你以为把 AI 调教好，靠的是给它写更多规矩。
上周日，我让 Claude 数了一下我写给它的那份写作技能文件。23899 个汉字，1726 行。「禁止」「绝不」「严禁」「禁用」「禁区」这几个词加起来，一共出现了 84 次。
我盯着那个 84 看了挺久。
这份文件是我从今年 4 月开始一点点不断调整优化做出来的。100 问访谈拆出来的声音档案，7 个反 AI 检测的武器，4 道发布前自检，15 条永远要做，15 条永远别做。每一条都是我踩过坑之后加上去的。我一直觉得这是我比较重要的一块数字资产。
然后 Claude 顺手报了另外几个数字。说实话，看完不太好受。
这份文件的硬规则第 20 条写着「禁止破折号」。而它自己，用了 93 次破折号。
「不是 A 而是 B」这个句式该出现几次，同一份文件里给了两个不同答案。第三部分写「超过 1 次就要删」，第四道自检写「超过 2 次要精简」。
专有名词的密度，全文标准是每 500 到 800 字至少 1 个，首段标准是每 50 字至少 1 个。差了十几倍，但整份文件里没有一句话解释为什么首段要高这么多。
坦白讲，这些矛盾不是 AI 造成的，是我自己一层一层加上去的。我每次改稿不满意，就往文件里再补一条规则。补到第 84 条的时候，我已经忘了第 12 条说过什么。
Anthropic 五天前干了一件反直觉的事
上周五，Anthropic 官方博客发了一篇文章《The new rules of context engineering for Claude 5 generation models》。作者是他们自己的技术人员 Thariq Shihipar。
这是一篇写给开发者的英文技术文档，我替你读完了，你不用再去花时间。
文章开头就一句话：他们把 Claude Code 的系统提示词删掉了 80% 以上，在编码评测里没有出现明显的性能下降。
不是删掉冗余的废话，是删掉了他们过去几年精心积累的、被验证有效的约束。
原因很简单，他们在内部使用记录里发现，同一个请求中同时存在互相冲突的指令。一条说「酌情保留文档」，另一条说「不要添加注释」。模型收到这两条，得先花算力去调解它们，才能开始干活。
这跟我那份 23899 字的文件是同一个病症。
我的理解是，Opus 5 这一代模型的判断力，已经越过了某个门槛。过去你必须把手把手的规则写死，因为它不会看语境，而现在它会了。如果你还在写死规则，等于把一个能自己判断的资深顾问，当成了实习生使唤。
原文给了六组对照，讲从旧做法转到新做法。这六组本来是给写代码的人看的。我花了一晚上，把它逐条翻译成了独立顾问的场景。在此分享给大家。
1. 别再给 AI 写死流程
原文的旧做法： 默认不写注释。永远不写多段落文档字符串或多行注释块，最多一行短注释。
原文的新做法： 写与周围代码相匹配的代码，匹配它的注释密度、命名和习惯用法。
看出区别了吗。旧做法在规定动作，新做法在描述环境。
翻译到我们这行：你给 AI 写「第一步做背景分析，第二步列三个假设，第三步给建议」，这是规定动作。你写「这份东西是给一家 800 人制造业公司的 CEO 看的，他上一份类似材料退回过一次，嫌太学术，他要的是能在周一早会上直接讲的东西」，这是在描述环境。
后者的产出质量，我自己的感受是高一个数量级。
我见过太多顾问，在客户那儿做的是一模一样的事。给客户团队写 SOP，写到「第一步打开系统，第二步点击左上角」这个颗粒度，写完还挺自豪，觉得这叫交付扎实。
结果是什么。团队照着做，做对了不知道为什么对，做错了不知道错在哪儿。SOP 覆盖不到的场景一出现，全部卡死，然后打电话给你。
（写到这儿我得承认一件不太光彩的事。我早年在美菜做企业大学的时候，写过一份 40 多页的内部带教手册，细到每个环节的话术模板。当时觉得这是我的心血。现在回头看，那份手册的真正作用，是让新主管们停止了思考。）
本质上，规则的密度和判断力的空间，是一个跷跷板。 你按下去一头，另一头必然翘起来。对 AI 是这样，对客户团队也是这样。
