Каждые шесть месяцев удаляйте свой Claude.md, удаляйте свои skills, удаляйте свои hooks.
Такой совет пользователям продуктов даёт Борис Черны — отец Claude Code.
В новом интервью YC, опубликованном 28 июля, «Борис Черны: Мы сократили 80% промпта Claude Code», Борис страстно призвал всех, кто занимается AI-продуктами, смело нажимать кнопку удаления для своих новых продуктов, безжалостно удаляя системные промпты, инструменты, harness-код.
△
«Вы должны удалить весь системный промпт целиком, а затем добавлять его построчно, проверяя, какое влияние оказывает каждая строка.»
В основе этого подхода лежит концепция абляционного исследования (ablation study), которая пронизывает последнее интервью Бориса Черны. Её цель — удалить, заменить или отключить один модуль при неизменности прочих условий, чтобы сравнить изменения в производительности, стабильности, эффективности или стоимости.
В интервью Борис не без гордости заявил: «На самом деле, для Opus 5 мы искренне советуем попробовать удалить все эти вещи, потому что модель уже в них не нуждается.»
Хотя недавние события... пользователи тоже могут заявить: «На самом деле, для Claude искренне советуем его удалить, потому что он нам уже не нужен.» (х)
Кроме «смелого удаления», Борис в интервью поделился другими ценными мыслями о дизайне продуктов, использовании моделей и изучении программирования —
Идеи статьи основаны на интервью, ключевые моменты для чтения: 1. Стратегия итерации продукта от Бориса: меньше предугадываний, больше тестов 2. «Продуктовый overhang»: в любой период возможности модели всегда превосходят границы продукта 3. «Раскрепощение»: поручайте модели более сложные задачи, давайте работать самостоятельно дольше 4. Как используют AI лучшие пользователи Claude? 5. 3 совета для изучающих программирование
«Модель — это живой организм, у неё есть свой характер»
«Сегодня в harness Claude Code почти не осталось кода, кроме частей, связанных с безопасностью, правами доступа и статическим анализом.»
24 июля Anthropic опубликовала новые правила инженерии контекста для Claude 5. Для новых моделей, таких как Opus 5, Fable 5, системный промпт Claude Code был значительно упрощён, было удалено более 80% исходных инструкций.
Подробнее можно прочитать в статье QuantumBit «Claude Code удалил 80% промпта, Opus 5 тут же вернул обратно».
Обсуждая эти изменения, Борис в интервью поделился своей стратегией итерации продукта: Не пытайтесь угадать, какие инструкции нужны модели, потому что вы всё равно не угадаете. Всё, что вы можете сделать, — это удалять строки, тестировать и находить места, где модель постоянно застревает.
«Вам нужно думать о модели как о живом существе, о чём-то более органичном. Поведение каждой новой модели отличается, характер немного разный. Нужно потратить время, чтобы понять её, и затем соответствующим образом настроить harness.»
△
Поэтому для Бориса это скорее «эмпирический» подход, который нужно применять научно: пробовать без предубеждений, смотреть на результаты, итерировать, повторять.
В этом постоянно перестраивающемся мире Eval (оценка) тоже не всегда можно стабильно использовать. Хотя он и долговечнее harness и промптов, но сейчас модели развиваются так быстро, что часто набор тестов быстро набирает максимальный балл. Поэтому нужно наблюдать, где модель постоянно испытывает трудности, и разрабатывать новые Eval.
Один подход: Overhang, Unhobbling
В интервью Борис поделился концепцией под названием «Product Overhang». По его мнению, это полезный способ мышления для разработки продуктов.
Overhang — что это? Свисающий остаток, нависание, разрыв.
Большие языковые модели развиваются скачкообразно, прерывисто, а интеграция в продукты продвигается непрерывными инкрементальными шагами. Это приводит к тому, что возможности модели всегда превышают границы, которые могут быть раскрыты существующими продуктами.
Борис привёл пример: когда в конце 2024 года только вышел sonnet 3.5, эта модель уже могла писать код для целых файлов за один раз. Но в то время такие программистские продукты, как Copilot и ранние версии Cursor, всё ещё занимались мелочами вроде автодополнения кода.
Claude Code, обладающий полными правами в терминале, в определённой степени сократил этот разрыв. Это также связано со второй концепцией, которую предложил Борис, — «Unhobbling», раскрепощение, снятие ограничений.
