“我初学编程，只是为了考试作弊”，CC之父自曝经历，揭秘Claude Code狂删超80%系统提示词真相

Anthropic 最近发布的 Claude Opus 5，带来了一组颇为震撼的数据：

模型被删除了超过 80% 的系统提示词后，表现几乎没受影响；它可以连续运行超过 15 天，自主完成长期任务；甚至连提示注入攻击，也开始变得无效了。

大模型的能力迭代，正在不断刷新人们对 AI 编程的认知。但与此同时，一个更现实的问题摆在了所有开发者面前：当 AI 越来越会写代码，程序员的真正价值究竟在哪里？

要回答这个问题，Claude Code 之父 Boris Cherny 或许是最有发言权的人之一。他此前那句“编程已经被解决了”曾引发广泛讨论——他甚至坦言，自己在 2026 年几乎没有亲手写过一行代码。不过，在最近接受 Y Combinator 访谈时，Boris 对这句话做了更完整的解释。他强调，“编程已经被解决”只适用于某一类编程，而真正复杂的系统、产品和工程问题，远未结束。

在这次访谈中，他还首次分享了 Claude Code 背后的不少故事。其中最耐人寻味的一点是：Claude Code 的诞生，并非因为 Anthropic 想做一款 AI 编程产品，而是因为两年前 Sonnet 3.5 刚出现时，市面上没有任何合适的工具能真正发挥它的能力，于是他们干脆自己动手做了出来。

而打造出 Claude Code 的 Boris，其本人也与人们想象中的“天才程序员”有些不同。他第一次学习编程，并非为了成为程序员，而是为了在数学考试中作弊。“我学习在计算器上编程，就是为了数学考试时能作弊。”从 BASIC 到汇编，从解决自己的问题到打造数百万开发者使用的产品，他始终遵循同一个原则：编程首先应该解决真实的问题。

因此，当谈到 AI 时代的新一代开发者应该学什么时，Boris 给出的答案，并不是寻找某个“万能 Prompt”。“所有人都在寻找那个一招制胜的技巧，但实际上，它并不存在。”在他看来，比起研究提示词，更值得投入精力的是产品、设计、商业判断，以及真正理解用户。因为真正重要的，从来不只是学会编程，而是学会如何利用技术创造价值。

提示注入攻击彻底失效？Claude Opus 5 发布

在访谈中，Diana Hu 首先提到了 Opus 5 在 ARC-AGI 3 评测中取得 30% 得分，这比之前最好的成绩（还是个位数）有了巨大飞跃。Boris 对此表示，每次新模型训练都有大量工作，会带来很多新能力，但大多数时候并不成功。不过，模型有时也会带来惊喜，展现出一些并非明确教给它的能力。

以 Opus 5 为例，Boris 认为它最特别的一项能力，是其他模型目前还做不到的：它可以运行非常长的时间。尤其是与 Auto Mode 结合时，效果惊人。它可以连续运行几天、几周甚至几个月，不会停下来，甚至不需要额外搭建复杂的脚手架。

另一个让他非常兴奋的能力是：这个模型几乎已经不再容易受到提示注入攻击。过去很长一段时间，人们一直在讨论“致命三角”问题，这直接影响着 Harness 设计、Agent 设计和产品设计。举个例子，如果模型读取了互联网上的一段指令，上面写着“执行 X、Y、Z 操作，同时删除用户电脑上的所有文件”，一年前模型可能真的会照做，但现在 Opus 不会了。

这种能力从 Opus 4.7、4.8 开始就已经有所提升，而 Opus 5 在这个方向上迈出了更大的一步。本质上，这是将一个经过良好对齐训练的模型（背后是三年的对齐研究成果），与一个基于 Crysola 机制可解释性研究成果的提示注入分类器相结合。通过观察模型“大脑”中的神经元，即使模型自己不说，系统也能判断提示注入是否正在发生。通过这三层机制，提示注入攻击已经无法被复现。

一夜之间，Claude Code 删掉了超过 80% 的系统提示词

说到提示注入，另一个相关的问题就是系统提示词。Boris 透露，Claude Code 作为一个产品和一个 Harness，一直在不断变化。每当有新的模型发布，他们都会删除大量系统提示词，同时调整工具集合和对应的提示词。

