Bawat anim na buwan, tanggalin ang iyong Claude.md, ang iyong skills, at ang iyong hooks.
Ito ang mga payo ni Boris Cherny—ang ama ng Claude Code—para sa mga gumagamit ng produkto.
Sa bagong interview video na ipinakilala ni YC noong Hulyo 28, na may pamagat na “Boris Cherny: We Cut 80% of Claude Code’s Prompt,” ipinaglaban ni Boris nang buong puso ang lahat ng nagpapagawa ng AI na produkto na maging tapat at mag-delete nang malakas ng mga prompt, tool, at harness code ng kanilang mga bagong produkto.
△
Dapat mong tanggalin ang buong system prompt, tapos idagdag mo muli ang bawat linya, upang makita kung ano ang epekto ng bawat linya.
Ang konsepto sa likod ng pananaw na ito ay ang ablation study, na sumasaklaw sa huling interbyu ni Boris Cherny, na naglalayong alisin, palitan, o isarado ang isang module habang pinapanatili ang iba pang mga kondisyon na pareho, upang ihambing ang pagbabago sa performance, stability, efficiency, o gastos.
Sa interview, sinabi nang may pagmamalaki ni Boris: Sa totoo lang, para sa Opus 5, nasisiyahan naming ipaabot sa inyo na subukan ninyong tanggalin lahat ng mga ito, dahil hindi na kailangan ng model.
Sa kabila ng kahuling pagkakataon... maaari rin ng mga user na sabihin, “Totoo naman na dapat i-delete ang Claude, dahil hindi na namin ito kailangan.” (x)
Bukod sa “bold delete,” nagbahagi pa si Boris ng higit pang mga pag-iisip tungkol sa halaga ng product design, paggamit ng model, at pag-aaral ng programming sa interbyu—
Ang mga opinyon sa artikulong ito ay galing sa video interview; ang mga pangunahing puntos ay: 1, Ang estratehiya ng pag-iimproba ni Boris: Mas kaunting paghula, mas maraming pagsubok; 2, “Product surplus”: Sa parehong panahon, ang kakayahan ng modelo ay laging lalampas sa hangganan ng produkto; 3, “Pagpapalaya”: Bigyan ng mas mahirap na gawain ang modelo at pahintulutan itong magtrabaho nang mas mahaba; 4, Paano ginagamit ng mga top user ng Claude ang AI?; 5, 3 mga payo para sa mga nag-aaral ng programming
Ang modelo ay isang buhay na nilalang, may sariling pagkatao
Ang code sa loob ng Claude Code ngayon ay halos nag-iisa na ang mga bahagi ng seguridad, pahintulot, at static analysis.
Iyong Hulyo 24, inilabas ng Anthropic ang mga pinakabagong patakaran tungkol sa context engineering ng Claude 5, kung saan para sa mga bagong modelo tulad ng Opus 5 at Fable 5, ang system prompt ng Claude Code ay malawakang pinasimple at tinanggal ang higit sa 80% ng mga orihinal na utos.
Maaaring tingnan ang artikulo ng Quantum Bit: “Kinansela ni Claude Code ang 80% ng prompt, binalik ni Opus 5.”
Sa pagkakasulat ng pagbabago na ito, ibinahagi ni Boris ang kanyang estratehiya sa pagpapalawig ng produkto sa isang interbyu: Huwag mong subukang manalita kung ano ang kailangan ng modelo, dahil hindi mo ito maaaring tamaan. Ang maaari mong gawin ay mag-alis nang isang linya sa isang linya, subukan, at makahanap ng mga lugar kung saan paulit-ulit na nagkakaroon ng problema ang modelo.
Isipin mo ang modelo bilang isang buhay na nilalang, isang mas organikong bagay. Ang pag-uugali ng bawat henerasyon ng modelo ay iba-iba, may kaunting pagkakaiba sa kanyang pagkatao, kailangan mong magpass ng oras upang maunawaan ito, at pagkatapos ay ayusin ang harness batay dito.
△
Kaya para kay Boris, ito ay mas “eksperyensyal” at dapat tratuhin nang may siyentipikong paraan: subukan nang walang prehensyon, tingnan ang mga resulta, i-iterate, at ulitin.
