定任务（如：实现一个 API 接口）的 Token 消耗和执行时间。
2. 删除描述性词汇：把所有“希望能...”、“建议...”等礼貌用语和模糊描述全部删掉，改为祈使句。
3. 合并同类项：将分散在各处的格式要求合并成一个简单的 JSON 或 Markdown 列表。
4. 验证回归：运行相同的测试用例，观察模型是否出现了指令丢失。

一个典型的精简对比示例：

原版（冗余）：
> "You are an expert developer. When you write code, please make sure that it is clean and follows the PEP8 style guide for Python. It is very important that you include docstrings for every function so that other developers can understand your code easily. Also, please handle exceptions properly to avoid crashes."

精简版（高效）：

- Role: Expert Python Dev
- Style: PEP8
- Requirement: Mandatory docstrings, robust exception handling.

这种极致的精简让模型在处理 Opus 5 这种量级的模型时，能够更快速地进入状态。对于追求极致开发效率的团队来说，减少 Prompt 长度不仅能降低延迟，还能有效降低推理成本。