Setiap enam bulan, padamkan Claude.md anda, padamkan kemahiran anda, padamkan hook anda.
Ini adalah nasihat dari Boris Cherny—bapa kepada Claude Code—untuk pengguna produk.
Dalam video temu bual terbaru yang dikeluarkan oleh YC pada 28 Julai, "Boris Cherny: We Cut 80% of Claude Code’s Prompt", Boris dengan bersemangat menyeru semua pembangun produk AI agar berani menekan butang hapus terhadap produk baharu mereka, dan dengan tegas membuang petunjuk sistem, alat, dan kod harness.
△
Anda sepatutnya memadamkan seluruh petunjuk sistem, kemudian menambahkannya semula satu baris demi satu baris untuk melihat kesan setiap baris.
Konsep di sebalik pandangan ini ialah kajian ablasi (ablation study), yang menjadi tema utama dalam temu bual terbaru Boris Cherny, dengan tujuan menghapus, mengganti, atau mematikan satu modul sambil mengawal pemboleh ubah lain, untuk membandingkan perubahan dalam prestasi, kestabilan, kecekapan, atau kos.
Dalam temu bual, Boris dengan bangga menyatakan: Sebenarnya untuk Opus 5, kami benar-benar menyarankan anda mencuba menghapuskan semua perkara ini, kerana model sudah tidak diperlukan lagi.
Walaupun kejadian terkini... pengguna juga boleh menyatakan, "Sebenarnya, untuk Claude, saya benar-benar sarankan untuk memadamkannya, kerana kita sudah tidak memerlukannya lagi." (x)
Selain "padam berani", Boris juga mengungkapkan lebih banyak pemikiran bernilai mengenai reka bentuk produk, penggunaan model, dan pembelajaran pengaturcaraan dalam temu bualnya—
Pandangan dalam artikel ini berasal dari video temu bual, dengan fokus utama berikut: 1. Strategi iterasi produk Boris: kurang ramalan, lebih banyak ujian 2. “Kelebihan produk”: kemampuan model sentiasa akan melampaui sempadan produk pada masa yang sama 3. “Pembebasan”: biarkan model menangani tugas yang lebih sukar dan bekerja secara berasingan untuk tempoh yang lebih panjang 4. Bagaimana pengguna Claude terkemuka menggunakan AI? 5. Tiga nasihat kepada pelajar pemrograman
Model adalah makhluk hidup yang memiliki kepribadiannya sendiri
Kod dalam Claude Code Harness hari ini hampir hanya tinggal bahagian keselamatan, keizinan, dan analisis statik.
Pada 24 Julai, Anthropic mengeluarkan peraturan terkini mengenai rekabentuk konteks Claude 5, di mana prompt sistem Claude Code telah dipermudahkan secara besar-besaran untuk model-model baharu seperti Opus 5 dan Fable 5, dengan penghapusan lebih daripada 80% arahan asal.
Boleh merujuk artikel Quantum Bit: "Claude Code memadamkan 80% prompt, Opus 5 memulihkannya semula."
Mengenai perubahan ini, Boris berkongsi strategi iterasi produknya dalam temu bual: Jangan cuba teka arahan apa yang diperlukan model, kerana anda tidak akan dapat menebaknya dengan betul. Yang boleh anda lakukan ialah menghapuskan baris demi baris, menguji, dan mencari tempat di mana model terus terhenti.
Anda perlu memikirkan model sebagai makhluk hidup, sesuatu yang lebih organik. Perilaku setiap generasi model berbeza, kepribadiannya sedikit berbeza, dan anda perlu meluangkan masa untuk memahaminya, kemudian menyesuaikan harness berdasarkan itu.
△
Oleh itu, ini lebih bersifat "pengalaman" bagi Boris, dan perlu ditangani secara saintifik: cuba tanpa prasangka, perhatikan hasilnya, iterasi, dan ulangi.
Dalam dunia yang terus-menerus dibongkar dan dibina semula, Eval juga mungkin tidak boleh digunakan secara stabil. Walaupun ia memang lebih tahan lama berbanding harness dan prompt, model kini berkembang terlalu pantas, dan seringkali satu set penilaian akan segera mencapai skor sempurna. Oleh itu, perlu memantau di mana model terus berjuang, kemudian merekabentuk Eval baru.
Satu pemikiran: berlebihan, melepaskan ikatan
Dalam temu bual itu, Boris berkongsi satu konsep bernama “Product Overhang”, yang menurutnya merupakan cara berfikir yang sangat membantunya dalam membuat produk.
Overhang, apa maksudnya? Kelebihan.
Model besar bergerak dengan lompatan tidak berterusan, manakala integrasi produk bergerak dengan ritma peningkatan berterusan. Ini menyebabkan kemampuan yang dimiliki model sentiasa melampaui sempadan yang boleh dilepaskan oleh produk semasa.
Boris memberikan contoh: pada akhir 2024, apabila Sonnet 3.5 baru dilancarkan, model ini sudah mampu menulis keseluruhan fail kod sekaligus. Tetapi pada masa itu, produk pemrograman seperti Copilot dan versi awal Cursor masih berfokus pada perkara kecil seperti melengkapkan kod.
Claude Code dengan kuasa penuh terminal sebahagiannya menutup jurang ini. Ini juga merupakan konsep kedua yang dicadangkan oleh Boris, "Unhobbling", melepaskan batasan.
△
Dia berkongsi kes dalaman Anthropic: seseorang mencuba menghubungkan Opus 5 dengan OpenCV (pustaka penglihatan komputer sumber terbuka terbesar di dunia), dan mendapati model tersebut mampu melukis potret manusia dan pemandangan haiwan, padahal sebelum ini mereka tidak pernah melatih model untuk melukis.
