程浅 发自 凹非寺
量子位 | 公众号 QbitAI
每六个月，删掉你的 Claude.md、skills 和 hooks。
这是"Claude Code 之父”Boris Cherny 给 AI 产品开发者最核心的建议。在 YC 最新发布的访谈中，他呼吁从业者对新产品勇敢按下“删除键”，大刀阔斧地精简系统提示词、工具及脚手架代码。
△ Boris Cherny 最新访谈截图
“你应该把整个系统提示词全删掉，然后一行一行加回来，验证每一行的实际影响。”
这一策略的核心是消融实验（ablation study）：在控制其他条件不变的前提下，移除或关闭特定模块，以观测性能、稳定性、效率及成本的变化。Boris 自豪地表示，对于 Opus 5 等新模型，许多旧有的指令已不再必要。
除了“大胆删除”，Boris 还分享了关于产品设计、模型应用及编程学习的深度思考：
本文核心观点：
1. 迭代策略：少预判，多测试
2. “产品悬余”：模型能力常超前于产品边界
3. “解缚”思维：赋予模型更难任务与更长独立工作时间
4. 顶尖用户如何驾驭 AI
5. 给编程学习者的三条建议
“模型是活体生物，拥有独特性格”
“如今 Claude Code 的脚手架代码，仅保留安全、权限和静态分析部分。”
Anthropic 近期针对 Opus 5 等新模型大幅精简了 Claude Code 的系统提示词，删除幅度超过 80%。对此，Boris 强调了其独特的产品迭代哲学：不要猜测模型需要什么，因为永远猜不对。
唯一的办法是逐行删除并测试，定位模型反复卡壳的节点。“必须将模型视为一种有机的生命体。每一代模型的行为模式和‘性格’均有差异，开发者需花时间了解它们，并据此调整架构。”
△ 该图片系 AI 合成
这是一种基于经验科学的迭代过程：不加预判地尝试、观察结果、持续优化。在模型快速进化的当下，传统的评测（Eval）往往迅速失效，开发者更应关注模型在具体任务中的挣扎点，从而设计新的评估标准。
核心思维：悬余与解缚
Boris 提出了两个关键概念："Product Overhang"（产品悬余）与"Unhobbling"（解缚）。
所谓“悬余”，是指大模型能力呈跳跃式跃迁，而产品集成多为增量式推进，导致模型潜能往往超出当前产品的释放边界。例如，Sonnet 3.5 发布时已具备全文件编写能力，但当时的 Copilot 等产品仍局限于代码补全。
Claude Code 通过赋予完整终端权限，在一定程度上弥补了这一差距。而“解缚”则是进一步拿掉限制，激发模型潜能。
△ 给大模型解缚（图片系 AI 生成）
Anthropic 内部案例显示，当为 Opus 5 接入 OpenCV 库后，未经专门绘画训练的模型竟能自主绘制肖像与风景。这种“模型激发”（model elicitation）现象表明，通过巧妙的上下文与工具设计，可调用模型潜在能力。
Boris 坚信其中蕴含巨大商业机会，并提出了三条“解缚”方法论：
第一，分配超越预期的困难任务。明确目标、边界与退出条件后，充分放权。
第二，鼓励探索性实验。允许模型进行无明确商业目的但具创意的尝试，保持自由度。
第三，建立模型自我验证机制。当前的瓶颈不在于提示词工程，而在于如何让模型在执行高难任务过程中自主验证成果。若无法自我验证，模型便难以实现长时间独立运行。
△ 该图片系 AI 生成
Boris 分享了一个实证案例：他要求模型将 Electron 应用重写为 Swift，并在 Mac 虚拟机中通过截屏进行逐像素对比，未完成则不停止。该任务已持续运行两周，模型甚至自主建立了 Slack 频道直播进度。
给开发者与创业者的实用建议
针对如何高效使用 AI，Boris 的建议直击要害：忽略社交媒体上的“奇技淫巧”。
他指出，AI 应用已不再是理论科学，而是经验科学。成功的关键在于放下对旧模型的刻板印象和教科书式的计算机理论，直接观察模型表现并针对性调整。
那些擅长放下先验认知、摒弃“以前不行”的固有思维、愿意不断重试的人，将获得巨大成功。
此外，需调整心态，放下过度的“控制欲”。将模型视为同事而非执行指令的工具，不过度指定细节，尊重其独特的工作方式。
对于编程学习者，Boris 强调应用重于纯理论。他将计算机科学知识与产品设计、商业洞察及用户需求相结合，认为这才是价值的真正来源。
“先做自己想要的东西，再升级去做别人想要的东西。”