Minimalizm zamiast instrukcji: Anthropic odchudza prompty dla nowej klasy modeli

Inżynierowie z Anthropic dokonali radykalnego zwrotu w sposobie instruowania swoich najbardziej zaawansowanych modeli AI. Jak poinformował Tariq Shihipar, członek zespołu technicznego firmy, systemowy prompt narzędzia Claude Code został skrócony o niemal 80 procent. Decyzja ta wynika z unikalnej charakterystyki nowej klasy modeli określanych mianem „Mythos” (Fable 5), które paradoksalnie radzą sobie lepiej, gdy otrzymują od twórców mniej wytycznych.

To kluczowy moment w rozwoju LLM. Redukcja instrukcji sugeruje, że współczesne modele potrafią sprawniej odczytywać intencje użytkownika bez konieczności tworzenia kilometrowych list zakazów. Strategia ta opiera się na dostarczaniu jedynie „tokenów o wysokiej sile sygnału”, co pozwala uniknąć szumu informacyjnego, który wcześniej paraliżował działanie agentów.

Koniec ery sztywnych reguł

Dotychczasowy paradygmat rozwoju systemów konwersacyjnych zakładał, że precyzyjne instrukcje i liczne przykłady poprawiają jakość odpowiedzi. W przypadku Fable 5 ta zasada przestała obowiązywać. Shihipar przyznaje, że nadmierna liczba przykładów zaczęła ograniczać potencjał sztucznej inteligencji, zamiast go stymulować. Zespół inżynieryjny Anthropic w swoim raporcie o inżynierii kontekstu podkreśla: „Efektywna inżynieria kontekstu oznacza znalezienie najmniejszego możliwego zestawu tokenów o wysokiej sile sygnału, które maksymalizują prawdopodobieństwo pożądanego rezultatu”.

Modele te wykazują się obecnie tak dużą zdolnością do syntezy danych, że narzucone szablony stawały się dla nich cyfrowym gorsetem. Zamiast pomagać, tłumiły kreatywne rozwiązywanie problemów, wymuszając trzymanie się schematów, które przy nowej architekturze są już po prostu zbędne.

Ewolucja sterowania kontekstowego

Historia interakcji z modelami Claude zatoczyła pełne koło. Pierwsze wersje wymagały krótkich, ale rygorystycznych poleceń. Potem prompty puchły od kolejnych bloków kodu i scenariuszy typu „few-shot”. Obecnie Anthropic odchodzi od poleceń typu „nie rób tego”, zastępując je strukturą tagów XML, takich jak czy . Pozwala to na subtelne sterowanie modelem przy zachowaniu czystości przekazu.

Nowe podejście stawia na prostotę. Według ekspertów firmy, instrukcje powinny używać bezpośredniego języka i operować na „odpowiednim poziomie abstrakcji” dla danego agenta. To sygnał, że kolejna generacja AI zaczyna rozumieć intencje bez łopatologicznego wyliczania reguł, co drastycznie zmieni projektowanie interfejsów opartych na języku naturalnym. Zamiast tworzyć skomplikowane metody tworzenia promptów, będziemy musieli nauczyć się ufać autonomii modeli.