Ini adalah “pemicuan model” (model elicitation), di mana melalui reka bentuk petunjuk, konteks, alat, atau bentuk produk tanpa mengubah berat model, model tersebut menunjukkan kemampuan yang sudah dimilikinya tetapi sebelum ini tidak dipanggil.
Walaupun mungkin masih ada pertanyaan di sini: bagaimana cara mengaitkannya? Adakah model tersebut membangkitkan kemampuan yang sudah ada sebelumnya, ataukah model tersebut belajar kemahiran baru kerana reka bentuk “scaffolding”?
Namun mungkin ini tidak penting, bagaimanapun, Boris tidak meragukan adanya peluang perniagaan yang besar di sini:
Saya tidak mengatakan semua syarikat rintisan boleh menangkapnya. Tetapi saya tahu ada orang yang memikirkan masalah-masalah ini, dan benar-benar ada peluang besar untuk membangkitkan tingkah laku yang menakjubkan, menarik, dan bernilai komersial daripada model tersebut.
Untuk itu, Boris mengusulkan tiga kaedah "pembebasan" modelnya sendiri.
Pertama, berikan kepada model tugas yang lebih sukar daripada yang anda bayangkan. Terangkan dengan jelas matlamat, sempadan, dan syarat keluar, kemudian lepaskan.
Kedua, lebih banyak melakukan eksperimen. Benarkan model mencuba perkara-perkara yang tidak mempunyai tujuan perniagaan yang jelas tetapi menyeronokkan, "berikan diri anda kebebasan untuk bermain dengan model dan melakukan perkara-perkara kreatif".
Ketiga, biarkan model mengesahkan hasilnya sendiri. Fokus kini bukan lagi pada "rekabentuk prompt", tetapi pada, "Bagaimana anda membuat Claude mengesahkan kerjanya semasa proses apabila anda memberinya tugas yang sangat sukar?"
Boris percaya bahawa perkara ketiga mungkin merupakan perkara paling tidak berjaya yang dilakukan oleh semua orang sekarang. Kerana jika model tidak dapat mengesahkan tugasnya sendiri, ia tidak akan mampu beroperasi secara bebas dalam jangka masa yang panjang.
△
Contohnya sendiri mungkin dapat memberi inspirasi kepada semua orang:
Boris: "Baiklah, yang saya ingin anda lakukan ialah—menulis semula aplikasi Electron dalam Swift. Saya ingin anda menjalankan aplikasi Electron di mesin mayat Mac, ambil tangkapan skrin, kemudian bandingkan pixel demi pixel dengan versi Swift; jangan berhenti sehingga selesai." Pemandu: "Ini adalah prompt anda?" Boris: "Ini adalah prompt saya." Pemandu: "Sudah berapa lama ia berjalan?" Boris: "Masih sedang berjalan." Pemandu: "Bilakah ia bermula?" Boris: "Sudah berjalan lebih daripada dua minggu, kira-kira 14 hingga 15 hari..." Claude juga memutuskan untuk melakukan siaran langsung; apa yang dilakukannya ialah membuat saluran Slack dalaman, kemudian menghantar tangkapan skrin kemajuan setiap beberapa minit.
Nasihat praktikal Boris untuk pengguna AI dan usahawan
Pada akhir temu bual, pengerusi mengemukakan soalan:
Jadi, Boris, bagaimana kita boleh menggunakan Claude sebaik anda?
Boris menyatakan yang paling penting ialah jangan dengar apa yang dikatakan oleh influencer di LinkedIn, jangan scroll Twitter.
Mengenai penggunaan AI, "semua orang mencari 'trik ajaib' itu. Tetapi tidak ada sebarang perkara seperti itu. Tidak ada sebarang perkara seperti itu."
Dia mencadangkan agar semua orang mendekati model dengan pendekatan empirikal, melupakan pengalaman terdahulu terhadap model lama dan teori sains komputer yang dipelajari di kelas, serta secara langsung memerhati di mana model mengalami kegagalan, kemudian membuat penyesuaian yang tepat.
Jadi ia bukan lagi ilmu teori, ia telah berubah menjadi ilmu empirikal. Saya rasa mereka yang sangat mahir melepaskan prasangka sendiri, melepaskan pemikiran “dulu tidak berjaya”, dan bersedia mencuba sekali lagi—akan sangat, sangat berjaya.
Lebih penting lagi, pertahankan sikap untuk melepaskan keinginan untuk mengawal model, perlakukan model seperti rakan sekerja—jangan terlalu banyak menentukan, jangan membuat permintaan yang terlalu spesifik, dan jangan cuba memaksa model melakukan tugas dengan cara yang sama seperti yang anda lakukan. Kerana “model tidak berfungsi seperti itu”.
Untuk mereka yang masih belajar pemrograman, Boris menyeru agar tidak hanya belajar teori sains komputer semata, tetapi juga belajar bagaimana mengaplikasikannya. Sebagai contoh, motivasi awalnya sendiri untuk belajar pemrograman adalah untuk menipu dalam ujian matematika.
Biasanya ini berkaitan dengan perniagaan bermula, membuat produk, membangunkan rasa rekaan dan bisnes anda sendiri, belajar bagaimana melakukan sains data, belajar bagaimana berkomunikasi dengan pengguna... Apabila anda menggabungkannya dengan sains komputer dan kejuruteraan, barulah ia menjadi benar-benar berharga.
Secara keseluruhan, “lakukan dahulu apa yang anda inginkan, kemudian tingkatkan untuk membuat apa yang orang lain inginkan”.
Artikel ini berasal dari akaun WeChat "Quantum Bit" (ID: QbitAI), penulis: Mengekori teknologi terkini