🧠 智能体 · 方法论

Claude Code 之父 Boris Cherny：每半年清空一次，模型自己会想办法

Opus 5 发布后，团队一次性删除了 超过 80% 的系统提示词。Claude Code 创始人 Boris Cherny 在最新播客中直言：把模型当作「活着的生物」，每六个月按一次删除键，让模型自己适应——这正在成为 AI 编程智能体领域最反直觉也最有效的工作哲学。

综合公开信息整理• 2026-07-25• 全文约 4 分钟读完
#Claude Code #AI Agent #系统提示词 #Boris Cherny
80% Opus 5 上线后删除的系统提示词比例
6 个月 Boris 建议的清空周期
14 天+ Electron→Swift 重写任务已连续运行

⚡ 30 秒速览

  • 核心主张：每六个月清空 CLAUDE.md、Skills 和 Hooks，让模型自己适应新版本——新模型已不再需要旧模型依赖的指令。
  • 实践验证：Opus 5 发布后，Claude Code 团队删除 80%+ 系统提示词，模型反而更聪明；消融实验逐行验证每一句提示词的实际价值。
  • 极端案例：Bun 从 Zig 重写成 Rust，11 天完成十万行代码；Electron 桌面端重写为 Swift，已连续运行两周多，协调数千个智能体。
  • 日常自动化：每天二三十个 Routines 自动维护代码库——死代码清理、实验开关删除、测试补全、抽象统一，工程师做真正有趣的工作。
  • 核心洞察：模型已具备大量未被产品释放的能力，找到「产品能力缺口」比精心设计提示词更重要。

01按下删除键 「把模型当作活着的生物」

Boris Cherny 在访谈中抛出了一个让很多开发者感到不安的建议：每隔六个月，删掉你的 CLAUDE.md、Skills 和 Hooks，看看模型自己会怎么做。

理由很简单——每一代模型都有不同的「性格」。三个月前针对某个模型精心调校的指令，到了下一代模型上可能不仅多余，甚至会妨碍模型发挥。Opus 5 就是一个活生生的例子：团队删除了超过 80% 的系统提示词后，模型反而表现得更聪明了。

「很多系统提示词原来的作用，是纠正模型当时不知道怎么做的事情，」Boris 说，「现在 Opus 5 自己就能做到。」

这背后有一套严谨的方法论：消融实验——先删除全部系统提示词，再逐行加回来，评估每一行到底产生了什么影响。对工具提示词、对 Harness 代码，团队都会做同样的事情。

传统做法

精心设计提示词，构建庞大指令体系，期待模型遵循固定路径。

Boris 的方法

先删除，再观察，只在模型反复出错的地方加指令。不多加任何一行。

注：Boris 强调，这不是猜测，而是「经验科学」——尝试一种方式，观察结果，再根据结果迭代。六个月前的模型和今天的模型，行为方式可能完全不同。

02产品能力缺口 模型比产品更强大

Boris 提出了一个关键概念：产品能力缺口（Product Overhang）。它的意思是：今天的模型已经能够完成许多事情，但我们的产品设计还没有释放出这些能力。

Claude Code 本身就是一个例子。一年半前，Sonnet 3.5 已经能写出完整的函数甚至文件，但当时的编程产品还只停留在单行代码补全和只读聊天上。Claude Code 所做的，就是「解除模型的束缚」——给模型一个尽可能简单的 Harness，让它去做它已经能做到的事情。

「每一代模型都存在巨大的能力缺口，」Boris 说，「模型本身已经能够做到，但周围的一切都在妨碍它。」

一个令人惊讶的发现：Opus 5 配上 OpenCV 就能画画——肖像、动物、风景，画得相当不错。团队从未训练模型画画，这只是用正确方式诱导出来的能力。

1 条Electron→Swift 重写的提示词
11 天Bun 从 Zig 重写成 Rust
10 万+重写涉及的代码行数
2 周+桌面端重写持续运行

注：Bun 重写案例中，Claude 利用 Dynamic Workflows 协调数十、数百甚至数千个智能体，最终版本已进入生产环境，每天被数百万用户使用。

03两个极端案例 数千个智能体连续工作两周

🦀 Bun 重写：Zig → Rust，11 天完成 已投产

  • 任务：将 Bun JavaScript Runtime 从 Zig 重写为 Rust。Zig 需要手动管理内存，容易泄漏；Rust 提供内存安全保证。
  • 方法：一条提示词 + Dynamic Workflows，协调数十到数千个智能体。Bun 拥有完善的测试套件，模型可以自动验证重写是否正确。
  • 结果：11 天完成超过十万行代码的重写，版本已进入生产环境——你今天运行 Claude Code 时，底层使用的就是 Rust 版本。
Boris 说：「过去即使最优秀的工程师也需要一年以上。」