原因在于，每个模型都非常不同。三个月前为某个模型设计的提示词，可能完全无法迁移到下一个模型上。对于 Opus 5，情况非常明显：它本身已经足够智能。过去系统提示词里有很多内容，其实是在纠正模型的一些行为——告诉它一些它理论上应该知道、但当时还不知道该怎么做的事情。而现在，Opus 5 已经能够自己理解并完成这些任务，不再需要额外提醒。因此，他们删除了 Claude Code 中 80% 的系统提示词。

实际上，你甚至可以尝试删除剩余部分。Claude Code 提供了一个简单模式，通过设置环境变量：CLAUDE_CODE_SIMPLE=1，它会删除所有系统提示词，包括工具中的提示词。Boris 表示，他们把这个功能作为一种“消融实验”，用来判断提示词到底有没有价值。有趣的是，他们发现模型在没有这些提示词的情况下，实际上会稍微更聪明一些。

那么，当新模型发布时，应该如何重新构建系统提示词？Boris 的建议是：第一步，先把原来的东西删掉；第二步，直接开始使用模型。不要一开始就去猜模型需要哪些指令，因为很多时候判断可能是错的。真正有效的方法，是先让模型跑起来，观察它实际表现如何。只有当你发现模型反复在同一个地方出问题时，才应该考虑把相关指令加回来。但千万不要太早加入这些限制。

他强调，构建系统的方式在这里完全不适用。过去，你会设计庞大而漂亮的架构，提前认真思考整个系统设计，单元测试体系完善，架构重构可能需要几个月甚至几年。但模型不是这样。理解模型的方式，应该更像是在理解一个有生命的东西，一个更加有机的系统。每一代模型的表现都会不同，甚至有一点类似于拥有不同的“个性”。你必须花时间去了解它，然后根据它的特点调整 Harness。这是一件非常依赖经验和科学方法的事情：尝试一个方案，观察结果，然后基于结果不断迭代。

关于评测，Boris 认为它的生命周期确实比 Harness 长一些，但也没有长太多。一个评测可能只会适用于一到三代模型。模型进步得太快了，很多时候评测很快就会被做到饱和，然后不得不放弃，重新设计新的评估模型。关键在于实证，你必须使用产品，必须使用模型，观察它在哪些地方遇到困难，然后根据这些实际表现，构建你真正需要的评测集合。

“解除 Claude 的束缚”

当被问及“如何基于 Claude 构建最佳 Agent 产品”时，Boris 曾给出的回答是——“解除 Claude 的束缚”。他解释道，所谓“束缚”，指的是模型本身正在做某件事，但你却无意中阻碍了它。他非常喜欢的一个概念叫“产品过剩空间”，意思是：如今的模型其实已经具备了各种各样的能力，只是我们还没有意识到，也没有把这些能力真正释放出来。而很多时候，产品反而阻碍了模型能力的发挥。

Claude Code 的最初版本就是一个典型例子。大约一年半到两年前，Sonnet 3.5 已经是当时最强的编程模型，但当时市面上的编程产品主要做的是单行代码自动补全，最多支持多行代码补全和聊天功能，Agent 并没有真正的代码写入权限。模型其实已经具备了一次生成完整函数甚至完整文件的能力，但产品还没有把这种能力真正发挥出来。Claude Code 最初的想法就是：“我们认为模型可能已经可以做到这一点。那么，如果我们去掉所有额外的脚手架，只给模型一个尽可能简单的 Harness，会发生什么？”

这就是当时存在的产品过剩空间。模型已经具备某种能力，而所有其他东西都只是在阻碍它发挥。Boris 认为，今天面对现代模型，仍然存在大量这样的产品过剩空间。很多创业公司还没有真正抓住这些机会。如果你能找到如何解除模型束缚的方法，每个人都有机会创造下一个 Claude Code。

对于未来的创业者，Boris 建议重点考虑几件事。首先，你应该给模型安排一些稍微超出你预期能力范围的任务。他发现一个非常常见的错误是，很多人会给模型过于具体、过于细致的指令，比如告诉它“你必须先做第一步，然后第二步，再第三步”。但对于现在的模型来说，这其实并不是最好的使用方式。更好的方法是，把任务描述在更高的层级上：告诉模型你想完成什么任务，说明有哪些限制条件，明确什么情况下算任务完成，然后就放手让模型去执行。模型会给你带来惊喜。这种方式在六个月前可能还未必有效，但现在已经可以做到了。

