每六个月，删掉你的 Claude.md，删掉你的 skills，删掉你的 hooks。

这是 Boris Cherny —— Claude Code 之父给产品使用者们的建议。

在YC7 月 28 日新发布的访谈视频《Boris Cherny: We Cut 80% of Claude Code ’ s Prompt》中，Boris 热情呼吁所有做 AI 产品的人都应该对自己的新产品勇敢按下删除键，大刀阔斧地去删除系统的提示词、工具、harness 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，看看每一行到底有什么影响。"

这个观点背后的概念是消融实验（ablation study），该概念贯穿了 Boris Cherny 的最新访谈，旨在控制其他条件不变的前提下，移除、替换或关闭一个模块，去比较性能、稳定性、效率或成本的变化。

访谈中 Boris 无不自豪地声称：实际上对于 Opus 5，我们真心建议大家试试把这些东西全删掉，因为模型已经不需要了。

尽管最近的风波……用户也可以声称，" 实际上对于 Claude，真心建议把它删掉，因为我们已经不需要了。"（x）

除了 " 大胆删除 "，Boris 在访谈中还透露了更多关于自己对产品设计、模型使用和编程学习的价值性思考——

本文观点出自访谈视频，阅读重点如下：

1、Boris 的产品迭代策略：少一点预判，多去做测试

2、" 产品悬余 "：同一时期内，模型能力总会超出产品边界

3、" 解缚 "：让模型做更难的任务，独立工作更长的时间

4、顶尖 Claude 用户是如何使用 AI 的？

5、给编程学习者的 3 个建议

" 模型是一种活体生物，它有自己的性格 "

" 今天 Claude Code harness 里的代码，几乎只剩下安全、权限和静态分析的部分。"

7 月 24 日，Anthropic 发布了关于 Claude 5 上下文工程的最新规则，其中针对 Opus 5、Fable 5 等新模型，Claude Code 的 system prompt 被大幅精简，删除了超过 80% 的原有指令。

具体可以参考量子位文章《Claude Code 狂删 80% 提示词，Opus 5 反手加回去了》。

针对此次变化，Boris 在访谈中分享了自己的产品迭代策略：你不要去猜模型需要什么指令，因为你根本猜不对。你能做的就是一行行去删除，去测试，然后找到模型反复卡住的地方。

" 你得把模型想成一个活的生物，一种更有机的东西。每一代模型的行为都不一样，性格都略有不同，你得花时间去了解它，然后据此调整 harness。"

△该图片系 AI 合成

因此这对于 Boris 而言是更偏向 " 经验性 " 的，需要用科学的予以对待：不加预判地尝试，查看结果，迭代，重复。

而在这样一个不断推倒重来的世界里，Eval 也未必能稳定使用。尽管它确实比 harness 和 prompt 耐用，但眼下模型进化太快，很多时候一套评测会被很快刷到满分。因此需要观察模型到底在哪不断挣扎，然后设计新的 Eval。

一种思维：悬余、解缚

访谈中，Boris 分享了一个概念叫"Product Overhang"，他认为这是一个对他做产品很有帮助的思考方式。

Overhang，什么意思？悬余。

大模型以不连续的跳跃式速度跃迁，而产品集成却以连续的增量式节奏推进。这导致模型所具备的能力总会超出现有产品所能释放出的边界。

Boris 举了一个例子：2024 年底 sonnet 3.5 刚推出的时候，这个模型就已经能一次性写整个文件的代码了。但当时的编程产品 Copilot、Cursor 早期版还在做补全代码这样的小事。

拥有完整终端权限的 Claude Code 一定程度上弥补了这种差距。这也是 Boris 提出的第二个概念 "Unhobbling"，解缚，拿掉限制。

△给大模型解缚（图片系 AI 生成）

他分享了 Anthropic 内部的案例：有人尝试给 Opus 5 接入 OpenCV（全球最大开源计算机视觉库），结果发现模型能自己画出人物肖像、动物风景，而在此前他们从未训练过模型去画画。

这就是" 模型激发 "（model elicitation），在不改变模型权重的前提下，通过提示词、上下文、工具或产品形态的设计，让模型表现出它本已具备、但此前未被调用的能力。

尽管这里或许还存在着疑问：如何归因？究竟是模型被激发出了原本就具备的能力，还是模型因为 " 脚手架 " 设计而学会了新的技能？

不过这或许并不重要，不管怎样，Boris毫不怀疑此间存有巨大的商业机会：

我不是说所有创业公司都能抓住。但我知道有人在思考这些问题，这里真的有巨大的机会，能从模型身上激发出那些令人惊叹、有趣、而且有商业价值的行为。

为此，Boris 提出了三条他本人的模型 " 解缚 " 方法。

第一，给模型比你想象中更难做的任务。描述清楚目标和边界和退出条件，然后就放手。

第二，多去做实验。允许模型做一些没有明确商业目的但好玩的尝试，" 给自己自由去玩模型、去做有创意的事 "。

第三，让模型自己验证成果。如今的重点已经不是 "prompt engineering" 了，问题在于，" 当你给 Claude 分配了一个非常困难的任务之后，你怎么让它在过程中就去验证自己做的工作？"

Boris 认为第三点可能是如今大家做的最不尽如人意的一件事。因为如果模型不能自我验证任务，它就无法长时间独立运行。

△该图片系 AI 生成

他自己的例子也许能给大家启发：

Boris：" 好吧，我要你做的是——把 Electron 应用重写成 Swift。我要你在 Mac 虚拟机里运行 Electron 应用，截屏，然后逐像素对比，跟 Swift 版本比，没做完就不要停。"

主持人：这就是你的 prompt？

Boris：这就是我的 prompt。

主持人：跑了多久？

Boris：还在跑。

主持人：什么时候开始的？

Boris：已经跑了两个多星期了，大概 14 天、15 天吧…… Claude 还决定做直播，它做的事情是在内部建了一个 Slack 频道，然后每隔几分钟就发一张进度截图。

Boris 给 AI 使用者和创业者的实用建议

在访谈末尾，主持人抛出问题：

那么，Boris，我们要怎么才能像你一样用好 Claude 呢？

Boris 表示，最重要的是别去听 LinkedIn 上那些网红说的，别去刷 Twitter。

关于使用 AI，" 每个人都在找那种‘奇技淫巧’。但根本就不存在那种东西。没有那种东西。"

他建议大家用经验主义方式对待模型，忘掉过去对旧模型的经验和课堂上学的计算机科学理论，直接观察模型在哪里卡壳，再针对性调整。

所以它已经不是一门理论科学了，它已经变成了一门经验科学。我觉得那些特别擅长放下自己的先验，放下那些 " 以前不行 " 的想法，愿意再试一次的人——会非常非常成功。

更重要的是保持一种心态，那就是放下自己对模型的 " 控制欲 "，把模型当同事一样相处，不过度指定，不做太具体的要求，不试图让模型完全按照你会做的方式去做任务。因为" 模型不是那样工作的 "。

对于那些还在学习编程的人，Boris 呼吁不要只学纯计算机科学理论，要学如何应用。例如他本人最初学习编程的动力也是为了在数学考试中作弊。

通常这关乎创业，关乎做产品，关乎培养你自己的设计感、商业感，学会怎么做数据科学，学会怎么跟用户对话……当你把它们和计算机科学、工程结合起来的时候，才会变得真正有价值。

总之，" 先做自己想要的东西，再升级去做别人想要的东西 "。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见