今天可以做的事： 打开你的 AI 项目指令，把所有「第一步、第二步」的流程描述，改写成「这件事发生在什么场景里、给谁看、上一版被否掉在哪儿」。
2. 范文不如模板结构
原文的旧做法： 给工具的使用方式提供示例。
原文的新做法： 把精力放在工具、脚本和文件本身的设计上，让参数更有表达力。
原文举了一个例子。一个待办事项工具，它的状态枚举只有三个值：待处理、进行中、已完成。光是这三个值本身，就已经告诉模型该怎么用它了，不需要额外写一段说明。
我第一次读到这里，脑子里蹦出来的是艾伦·韦斯的三选项报价。
你给客户的提案，如果是「诊断服务 / 项目工作坊 / 战略陪跑」这三档，客户不用你解释，他自己就知道该怎么选，因为这三个词本身携带了信息：深度不同，投入不同，解决的问题不同。
反过来，如果你的提案是「咨询服务，报价 30 万」，然后附上五页说明来解释这 30 万包含什么，那你就是在「提供示例」，而不是在「设计接口」。
这条翻译到 AI 协作上，就是：别再往项目指令里塞范文了，去改你的模板结构。
我举个我自己的例子。我以前给 AI 写组织诊断报告，会附三份历史报告让它模仿。产出的东西永远像那三份的平均值，平庸得很。后来我不给范文了，我把诊断报告的字段结构改了：「现象层 / 机制层 / 根因层 / 干预点」，每个字段下面写一句这个字段该回答什么问题。
产出立刻不一样了。因为字段名本身在传递我的方法论，而范文只在传递我的句式。
就像我在前面的文章《如何重新设置 Claude Cowork，之前我错了｜Consult With AI》里提到的，我已经把之前建的文件夹和文章范例都删掉了。
今天可以做的事： 找出你最常用的那个交付模板，看它的一级标题。如果标题是「背景」「现状」「建议」这种空壳，你就还在靠范文说话。把标题改成携带判断的词。
3. 分层加载
这一条是全篇最重要的，也是我这周真正想说的那件事。
原文的旧做法： 系统提示里包含了代码审查和验证的全部细节，哪怕并不总是需要。
原文的新做法： 把验证和代码审查移到独立的技能里，模型需要的时候自己去调用。原文管这个叫「渐进式披露」。
它甚至提到，工具的定义也可以延迟加载，代理必须在使用之前先去搜索它的完整定义。CLAUDE.md 和技能文件应该用文件树的方式组织，在合适的时刻才加载相关信息。
我这才意识到，我那份 23899 字的 SKILL.md 文件，是把所有东西一次性塞给模型的。即使只是写一篇朋友圈改写，它也得先读完 7 个武器和 4 道自检。
这就好比你去问一个人「今天几号」，他先把日历的编制原理给你讲一遍。
回到独立顾问的工作场景中，也是如此。
你想想一场标准的方法论导入。你准备了 120 页 PPT，把整套框架从底层逻辑到落地工具一次性讲完。客户团队全程点头，会后合影。
三个月后你回访，发现什么都没落地。
不是他们不认真。是你一次性给了他们 120 页，他们的工作记忆装不下。等到真正需要用某个工具的那一刻，他们想不起来它在第几页，于是放弃，回到原来的做法。
突然想到，老麦前几天给我的留言，也让我在复盘第一期「外贸创始人 AI²研习社」课程中有了非常好的反馈与客户视角。
所以，新的做法是需要分层加载。你手上那套东西，不该是一个大而全的文件包，该是一棵逻辑树。
树干是一页纸的索引，说清楚三件事：这套东西是干什么的、边界在哪儿、什么情况下走哪条分支。
树枝是一件事一个文件。做访谈编码的时候只调访谈编码那一份，做汇报的时候只调汇报那一份。
树叶是真实样本。不是描述，是能直接看的成品。
我从 5 月开始把自己的知识库按这个结构重做，现在已见初效，5 个仓库联动分别行使不同职能。已经拆完的那部分，AI 的产出稳定性明显上来了，因为它不用在 23899 字里找那 800 字。
（顺便说一句，Claude Code 里有个 /doctor 命令，是他们专门做来帮你简化技能和 CLAUDE.md 文件的。我已经把自己的系统提示词与全局 CLAUDE.md 文件进行了优化与升级）