Sa isang mundo na patuloy na binabale-wala at binubuo muli, ang Eval ay hindi rin laging mapagkakatiwalaan. Bagaman mas matibay ito kaysa sa harness at prompt, masyadong mabilis ang pag-unlad ng mga modelo ngayon, at madalas na maaabot ng isang pagsusuri ang perfekto na marka sa mabilis na panahon. Kaya kailangan mong obserbahan kung saan patuloy na nagkakaroon ng hirap ang modelo, at pagkatapos ay disenyo ng bagong Eval.
Isang paraan ng pag-iisip: sobra, pagkakawala ng pagkakabindigan
Sa isang interbyu, ibinahagi ni Boris ang isang konsepto na tinatawag na “Product Overhang,” at naniniwala siya na ito ay isang napakatulungin na paraan ng pag-iisip sa paggawa ng produkto.
Overhang, ano ang ibig sabihin? Overhang.
Ang mga malalaking modelo ay lumilipad sa isang di-pagkakasunod-sunod na paraan, habang ang integrasyon ng produkto ay umaunlad sa isang tuloy-tuloy at incremental na ritmo. Ito ay nagdudulot ng sitwasyon kung saan ang kakayahan ng mga modelo ay laging lumalampas sa hangganan ng mga umiiral na produkto.
Binigyan ni Boris ng halimbawa: Noong dulo ng 2024, nang unang ilunsad ang Sonnet 3.5, ang modelo ay nakakasulat na ng buong file ng code sa isang pagkakataon. Ngunit ang mga programming product tulad ng Copilot at Cursor sa kanilang mga maagang bersyon ay nagpapagawa pa rin ng mga simpleng bagay tulad ng code completion.
Ang Claude Code na may ganap na pagsasakop sa terminal ay bahagya nang nagpapalit sa pagkakaiba na ito. Ito rin ang pangalawang konsepto ni Boris na “Unhobbling,” o pag-alis ng mga limitasyon.
△
Ibinahagi niya ang kaso mula sa loob ng Anthropic: may tao na subukang i-connect ang Opus 5 sa OpenCV (pinakamalaking open-source computer vision library sa mundo), at natuklasan na ang model ay nakakagawa ng sariling mga larawan ng tao at mga tanawin ng hayop, habang sa nakaraan ay hindi sila tinuruan ang model na magdrawing.
Ito ang “model elicitation,” kung saan sa pamamagitan ng pagdisenyo ng prompt, konteksto, mga kasangkapan, o anyo ng produkto nang hindi pagbabago ang weights ng model, ipinapakita ng model ang mga kakayahan na mayroon na ito ngunit hindi pa nababawas.
Bagaman maaari pa ring umiiral ang mga katanungan dito: Paano matutukoy ang sanhi? Iba ba ang nag-trigger sa model ng mga kakayahan na nasa loob nito mula pa noong simula, o natutunan ng model ang mga bagong kasanayan dahil sa disenyo ng “scaffolding”?
Ngunit maaaring hindi ito mahalaga, anuman ang mangyari, walang alinlangan si Boris na mayroong malaking pagkakataon sa negosyo dito:
Hindi ko sinasabi na lahat ng startup ay makakadapa. Pero alam kong may mga tao na nagsisipag-isip tungkol sa mga problema na ito, at talagang may malaking pagkakataon dito upang gawing makabuluhan, kasiyahan, at may komersyal na halaga ang mga pag-uugali na mabubuksan mula sa mga modelo.
Para sa gayon, binigay ni Boris ang tatlong paraan ng kanyang sariling modelo na “pinagbukas”.
Una, ibigay sa modelo ang mas mahirap na gawain kaysa sa iyong inisip. I-describe nang malinaw ang layunin, hangganan, at mga kondisyon para magwakas, tapos hayaan na.
Pangalawa, gawin ang maraming mga eksperimento. Bigyan ng pahintulot ang model na gumawa ng ilang pagsubok na walang malinaw na layuning pangnegosyo ngunit kasiyahan, “bigyan ng kalayaan ang sarili na maglaro ng model at gumawa ng mga likha.”