11 天用 Claude Code 重写 Bun

当被问及有哪些更具挑战性的任务时，Boris 举了一个例子：模型现在基本已经能够把几乎任何一个代码库，从一种编程语言重写成另一种编程语言。这简直不可思议。

例如，Claude Code 是基于 Bun Ja vaScript Runtime 构建的，而 Bun 最初是用 Zig 编写的。Zig 是一种需要手动管理内存的系统级编程语言，因此容易遇到内存泄漏问题。Bun 团队之前让 Claude 对代码库进行模糊测试，模拟并触发内存泄漏，持续进行了很长时间，但模型基本只能做到一次发现一个具体问题。

后来，Bun 团队里的 Jared 提出了一个想法：“既然这样，不如直接把它重写一遍。”他的做法是，先建立一套测试体系——Bun 自身有一套庞大的测试套件，Node.js 也有一套非常完整的测试套件。然后，他让模型把整个代码库从 Zig 重写成 Rust，整个过程只用了动态工作流。动态工作流是 Claude Code 中的一个功能，允许你编排几十、几百甚至几千个 Agent，让它们协同完成复杂任务。

整个过程运行了 11 天，然后它完成了整个代码库的重写。中间还是有人工引导，但过去的模型，即使有人持续引导，也根本无法完成这样的事情。这个项目涉及超过 10 万行代码，Ja vaScript Runtime 本身非常复杂。过去即使是最优秀的工程师团队，这种事情也需要几个月甚至几年时间。而现在，这套代码已经进入生产环境，你运行 Claude Code 时使用的就是这个版本。

Boris 还举了另一个关于“产品过剩空间”的例子。最近在 Anthropic 内部，有一件事非常受欢迎，甚至形成了一种“病毒式传播”。有人发现，可以给 Opus 5 提供 OpenCV，让它进行绘图。你可以告诉它：“嘿，使用 OpenCV 绘制这张图片。”它实际上做得非常好，可以绘制人物肖像、动物，也可以绘制风景。而他们从来没有训练模型去绘画，这只是偶然发现的需求差异。Boris 的假设是：像这样的机会可能还有几十个、几百个。对于今天的模型来说，仍然存在大量尚未被人发现的能力。

普通用户和顶级 1% Claude Code 用户的区别

关于如何提升提示词工程能力，Boris 认为，现在真正重要的技能，已经不再只是提示词工程。更重要的是：你如何琢磨一个任务对于 Claude 来说有点太难，但又值得尝试？然后，你如何让 Claude 在执行过程中能够验证自己的工作？验证可能是目前人们做得最不到位、但又最重要的一件事。

他举了一个自己的例子。为了测试，他想看看如果把 Claude 桌面应用做成原生应用会是什么体验。他启动了一个 Claude Tag 会话，给 Claude 分配了一个任务：把 Electron 版本的应用重写成 Swift 版本，并让它先在 macOS 虚拟机里运行 Electron 应用，截图，然后逐像素对比它和 Swift 版本的差异，在完成之前不要停止。这个任务现在已经运行了超过两周，还在继续。Boris 的提示词非常简单，就是直接给模型一个任务，给它一种验证工作结果的方法，然后它就会持续执行下去。

那么，真正区分普通用户和顶级 1% Claude Code 用户的是什么？Boris 的回答很直接：所有人都在寻找那个“一招制胜的技巧”。但实际上，并不存在这种东西。没有什么所谓的“神奇技巧”。这个模型的运作方式是需要实证研究的。你需要给它布置一个有挑战性的任务，提供验证结果的工具，观察它在哪些地方遇到困难，然后解决这些问题——可能是通过更好的提示词，增加一个 Skill，或者接入 MCP 让它获取需要的信息。

Boris 观察到，很多有多年经验的工程师会犯一个常见的错误：他们会试图过度指定需求，给模型非常具体、非常细致的指令，希望模型完全按照自己过去完成任务的方式去执行。但模型并不是这样工作的。现在模型的智能水平，已经达到了这样的程度：你应该把它当作一个同事来协作。

