Tại sao viết nhiều prompt hơn lại có hại cho model Claude 5?

Mỗi token đều tiêu hao "ngân sách chú ý". Hướng dẫn thừa, ví dụ lặp lại và quy tắc mâu thuẫn buộc model phải phân tích nhiễu. Chroma phát hiện rằng "hiệu suất model thay đổi đáng kể khi độ dài đầu vào thay đổi, ngay cả trên các tác vụ đơn giản" — context rot.

Anthropic Đã Xóa 80% System Prompt Của Claude Code. Bạn Cũng Nên Viết Ít Hơn.

Q: Tại sao Anthropic xóa 80% system prompt của Claude Code?

Các model Claude 5 có khả năng phán đoán tốt hơn. Các hướng dẫn cũ hạn chế model quá mức, tạo ra tín hiệu mâu thuẫn và giảm hiệu suất. Việc xóa chúng mà không mất mát trên coding evaluations chứng minh model có thể tự đưa ra quyết định.

Q: Progressive context disclosure là gì?

Thay vì tải tất cả hướng dẫn cùng lúc, bạn cung cấp cho agent một index nhẹ. Agent chọn nội dung liên quan và chỉ tải chi tiết khi cần.

Anthropic đã xóa hơn 80% system prompt của Claude Code cho Claude Opus 5 và Claude Fable 5. Không có mất mát có thể đo lường trên coding evaluations.

Các model Claude 5 đủ thông minh — prompting quá mức chủ động làm giảm hiệu suất.

Bản Chất

Các model cũ: bottleneck là chính model — bạn bù đắp hạn chế của nó bằng hướng dẫn chi tiết, ràng buộc và ví dụ. Claude 5: bottleneck là bạn — khả năng xác định rõ ràng điều bạn thực sự muốn.

System prompt của Anthropic chứa các hướng dẫn mâu thuẫn như “để lại tài liệu khi cần thiết” và “KHÔNG thêm chú thích” trong cùng một request. Model phải xử lý những mâu thuẫn này trước khi thực hiện bất kỳ công việc hữu ích nào.

Điều Gì Đã Thay Đổi

Sáu mô hình cần thiết cho các model cũ nhưng giờ đã là huyền thoại đối với Claude 5.

graph LR
  subgraph old ["Cách tiếp cận cũ"]
      A1["Đưa quy tắc"] --> A2["Đưa ví dụ"]
      A2 --> A3["Mọi thứ cùng lúc"]
      A3 --> A4["Lặp lại"]
      A4 --> A5["Bộ nhớ thủ công"]
      A5 --> A6["Spec đơn giản"]
  end
  subgraph new ["Cách tiếp cận mới"]
      B1["Phán đoán của model"] --> B2["Thiết kế giao diện"]
      B2 --> B3["Hiển thị theo tiến trình"]
      B3 --> B4["Mô tả đơn giản"]
      B4 --> B5["Bộ nhớ tự động"]
      B5 --> B6["Tham chiếu phong phú"]
  end
  A1 -.->|"thay thế bằng"| B1
  A2 -.->|"thay thế bằng"| B2
  A3 -.->|"thay thế bằng"| B3
  A4 -.->|"thay thế bằng"| B4
  A5 -.->|"thay thế bằng"| B5
  A6 -.->|"thay thế bằng"| B6

Quy Tắc → Phán Đoán

Claude Code cũ: “Không bao giờ viết multi-paragraph docstrings — tối đa một dòng ngắn. Không tạo tài liệu lập trình trừ khi người dùng yêu cầu.”

Quy tắc cũng nói Claude không viết chú thích khi người dùng rõ ràng muốn chúng.

Claude Code mới: “Viết code đọc giống code xung quanh: khớp về mật độ chú thích, đặt tên và phong cách.”

Ví Dụ → Giao Diện

Ví dụ giới hạn model trong không gian khám phá cụ thể. Thay vào đó, thiết kế giao diện thể hiện. Công cụ với tham số status nhận pending, in_progress và completed đã nói cho Claude cách sử dụng nó.

Tất Cả Cùng Lúc → Hiển Thị Theo Tiến Trình

Claude Code cũ tải hướng dẫn code review và xác minh trong system prompt — luôn luôn, ngay cả khi không liên quan. Giờ đây đây là các skills mà Claude tải có chọn lọc.

Đừng tạo kho lưu trữ trung tâm cho mọi phương pháp bạn có thể cần. Tạo một cây file tải vào đúng thời điểm.

Lặp Lại → Nói Một Lần

Các model cũ đôi khi bỏ qua nội dung ở đầu cửa sổ context dài. Claude 5 không có vấn đề này. Đặt hướng dẫn trong mô tả công cụ, không phải system prompt.

Bộ Nhớ Thủ Công → Bộ Nhớ Tự Động

Lời khuyên cũ là sử dụng # để lưu vào CLAUDE.md. Giờ Claude tự động lưu thông tin liên quan đến công việc của bạn.

Spec Đơn Giản → Tham Chiếu Phong Phú

Plan mode sử dụng file markdown. Giờ Claude có thể xử lý HTML artifacts, mã trên ngôn ngữ khác, test suites như specs và rubrics mã hóa sở thích.