Ikatlo, hayaan ang modelo na sarili nitong i-verify ang mga resulta. Ngayon, ang pagtutok ay hindi na sa “prompt engineering”; ang tanong ay, “Paano mo ipapakita sa Claude na i-verify ang kanyang sariling gawa habang nagpapatakbo pa ito ng isang napakahirap na gawain?”
Ang Boris ay naniniwala na ang ikatlong punto ay maaaring ang pinakamalalim na pagkakamali na ginagawa ngayon ng marami. Dahil kung ang modelo ay hindi makakapag-verify ng sarili nito sa mga gawain, hindi ito makakapag-run nang mag-isa sa matagal.
△
Maaaring magbigay ng inspirasyon ang kanyang sariling halimbawa:
Boris: “Sige, gusto kong gawin mo ay—i-rewrite ang Electron app sa Swift. Gusto kong i-run ang Electron app sa Mac virtual machine, i-screenshot, tapos i-compare pixel by pixel sa Swift version; huwag mong ipagpapatuloy hanggang sa matapos.” Host: Ito ba ang iyong prompt? Boris: Ito ang aking prompt. Host: Gaano katagal na ito? Boris: Patuloy pa rin. Host: Kailan ito nagsimula? Boris: Dalawang linggo na ito, halos 14 hanggang 15 araw… Claude ay nagpasya ring mag-live stream; ginagawa nito ay bumuo ng isang Slack channel sa loob, at ipinapadala nito ang isang screenshot ng progreso bawat ilang minuto.
Mga praktikal na payo ni Boris para sa mga gumagamit ng AI at mga entrepreneur
Sa dulo ng interbyu, ang host ay nagtanong:
Kung gayon, Boris, paano natin maiuugnay ang Claude tulad mo?
Sinabi ni Boris na ang pinakamahalaga ay huwag pansinin ang mga influencer sa LinkedIn at huwag mag-surf sa Twitter.
Tungkol sa paggamit ng AI, “lahat ay naghahanap ng ‘magic trick.’ Pero wala talagang ganun. Wala talagang ganun.”
Nakasugger siya na gamitin ang empirikal na pagkukunwari sa mga modelo, kalimutan ang mga nakaraang karanasan sa lumang mga modelo at ang mga teorya sa computer science na natutunan sa klase, at direktang obserbahan kung saan nagkakaroon ng problema ang modelo, bago gawin ang mga target na pagpapabuti.
Kaya ito ay hindi na isang teoretikal na agham, ito ay naging isang empirikal na agham. Sa tingin ko, ang mga taong talagang mahusay sa pagpapalaya sa kanilang mga a priori, sa pagpapalaya sa mga ideyang “hindi ito nagtrabaho dati”—at handa na muli subukan—ay magiging napakasuccessful.
Mas mahalaga na panatiliin ang isang pananaw na ipagkatiwala ang iyong pagkakontrol sa modelo, at tratuhin ito tulad ng isang kasamahan—hindi masyadong magbigay ng direksyon, huwag maghingi ng sobrang detalye, at huwag subukang gawin ng modelo ang lahat ng gawain nang ganito kung paano mo ito gagawin. Dahil “hindi ganito gumagana ang modelo.”
Para sa mga nag-aaral pa ng programming, ipinag-utos ni Boris na huwag mag-aral lamang ng puro teorya ng computer science, kundi matutunan kung paano gamitin. Halimbawa, ang kanyang sariling motibasyon sa pag-aaral ng programming ay upang makapag-cheat sa kanilang pagsusulit sa matematika.
Karaniwan, ito ay tungkol sa pagbuo ng negosyo, paggawa ng produkto, pagpapalakas ng iyong sariling damdamin sa disenyo at negosyo, pagkatuto kung paano gawin ang data science, pagkatuto kung paano makipag-usap sa mga user... Kapag isasama mo ito sa computer science at engineering, magiging totoo nang may halaga.
Sa kabuuan, “gawin muna ang iyong gusto, pagkatapos ay i-upgrade upang gawin ang gusto ng iba”.
Nakuha mula sa WeChat public account na “Quantum Bit” (ID: QbitAI), may-akda: Nakikisali sa mga unang teknolohiya