上周，Anthropic 的技术团队成员 Tariq Shihipar 在一个演讲里说了一句话，值得整个行业停下来想一想：他们删掉了 Claude Code 80% 的系统提示词。
不是因为代码质量下降，不是因为用户投诉。恰恰相反——新模型 Fable 5 比他们自己写的示例"更有想象力"，示例反而成了限制。
这句话听起来像营销。但结合另一个数字来看，味道就完全不同了：Anthropic 花在算力上的钱，已经达到其薪资支出的 2.3 倍。一名高级工程师的年成本是 22.4 万美元，而对应的人均算力支出是 51.5 万美元。
人还没模型贵。
当一家 AI 公司的算力账单超过人力账单，任何关于"效率"的讨论就不再是技术选择，而是生存问题。
一、Claude Code 从来不是为了省 token 造的
要理解 Anthropic 为什么砍掉 80% 的 prompt，得先理解 Claude Code 是怎么长成今天这个样子的。
Claude Code 的项目负责人 Boris 说过，做这个产品时的原始思考是："如果模型变得足够聪明，代码会变成什么样？"——出发点不是"如何帮开发者省 token"，而是"如何展示模型的聪明"。
这个设计哲学决定了 Claude Code 的一切。
五分钟花掉 200 美元，对 Claude Code 来说不是事故，是设计。所有 sub-agent、所有花哨的 UI 动画、所有冗长的 reasoning trace，都不是为了效率，而是为了让你盯着屏幕时觉得"这模型真聪明"。它是一个营销工具，不是效率工具。Anthropic 愿意自己承担大量 token 成本，来换取开发者对模型能力的情感认同。
但问题是，这种"烧 token 换体验"的模式，在算力账单超过人力账单的那一刻，走到了尽头。
1.1 Token 末日
今年 AI 圈出现了一个新词：Token Apocalypse。
三四月份的时候，大家还在炫耀自己用了多少 token，把它当成生产力排行榜。到了六七月份，风向完全变了——亚马逊、Adobe、Atlassian、花旗集团开始对 AI 使用实施严格管控。Uber 为每位工程师每月设定了 1500 美元的 token 上限。Walmart 直接停用了一些工具。
员工收到的信息极其矛盾：一边是"AI 能让你效率翻 100 倍，必须用"，一边是"别再把公司用破产了"。
这不是工具的问题，是经济模型的问题。AI 工具被推出时，并没有足够护栏来阻止公司在 LLM 上花掉数百万美元。成本治理、使用配额、模型分级和上下文管理都被放到了后面——先把"能用起来"摆在第一位。
1.2 Prompt 债：比代码债更隐蔽的负债
Claude Code 把所有工具和功能内置进去之后，system prompt 一度膨胀到 65,000 个 token。即便关闭大部分功能，也还有 12,000 个 token。
换句话说，模型还没开始写一行代码，就已经背上了一本说明书。
过去一两年，AI Coding 圈形成了一套惯性思维：上下文越大越好，工具说明越多越好，system prompt 越完整越好。模型不知道项目怎么组织？写 Agents.md。模型不知道工具怎么用？写 tool descriptions。模型不够主动？写行为引导。模型不够稳定？继续往 system prompt 里加约束。
每一次增加都有理由。但 prompt 债比代码债更隐蔽——代码老了，会在改功能、跑测试、处理 bug 时暴露出来。Prompt 老了，却可能只是让模型悄悄变差。用户看到的是"Claude Code 最近好像不如以前聪明了"，但真实原因可能是旧的 system prompt 没有跟上新模型。
Cursor 曾花大量时间测试 system prompt，做 A/B testing，针对不同模型微调提示方式，benchmark 提升高达 10% 到 30%。但这也意味着，当模型升级时，你精心打磨的 prompt 可能从资产变成了负债。
对比来看，Pi（另一个 coding agent）启动时上下文不到一千个 token。不是 Pi 不需要指令，而是它选择了一条不同的路：让模型能力承担更多，让 prompt 承担更少。
二、两条路线：Anthropic 在烧，OpenAI 在省
删掉 80% 的 prompt 只是表象。更深层的问题是：AI 行业的 token 效率竞赛已经白热化。
Anthropic 和 OpenAI 走的是两条截然不同的路。
OpenAI 一直在拼命压 token。 从 reasoning trace 的压缩，到模型本身的效率优化，他们的哲学是：用更少的 token，干同样的活。Codex 5.5 就是最好的例子——GPT-5.5 medium 只用了 2 万个 token 就拿到了惊人的 SWE-bench 分数，而 Opus 4.8 用了 5 万个 token，得分反而更低。
Anthropic 则一直在烧 token 换体验。 Claude 的 reasoning trace 比 OpenAI 长得多，输出也更冗长。它默认使用 100 万 token 的上下文窗口——很多人以为这是因为它想装进更大的代码库，但原因其实更简单：Claude 生成的东西太长了，没有这么大的窗口装不下。
一个值得品味的细节：如果 Anthropic 修复了"废话太多"这个问题，它们的收入会明显下降。如果开发者可以用模型完成同样的工作，但生成的 token 更少，那就是它们赚不到的钱。
2.1 Caveman 与"废话税"
今年有一个叫 Caveman 的插件迅速走红，专门解决 Claude Code 的"废话"问题。它的名字直译是"穴居人"，意思是像原始人一样说话——不讲礼貌，不加多余语法，不放填充词，只保留核心意思。
Caveman 的创建者 Julius Brussee 说："我注意到我的很多 token 花费都浪费在了不必要的文字上：寒暄、模糊措辞、过渡语，以及那些在 agent loop 里其实并不重要的闲聊式表达。"
他的评测显示，Caveman 相比默认输出能减少 65% 到 75% 的输出 token。更有意思的是，OpenAI 的工程总监 Shayne Sweeney 也为该项目贡献了代码。
这说明什么？说明 OpenAI 内部早就把这种"压缩语言"模式应用到了模型思考环节。一些泄露出来的 reasoning trace 显示，OpenAI 的模型在内部推理时用的不是普通英语，而是压缩过的工程速记：
"Use core new nodes. Need infer. Need add VAE encode for images. Try. Try period."