Tại Sao Viết Nhiều Prompt Hơn Lại Có Hại

Anthropic: “LLM có ‘ngân sách chú ý’ được sử dụng khi xử lý lượng lớn context. Mỗi token mới đều tiêu hao ngân sách này.” Chroma đánh giá 18 LLM và phát hiện rằng “hiệu suất model thay đổi đáng kể khi độ dài đầu vào thay đổi, ngay cả trên các tác vụ đơn giản” — context rot.

ThoughtWorks Technology Radar Vol 34 chỉ ra sự phình to hướng dẫn agent ở mức Caution: “Hướng dẫn trở nên dài và đôi khi mâu thuẫn với nhau. Các model có xu hướng chú ý ít hơn đến nội dung bị chôn vùi ở giữa các context dài.”

Mỗi quy tắc thừa, mỗi ví dụ lặp lại, mỗi hướng dẫn mâu thuẫn đều tốn kém hiệu suất.

Tìm Ra Điều Bạn Chưa Biết

Việc chuyển sang viết ít prompt hơn thay đổi cách bạn làm việc với Claude trên bất kỳ tác vụ nào. Ít điều chưa biết hơn — ít context hơn. Nhiều điều chưa biết hơn — cần khám phá chúng, không bù đắp bằng hướng dẫn dài dòng.

Các loại điều chưa biết:

graph TD
  A["Điều bạn chưa biết"] --> B["Đã biết đã biết"]
  A --> C["Đã biết chưa biết"]
  A --> D["Chưa biết đã biết"]
  A --> E["Chưa biết chưa biết"]
  B -->|"Trong prompt"| F["Bạn nói với Claude"]
  C -->|"Nhận thức được"| G["Yêu cầu Claude tìm hiểu"]
  D -->|"Nhận ra khi thấy"| H["Brainstorm & prototype"]
  E -->|"Chưa xem xét"| I["Blind spot pass"]

Đã biết đã biết: Bạn nói với agent.
Đã biết chưa biết: Bạn biết mình chưa hiểu. Yêu cầu Claude tìm hiểu.
Chưa biết đã biết: Đến mức hiển nhiên đến mức bạn không bao giờ viết ra. Brainstorm và prototype.
Chưa biết chưa biết: Bạn chưa xem xét. Thực hiện blind spot pass.

Những coder agentic giỏi nhất khám phá điều chưa biết một cách lặp đi lặp lại — trước, trong và sau khi triển khai.

Ví Dụ Cụ Thể

Video ra mắt Claude Fable được biên tập hoàn toàn trong Claude Code. Biên tập viên không có kinh nghiệm chỉnh sửa video:

Blind spot pass: “Tôi không biết gì về chỉnh sửa video. Điều gì tôi không biết?”
Prototype: “Tạo cho tôi video test với transcription để xem nó có hoạt động không.”
Học hỏi: “Dạy tôi về color grading để tôi có thể đưa ra yêu cầu tốt hơn.”
Kế hoạch triển khai: “Đây là điều tôi muốn. Quyết định nào tôi có thể sẽ thay đổi?”
Kiểm tra: “Đảm bảo tôi hiểu mọi thứ đã xảy ra.”

Không có prompt 500 dòng. Claude giúp khám phá cần hỏi gì, và đưa ra chính xác điều đó.

Ý Nghĩa Cho Các Agent Của Bạn

Nếu bạn xây dựng AI agents — nguyên tắc tương tự. Kiểm tra system prompt, skills và CLAUDE.md. Anthropic cắt giảm 80% — bạn cũng có thể. Lệnh claude doctor trong Claude Code giúp điều chỉnh context.

Câu hỏi không phải “làm thế nào để đưa cho Claude nhiều context hơn?” Mà là “làm thế nào để đưa ít hơn?”

Đọc Thêm

Kỹ Năng Có Thể Thực Thi Cho Agents Tốt Hơn Tài Liệu — tài liệu được xây dựng cho con người; agents cần mã có thể thực thi
Quan Sát Agent Đầy Đủ Trong Cơ Sở Dữ Liệu Của Bạn — theo dõi mọi LLM call trong LangChain DeepAgents
Determinism Là Cơ Sở Hạ Tầng — tại sao các nền tảng AI cần thực thi determinism
Spec-Driven vs Code-First vs Chat-to-Code — ba triết lý dạy AI về doanh nghiệp của bạn

Câu Hỏi Thường Gặp

Tại sao Anthropic xóa 80% system prompt của Claude Code? Các model Claude 5 có khả năng phán đoán tốt hơn. Hướng dẫn cũ hạn chế model quá mức, tạo tín hiệu mâu thuẫn. Việc xóa chúng mà không mất mát chứng minh model có thể tự đưa ra quyết định.

Tại sao viết nhiều prompt hơn lại có hại? Mỗi token tiêu hao “ngân sách chú ý”. Hướng dẫn thừa, ví dụ lặp lại và quy tắc mâu thuẫn buộc model phân tích nhiễu. Chroma phát hiện rằng “hiệu suất model thay đổi đáng kể khi độ dài đầu vào thay đổi” — context rot.

Progressive context disclosure là gì? Thay vì tải tất cả hướng dẫn cùng lúc — cung cấp index nhẹ. Agent chọn nội dung liên quan và tải chi tiết khi cần.

Tags: context-engineering claude-5 prompt-engineering ai-agents anthropic claude-code less-prompting progressive-context-disclosure context-rot agent-instruction-bloat