🖥️ 桌面端重写：Electron → Swift，还在运行 进行中

  • 任务：将 Claude 桌面应用从 Electron 重写为 Swift 原生应用。
  • 方法：Boris 在 Slack 中启动了一个 Claude Tag 会话，接入 GitHub macOS Runner，让模型在 Mac 虚拟机中运行 Electron 版截图，逐像素验证 Swift 版的一致性。
  • 状态：已连续运行 14 天以上，协调了数千个智能体，模型自己决定在公司内部创建 Slack 频道，每隔几分钟发一次进度截图。
Boris 的提示词只有一句话：「全部完成之前不要停下来。」

注：两个案例的共同点——给模型一项困难任务，提供验证工作结果的方式，然后放手让它做。不需要 /go，不需要 /loop，模型自己会想办法。

04日常自动化 每天二三十个 Routines 自动维护代码库

Boris 的团队正在推动一种全新的应用维护模式：让 Claude 自己维护自己。

他们在一组 Slack 频道中启动了多个 Routines，每天自动运行，覆盖 CLAI、iOS、Android 和桌面端的所有代码库：

🧹

死代码清理

提示词只有一句话。Claude 利用静态分析和动态分析在所有代码库中寻找死代码，每天提交 Pull Request 删除。方法是模型自己想出来的。

🔬

实验开关清理

当某项实验已覆盖 100% 用户，Claude 自动把实验开关从代码库中删除，正式发布该功能。

📝

测试补全 & 无用测试删除

为测试覆盖率不足的区域编写测试，同时删除旧模型或开发者过去添加的无用测试。

🏛️

「抽象警察」

检查所有代码库，找到几乎重复的抽象并统一。大型代码库中常见的「同一抽象多次实现」问题被自动解决。

Boris 说，他们正在走向「全面自动化应用维护」——每天数百甚至数千个智能体在运行，完成过去需要几十名工程师的工作。工程师得以专注于真正想做的事：发布新产品、与用户交流、做有趣的工作。

注：各次运行之间不共享上下文，但共享记忆。Routines 运行在云端，用户可以合上笔记本电脑。Claude 自己决定如何协调这些任务。

05什么正在改变？

Boris 的分享揭示了一个深层趋势：AI 编程正在从一门理论科学变成一门经验科学。

过去，构建软件系统需要精心设计架构，提前思考各种边界情况，准备庞大的单元测试。今天，面对模型，最有效的方法是完全相反的——先删除，再观察，根据实际表现迭代。

「忘掉你从旧模型那里学到的所有经验，也暂时放下课堂上学到的计算机科学理论，」Boris 说，「实际尝试完成一项任务，观察它在哪些地方遇到困难，再根据实际表现作出调整。」

一个诚实的注脚：

Boris 也承认，并非所有编程问题都已被解决。分布式系统、深层系统级代码库、像素级 UI 验证——这些领域模型仍然会遇到困难。但趋势很明显：越来越多的代码类型正在被模型攻克。

当编程本身逐渐被解决，真正拉开差距的能力是什么？

Boris 的答案是：经验主义思维——不是精通提示词工程，而是敢于实验、敢于删除、敢于把模型当作一个「活着的生物」去理解。

编辑核心判断

模型每六个月换代一次，而多数人的工作方法还停留在上一代。敢于删除，比敢于添加更需要判断力——在 AI 编程智能体时代，反学习的能力正在成为真正的稀缺品。

▶现在就能尝试

Claude Code 已面向所有用户开放。想要体验 Boris 的方法论？最简单的第一步：删除你的 CLAUDE.md，让 Opus 5 自己适应你的代码库。

claude.ai → 开始使用 Claude Code