这些句子看起来好笑，但重点不在可读性，而在 token 效率。模型内部不需要保持礼貌、完整和流畅，只需要保留动作、对象、判断和下一步。只要最终答案是正常的，模型内部完全可以用一种更短、更粗糙、更省 token 的语言完成思考。
压缩 reasoning token 的收益更大，因为 agent 是多步执行的——前一步的思考会变成后一步的输入。模型每少"想"一段，省下来的就不只是当下这几个 token，而是后面整条执行链上的重复开销。
三、Prompt Engineering 的黄昏
Anthropic 删掉 80% 的 prompt，标志着一个更重要的转折：prompt engineering 作为核心竞争力的时代，可能正在结束。
过去两年，prompt engineering 被捧上了天。行业里出现了"提示词工程师"这个新职位，出现了专门教人写 prompt 的课程，出现了 prompt 市场。一个流行的叙事是：模型都差不多，区别在于你会不会写 prompt。
这个叙事曾经成立——当模型能力有限时，prompt 的质量直接决定输出质量。一个精心设计的 system prompt 可以让同一个模型的表现提升 30%。
但 Fable 5 的出现打破了这个逻辑。当模型足够聪明时，过多的指令反而会限制它的表现。Anthropic 自己的工程师说得很直白："示例反而容易限制模型，因为它实际上比我们给出的示例更有想象力。"
这不是谦虚，这是一个信号：模型能力的提升曲线，正在超过 prompt 工程的边际收益曲线。
3.1 三种 prompt 策略的演化
如果把过去两年的 prompt 策略画一条演化路径，大概是这样的：
阶段一：补丁模式（2023-2024）——模型不够强，用 prompt 打补丁。模型喜欢乱用工具？加一段规则。模型不够主动？加一段鼓励。模型搜索太多？补一段限制。每一次增加都有理由，但 system prompt 变成了一个不断膨胀的补丁堆。
阶段二：精简模式（2024-2025）——模型变强了，开始意识到 prompt 不是越多越好。Cursor 开始做 A/B testing，Anthropic 开始砍 prompt。这个阶段的核心问题是：哪些 prompt 是真正必要的，哪些只是心理安慰？
阶段三：放手模式（2025+）——模型足够聪明，prompt 从"指令"变成"方向"。不需要告诉模型每一步怎么做，只需要告诉它目标。Fable 5 的 80% 删除就是这个阶段的标志性事件。
这个演化路径不仅适用于 coding agent，也适用于所有 AI 应用。当模型能力持续提升时，prompt 的价值会从"精确控制"转向"意图对齐"——你不再需要教模型怎么做，只需要告诉它你想要什么。
四、推演：这个框架能解释什么？
"模型能力驱动取代 prompt 工程驱动"这个框架，不只是解释 Anthropic 删 prompt 这件事。它还能解释最近 AI 行业的一系列变化。
为什么 Cursor 开始弱化 prompt 的重要性？ 因为当模型本身足够强时，prompt 的边际收益在下降。Cursor 过去花大量时间做 prompt A/B testing，但现在他们更关注模型选择和底层架构。
为什么 Caveman 这样的插件能火？ 因为它抓住了 token 成本失控这个痛点。当 token 从"便宜到可以浪费"变成"贵到需要精打细算"时，任何能省 token 的工具都会爆发。
为什么 OpenAI 的 reasoning trace 比 Claude 短那么多？ 不是技术能力差距，是设计哲学差距。OpenAI 从一开始就把 token 效率作为核心约束条件，而 Anthropic 把模型表现作为唯一目标。当算力账单超过人力账单时，OpenAI 的路线看起来更有先见之明。
为什么企业开始限制 AI 使用？ 因为 AI 工具的经济模型还没有成熟。工具被推出时，成本治理被放到了后面。现在企业开始补课——设定限额、限制模型等级、撤销权限。这不是"AI 不行了"，而是"AI 太行了，行到企业付不起账单"。
五、落到行动
这个趋势对不同角色的意义完全不同。
如果你是 AI 工具开发者： 停止把"更多的 prompt"当成竞争力。下一个版本的模型可能让你的 prompt 从资产变成负债。把精力放在模型选择、架构设计和成本治理上——当 token 成本成为用户的最大痛点时，谁能帮用户省钱，谁就能赢。
如果你是 AI 产品的重度用户： 开始关注你的 token 账单。如果你不知道自己每月花在 AI 工具上的钱是多少，你已经被"高产幻觉"绑架了。试试 Caveman 这样的工具，或者手动精简你的 prompt——你可能会发现，少写 70% 的废话，效果反而更好。
如果你是企业的决策者： 不要简单地"限制 AI 使用"。更聪明的做法是建立分级使用制度——简单任务用便宜模型，复杂任务用好模型。Uber 的 1500 美元上限不是终点，是起点。真正的挑战不是"要不要用 AI"，而是"怎么让每一分 token 花得值"。
如果你是 prompt engineer： 你的技能不会消失，但会进化。从"写更长的 prompt"转向"写更精炼的 prompt"，从"教模型怎么做"转向"告诉模型要什么"。最好的 prompt engineer，是那个让 prompt 看起来不存在的人。
来源：InfoQ、36氪综合报道。Anthropic 技术团队成员 Tariq Shihipar 演讲内容，Caveman 项目作者 Julius Brussee 访谈，Deep SWE benchmark 数据。