XNews

Anthropic、Claude Codeのシステムプロンプトを80%削減

Anthropic、Claude Codeのシステムプロンプトを80%削減

Anthropicは、Fable 5およびOpus 5モデルにおいて、Claude Codeのシステムプロンプトを80%削減したことを明らかにした。コードベンチマークに影響はなかった。対談形式のセッションで、プロダクトリードのCat Wu氏とエンジニアのThariq Shihipar氏は、Few-shot例の削除によりクリエイティビティが向上し、厳格な禁止事項を文脈に応じたガイダンスに置き換えることで競合が減少したと説明した。チームは現在、すべての指示を100%の正確性で精査し、例外があるものは緩和または削除している。このアプローチはフロンティアモデルの高度な判断力に依存しており、Haikuのような小規模モデルでは機能しない。主なトレンドとして、厳格なルールから判断ベースのプロンプトへの移行、事前のコンテキスト提供からSkillsによるプログレッシブディスクロージャーへの移行、手動メモリから自動メモリへの移行が挙げられる。また、AnthropicのプロダクトエンジニアリングにおけるPRの65%が、Slack連携のエージェントであるClaude Tagによって処理されていることも共有された。これらの発見は、モデルがより高性能になるにつれて、プロンプトエンジニアリングにおけるパラダイムシフトを示唆している。

Key insights

プロンプトエンジニアリングは、モデルの向上に伴い、網羅的な指示セットから最小限の判断ベースのガイダンスへと進化している

Anthropicは、Few-shot例を削除することでClaudeの創造性が向上し、厳格な禁止事項がユーザーの指示としばしば競合することを発見した。新しいアプローチでは、モデルにより多くのコンテキストを与え、その判断を信頼し、すべての指示があらゆるシナリオで100%正確でなければならないというルールを採用している。これは、詳細な例や制約を提供するという長年のベストプラクティスからの根本的な転換を示している。

80%の削減は、モデルへの過度の制約が逆効果となり、競合を引き起こし創造性を制限することを示している

チームは、以前の多くの指示が90%しか正確でなかったことを発見した。例えば、変更後には必ずフロントエンド検証を行うという指示は、単純な文字列編集には不要である。そのようなルールを緩和し、モデルに自身の判断を任せることで、プロンプトサイズを劇的に削減しながらパフォーマンスを維持した。

このアプローチはモデルに依存しており、小規模モデルには依然として詳細なプロンプトが必要であり、ベストプラクティスに二極化をもたらす

Simon Willison氏は、この手法はOpus/Fableレベルのモデルにのみ有効であり、Haikuなどの小規模モデルには依然として詳細なプロンプトが必要だと指摘した。Anthropicはモデルごとに個別のシステムプロンプトを維持しており、フロンティアモデルは弱いモデルでは扱えない曖昧さを処理できることを認めている。

プログレッシブディスクロージャーとモジュール型Skillsへの移行は、コンテキストを動的でオンデマンドなリソースとして扱う広範なトレンドを反映している

Anthropicは、すべてのコンテキストを事前にロードする代わりに、情報をオンデマンドで呼び出されるSkillsに分割し、手動のclaude.mdエントリの代わりに自動メモリを使用し、説明よりもコード参照を優先している。これによりモデルへの認知負荷が軽減され、スケーラビリティが向上する。

AnthropicがPRの65%にClaude Tagを導入していることは、中核的なエンジニアリング業務におけるAIエージェントへの依存度の高まりを示している

Slackと統合されたコラボレーションエージェントであるClaude Tagは、現在AnthropicのプロダクトエンジニアリングPRの65%を処理している。複雑なタスクはClaude Codeを対話的に使用し、ルーチンワークはClaude Tagに委任される。信頼は6か月にわたって、インシデントを引き起こしたすべてのPRを評価セットに追加することで構築された。

Source posts