今天可以做的事： 把你最长的那份 AI 指令文件打开，问自己一句：这里面有多少字，是 90% 的任务都用不上的。用 /doctor 做个体检，然后快速优化调整。
4. 你不在场，别人能用对吗
原文的旧做法： 在系统提示里反复重复指令和示例。
原文的新做法： 删掉重复的示例，把工具的使用说明放进工具本身的描述里。
规则应该待在它该待的地方。这个模板怎么用，写在模板文件的第一屏，而不是写在你的全局指令里。这份诊断问卷的填写口径，写在问卷的题头，而不是靠你在启动会上讲一遍。
我曾经很享受「靠我在场讲解」这件事。
客户每次拿到我的工具包，都得开个会让我过一遍口径。我当时的感觉是被需要，是不可替代。现在我知道那叫什么，那叫我把说明书装在自己脑子里，然后按次收费。
艾伦·韦斯在《咨询顾问的商业思维》里说过，独立顾问的最高境界，是让自己变得不再被需要。
判断标准其实特别简单：你交出去的东西，在你不在场的情况下，能不能被正确使用一次。
不能，说明你还在做编外干部。
今天可以做的事： 挑一份你最常给客户的工具或模板，把使用口径写进文件本身。写完之后发给一个没参加过启动会的人，看他能不能用对。
5. 记录要发生在过程中
原文的旧做法： 鼓励用户用 # 快捷键手动把内容存进 CLAUDE.md。
原文的新做法： 模型在工作过程中自动保存跟工作和用户相关的记忆。
这条对我们的启发不在技术，在动作发生的时机。
手动保存的问题不是麻烦，是它永远滞后。你干完活，累了，想起来该记一下，于是记了一条摘要。摘要里丢掉的，恰恰是最有价值的那部分：客户当时的原话、他脸上的表情、他犹豫了几秒。
现在的做法是：诊断访谈的时候我不写纪要，在征求客户同意后，我用 Plaud 录原话（之前用的钉钉 A1，出差深圳时朋友种草我立马就买了）。回来之后再让 AI 从原话里做编码，而不是从我的总结里做。因为我的总结已经加了一层我的解释，AI 拿到的是二手货。
这个动作跟原文说的自动记忆是同一个逻辑：让记录发生在过程中，而不是发生在事后。
今天可以做的事： 下一次客户访谈，把「我的会议纪要」和「原话逐字稿」分成两个文件存。三个月后你会发现，你反复回去翻的是后者。
6. 禁令不如样本加标准
原文的旧做法： 用简单的 markdown 文件写规范。
原文的新做法： 用 HTML 工件代替 markdown 计划，用代码形式的规范和详细测试套件代替简单描述，引入「评分标准」，让模型通过动态工作流去验证特定领域的品味。
原文里有一句话我抄了下来：HTML 模型通常比设计描述或者截图，产生更好的结果。
因为高保真的参考物，比精确的描述有效。我现在所在的课程和分享内容，都是 html 格式，而且修改也非常方便，还不担心对方电脑打开字体、图片会变格式。
现在回到我那份 23899 字的文件。它的最底下，藏着一句话，是我当初写的试金石：
这听起来像 Danny 真的会写的东西吗？还是像一个 AI 在努力模仿 Danny？
27 个字。
我现在的判断是，这 27 个字，比它上面那 84 处「禁止」加起来都管用。
因为 84 条禁止只能防止最差的情况，它定义的是「不烂」。而这一句试金石定义的是「好」。原文管这个叫评分标准，我通常把它理解为品味。
品味没法用禁令传递，只能用样本加标准传递。
我接触的企业里，有不少是去学习华为、胖东来，然后把价值观写成 20 条行为准则，最后大多变成了墙上的口号。而那些真正把文化践行在员工日常行为中的，靠的是几个被反复讲述的真实故事，加上一句所有人都记得住的什么是倡导的行为判断标准。
今天可以做的事： 把你 AI 指令里的禁令段落整段删掉，换成三样东西：两到三份你亲手写的、你自己满意的真实成品，一句「什么样算好」的判断标准，以及一句「什么情况下必须停下来问我」的边界。
我上周试了一次，产出比之前那版好。这个结论我只跑了一次，样本量不够，你自己试完再下判断。
写到这儿我得停一下，讲一件跟方法论没什么关系的事。
今年 4 月 20 日和 21 日，连着两天，我做了 Claude 100 问的访谈。然后形成了那份声音档案，第二天又把反 AI 手册升到了 v2.1。