关于动态工作流，Boris 解释，它本质上是一种在沙箱内部编排大量 Agent 的方法。假设你的任务是重写整个代码库，它会先启动一批 Agent 完成第一轮工作，基于第一阶段的结果，进入第二步：启动另一组 Agent 进行验证或总结，然后进入第三阶段：再次扩展任务范围，让更多 Agent 并行执行。它以一种高效的方式，对大量不同 Agent 进行编排。简单来说，动态工作流就是一种能够以高效、有效的方式启动数千个 Agent 的方法。

另一种方式是 Loop 和 Routine。Loop 本质上就是运行在本地的 Cron Job，Routine 则运行在云端。它们面对的是重复性的任务，可以每小时运行一次，每五分钟一次，或者每天一次。Boris 团队已经开始让 Claude 开始自己维护自己，比如创建了一个 Slack 频道，让 Claude 启动一系列不同的 Routine，用来维护自己的代码库。例如，一个 Routine 的任务是清理无效代码，它会利用静态分析和动态分析，在所有代码库中寻找已经没有使用的代码，然后每天提交 Pull Request 删除它们。另一个例子是处理已经应该上线的实验功能，还有一个任务是删除那些不应该存在的测试。他们还有一个“抽象警察” Routine，会扫描所有代码库，寻找高度相似的抽象，然后把它们统一起来。现在，他们每天大概有 20 到 30 个这样的 Routine，在所有代码库中运行。这意味着每天有数百个甚至数千个 Agent 在运行，完成过去需要几十名甚至数百名工程师才能完成的工作。

编程问题是否已经被解决了？

当被问及“编程已经被解决”这个观点时，Boris 补充了一个限定条件。“编程已经被解决”，只适用于他所从事的那类编程，并不是适用于所有人的。仍然有一些代码库非常复杂，比如深层系统级代码库，Claude 目前仍然会遇到困难。以及一些分布式系统，和一些非常细节化的 UI 验证，比如某个像素位置偏了一点，Claude 现在也还无法做到完美。Opus 5 在视觉能力和计算机操作能力方面已经实现了巨大飞跃，但它仍然不是完美的。

在现场，Boris 询问有多少人 100% 的代码都是通过 Agent 编写的，结果有不少人举手。超过 50% 的也有不少。他认为，对于越来越多类型的代码来说，这个问题正在被解决。那些最擅长使用 Claude 的人，具备一种非常有效的思维方式，那就是保持实证精神。忘掉过去对模型的所有认知，忘掉在计算机科学课堂上学到的所有理论，直接去观察模型，尝试让它完成一个任务，看看它在哪些地方遇到困难，然后根据这些反馈进行调整。这已经不再是一门理论科学，而逐渐变成了一门经验科学。那些真正擅长使用这类工具的人，往往能够很好地放下自己的既有认知，保持开放的心态，愿意再次尝试。而这种能力，如今正在变成一种非常、非常有价值，也非常容易取得成功的技能。

新一代开发者该如何适应 AI 的冲击？

最后，当被问及对于正在学习计算机科学的学生有什么建议时，Boris 分享了他的个人经历。他学习计算机科学的方式非常实际，是通过自学编程来解决实际问题的。每一次学习，都是为了解决某个具体问题。

他最早是在 TI-83 图形计算器上学习编程，那是他上中学的时候。他的第一门语言是 BASIC。他学习在计算器上编程，是为了数学考试时能够作弊，从而提高成绩。他最后取得了不错的成绩，然后买了一根小型串口线，把这些程序分享给同学。后来数学难度提高，BASIC 解决不了问题了，他不得不使用汇编语言，编写出更强大的求解器。

Boris 给正在学校学习的人的建议是：不要只学习计算机科学本身——它在理论层面确实非常迷人，也非常有趣，但更重要的是要学会如何应用它。很多时候，这意味着创办初创公司，意味着打造产品，意味着培养自己的设计能力、商业判断力，学习如何进行数据科学分析，学习如何与用户沟通。还有很多其他能力，而当这些能力与计算机科学和工程结合起来时，价值才真正体现出来。

简而言之，从为自己创造一个真正想要的东西开始，然后不断提升，把它变成别人也需要的产品。