Claude Code 砍掉 80% 系统提示词：AI 编程的"瘦身运动"开始了

一份系统提示词，能有多长

7 月中旬，有开发者在 Claude Code v2.1.212 的更新日志里发现一个不起眼的变化：系统提示词从原来的 12000 多 Token 压缩到了 2400 左右——砍掉了 80%。

这不是普通的版本迭代。系统提示词是 Agent 的"操作系统"——它定义了 Agent 如何理解任务、调用工具、处理边界情况。过去两年，各家 AI 编程工具的系统提示词越堆越长：安全规则、工具使用规范、代码风格约束、错误恢复策略……一份提示词动辄上万 Token，每次会话都要原样塞进上下文窗口。

问题在于，系统提示词是"每次调用都要付钱"的固定成本。

80% 的提示词里，藏着什么

Anthropic 没有公开被删除的具体内容，但通过对比前后版本，社区梳理出了几个主要变化：

• 冗余的安全告诫被合并。原来分散在十几个位置的"不要执行危险命令""不要修改用户未授权的文件"，被合并成一条精简的默认安全策略，靠工具层的权限控制来兜底。
• 重复的工具说明被移除。每个 MCP 工具自带描述字段，系统提示词里不再重复抄一遍使用说明。
• 过度具体的代码风格指令被删掉。比如"优先使用 const 而非 let""函数名使用 camelCase"这类约束，下放给了项目级的 .clauderc 配置文件。
• 大量的"以防万一"式指令被砍掉。那些"如果用户问 X，你应该 Y"的硬编码分支，被更通用的指令替代。

砍掉的不是废话，是"防御性冗余"——那些为了应对 1% 边界情况而让 99% 正常请求多付 Token 的内容。

这笔账，比你想象的大

系统提示词是固定开销。无论你让 Agent 写一行代码还是重构整个模块，这 12000 Token 都要原样传入。

算一笔账：一个 4 小时的编码会话，假设 60 个回合。按 Fable 5 的输入费率 $10/百万 Token，仅系统提示词一项就是：

• 旧版：12000 × 60 = 72 万 Token，约 $7.2
• 新版：2400 × 60 = 14.4 万 Token，约 $1.44

单次会话省下 $5.76。听起来不多，但乘以一个团队 50 个开发者、每天 2 个会话、一个月 22 个工作日——就是每月 $12672，一年超过 15 万美元。

而这只是系统提示词一项。如果算上 Prompt 缓存命中率提升（更短的提示词更容易命中缓存），实际节省更多。

这不只是 Anthropic 的事

Anthropic 这一刀，砍出了一个行业趋势：AI 工具正在从"堆提示词"转向"抠提示词"。

过去两年，系统提示词越长越被当作"专业"的标志。一份覆盖所有边界情况的万字提示词，意味着这个工具"想得周到"。但实际效果往往相反——过长的提示词会稀释关键指令的注意力权重，让 Agent 在简单任务上反而表现更差。

几个信号说明这个趋势已经在蔓延：

• OpenAI 的 Codex CLI 在 7 月初的更新中，也将系统提示词从 9000 Token 压到 3000 出头，策略类似：安全规则下沉到工具层，风格约束交给配置文件。
• 开源 Agent 框架如 qwen-code、OpenOcta，从一开始就把系统提示词做得很短，把具体策略放在可插拔的 Skills 和 Plugins 里。
• GPT-5.6 的三档模型设计本身就暗含了这个逻辑：Luna 用最短的系统提示词处理简单任务，Sol 才加载完整的推理策略。

开发者能学到什么

如果你在用 AI 编程，或者自己在搭 Agent 工作流，这三件事现在就值得做。

审计你自己的系统提示词

不管你写的是 Claude Code 的 .clauderc、Cursor 的 .cursorrules，还是自建 Agent 的 system prompt，打开看一遍。问自己三个问题：

1. 有没有重复内容？同一个规则在两三个地方说了好几遍。
2. 有没有"以防万一"的分支？为了 1% 的情况让 99% 的请求多付 Token。
3. 有没有本该交给工具或配置的内容？代码风格、命名规范这些，项目配置文件比提示词更合适。

把固定指令和动态指令分开

系统提示词应该是"稳定的、通用的、每次都要的"。那些因项目而异、因任务而异的指令，放进动态注入的上下文里。一个简单的判断标准：如果这条指令换个项目就不适用了，它不该出现在系统提示词里。

用 Prompt 缓存兜底，但别依赖它

Anthropic 的 Prompt 缓存确实能把重复的系统提示词成本压到 10%，但缓存有 TTL，会失效，且不是所有 API 调用都走同一个缓存实例。把提示词写短是根本，缓存是锦上添花。

降本的下一站

Anthropic 砍提示词、OpenAI 压缩 Token 消耗、开源框架从架构层面做分层——这些动作指向同一件事：AI 编程的"降本"已经从"模型降价"深入到了"工程优化"层面。

模型降价是有天花板的。一度电的成本、一颗 H200 的折旧、一个数据中心的冷却水——这些是物理约束，不是商业策略能突破的。但工程优化的空间还很大：更短的提示词、更聪明的上下文管理、更精准的任务路由。

对开发者来说，这意味着一件事：你写提示词的方式，正在直接影响你的账单。 那些把系统提示词当文档写、堆满注释和边界 case 的做法，在 Token 计费的时代是奢侈品。

Claude Code 砍掉 80% 提示词，不是偷工减料，是把该交给工具的交给工具，该交给配置的交给配置，提示词只留最核心的那一层。这个思路，值得每个用 AI 编程的开发者抄一遍作业。