那两天我状态比较差。我记得当时写下了一句话，后来它成了那份文件的开头之一：
即使 AI 再懂我，它也只能知道我的过去，并不知道此刻与当下我的情绪与思想。
我当时以为这句话是在给 AI 划边界。
现在我知道，那两天我做的所有事，本质上都是同一个动作：我在怕自己被稀释掉。
怕写着写着，文章里的那个人不再是我。所以我拼命往文件里加规矩，加到 84 条。每加一条，我心里就踏实一点。
但踏实是假的。规矩加到 84 条的那一刻，我已经不知道哪一条是真的重要了。真正让我不被稀释的，从来不是那 84 条禁止，是那 27 个字的试金石，以及试金石背后我真的付过代价的那些事。
哎，绕了三个月，又绕回到原点。
我见过太多独立顾问，AI 工具订阅了一堆，什么 WorkBuddy、Codex、Claude Code，课也报了不少，但真正用在交付流程里的能力连一半都不到。问题从来不是工具不够，是没人告诉你这些东西该怎么组织。
如果你想少交这种冤枉学费，可以关注我这个专栏「Consult With AI」，或者直接找我聊聊。
你的知识资产该长成什么样
把这些合并起来，落到一件事上：重建你的知识资产结构。
我现在用的是三层。
第一层，一页纸的索引。 只写三件事：这套东西解决什么问题、边界在哪儿、什么情况下走哪条分支。控制在 500 字以内。超过 500 字，说明你自己还没想清楚。
第二层，按需加载的技能。 一件事一个文件。访谈编码一个，诊断报告一个，提案结构一个，公众号写作一个。彼此不引用，各自能独立跑。索引里只留一行指路，不留内容。
第三层，高保真样本加评分标准。 每个技能配两到三份真实成品，加一句「什么样算好」。不写禁令，写标准。
这个结构对 AI 有效，对客户团队同样有效。它们失效的原因是同一个：一次性给太多，接收方的判断力就因为信息过载而稀释了。
今晚就能做完的三个动作
动作一，找出矛盾。 我周末就是这么干的，四条冲突，五分钟出结果。你会发现的比我多。把你的 AI 项目指令整个丢给 Claude，然后复制这段：
请通读我这份文件，找出互相冲突或重复的指令。逐条列出：冲突的两条分别在第几行、原文各是什么、它们在哪一点上打架、你建议保留哪一条以及为什么。只报告你能指出行号的，找不到就说没有，不要推测。最后告诉我，这份文件里有多少字是 90% 的任务都用不上的，把它们按主题分组列出来。
动作二，拆索引。 把最长的那份文件拆成一页索引加若干分支文件。判断标准：如果一段内容 90% 的任务都用不上，它就该被拆出去。
动作三，换规格。 找出文件里最长的那段禁令，整段删掉，换成两三份真实成品加一句评分标准。删的时候会心疼，因为每一条都是你踩过坑加上去的。但你要问自己：这条规则，是模型真的需要，还是我需要它来让自己安心。
原文最后提到一句，说这一代模型的关键变化，是它们能更好地利用周围的上下文和判断力，很多过去必须写死的约束，现在可以删掉了。
我想说的是，独立顾问这行，客户对我们的期待也在发生同一个变化。
十年前客户买的是完整的方法论，越多越好，越系统越好。现在客户手上什么都有，AI 三分钟能给他生成一套框架。他们买的是判断力，是你知道在什么情况下不该用那套框架。
而判断力这个东西，你没法写成 84 条禁止交给别人。你只能给他真实的样本，和一句他自己能拿来用的标准。
你写给 AI 的那 84 条规矩，有几条是你自己真的付出过代价换来的？剩下的那些，是不是只是因为你还没想清楚，所以先写下来让自己安心呢？
以上，与你共勉。
—— Danny 2026.07.29 20:57 于温州瑞安
原文出处
Thariq Shihipar，《The new rules of context engineering for Claude 5 generation models》，Anthropic 官方博客，2026 年 7 月 24 日。https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models