△
Он поделился кейсом изнутри Anthropic: кто-то попробовал подключить Opus 5 к OpenCV (крупнейшая в мире библиотека компьютерного зрения с открытым исходным кодом), и оказалось, что модель сама может рисовать портреты людей, животных, пейзажи, хотя ранее её никогда не тренировали для рисования.
Это и есть «выявление возможностей модели» (model elicitation): не изменяя веса модели, с помощью дизайна промптов, контекста, инструментов или формы продукта вызывать у модели проявление способностей, которые у неё уже были, но ранее не активировались.
Хотя здесь, возможно, остаётся вопрос: как установить причинно-следственную связь? Выявились ли у модели изначально присущие ей способности, или модель благодаря дизайну «строительных лесов» научилась новым навыкам?
Но, возможно, это и не так важно. В любом случае, Борис не сомневается, что здесь кроются огромные коммерческие возможности:
Я не говорю, что все стартапы смогут их ухватить. Но я знаю, что люди об этом думают, здесь действительно есть огромные возможности — вызвать у моделей те поразительные, интересные и коммерчески ценные действия, на которые они способны.
Для этого Борис предложил три собственных метода «раскрепощения» моделей.
Во-первых, давайте модели более сложные задачи, чем вы себе представляете. Чётко опишите цель, границы и условия завершения, а затем отпустите поводья.
Во-вторых, больше экспериментируйте. Позволяйте модели делать попытки без чёткой коммерческой цели, но ради интереса, «давайте себе свободу играть с моделью, заниматься творческими вещами».
В-третьих, позвольте модели самой проверять свои результаты. Сейчас главное — уже не «промпт-инженерия». Проблема в том, что «когда вы поручаете Claude очень сложную задачу, как заставить его проверять свою работу в процессе её выполнения?»
Борис считает, что третий пункт, возможно, то, что сейчас делают хуже всего. Потому что если модель не может самостоятельно проверять задачу, она не может долго работать независимо.
△
Его собственный пример, возможно, вдохновит вас:
Борис: «Хорошо, что я хочу, чтобы ты сделал — это переписать Electron-приложение на Swift. Я хочу, чтобы ты запустил Electron-приложение на виртуальной машине Mac, делал скриншоты, а затем сравнивал пиксель за пикселем с версией на Swift, и не останавливался, пока не закончишь.» Ведущий: Это твой промпт? Борис: Это мой промпт. Ведущий: Сколько он уже работает? Борис: Всё ещё работает. Ведущий: Когда он начал? Борис: Уже больше двух недель, примерно 14, 15 дней... Claude даже решил вести трансляцию — он создал внутренний Slack-канал и каждые несколько минут отправляет туда скриншот прогресса.
Практические советы Бориса для пользователей AI и предпринимателей
В конце интервью ведущий задал вопрос:
Итак, Борис, как нам научиться использовать Claude так же хорошо, как ты?
Борис ответил, что самое главное — не слушать, что говорят инфлюенсеры в LinkedIn, не листать Twitter.
Что касается использования AI, «все ищут какие-то «хитрые трюки». Но их просто не существует. Нет таких вещей.»
Он советует относиться к модели эмпирически, забыть прошлый опыт работы со старыми моделями и теории компьютерных наук, изученные в университете, напрямую наблюдать, где модель застревает, и корректировать соответственно.
Так что это уже не теоретическая наука, она стала эмпирической. Я думаю, те, кто особенно хорошо умеет отбрасывать свои априорные знания, мысли вроде «раньше не получалось», и кто готов попробовать снова, — будут очень-очень успешны.
Что ещё важнее — сохранять особый настрой: отказаться от своего «желания контролировать» модель, взаимодействовать с ней как с коллегой, не предписывать излишне, не ставить слишком конкретных требований, не пытаться заставить модель выполнять задачу точно так, как сделали бы вы сами. Потому что «модель так не работает».
Для тех, кто всё ещё изучает программирование, Борис призывает не учить только чистую теорию компьютерных наук, а учиться применять знания. Например, его собственным первоначальным мотивом для изучения программирования было желание сжульничать на экзамене по математике.
Обычно это связано со стартапами, с созданием продуктов, с развитием собственного чувства дизайна, бизнес-чутья, с изучением data science, с умением разговаривать с пользователями... Когда вы сочетаете это с компьютерными науками и инженерией, они становятся по-настоящему ценными.
В общем, «сначала сделайте то, что хотите вы сами, а затем переходите к созданию того, что хотят другие».
Статья из официального аккаунта WeChat «QuantumBit» (ID: QbitAI), автор: Focus on Frontier Technology
