陈成 (@chenchengpro)

Anthropic 说他们为 Opus 5 删掉了 Claude Code 80% 的系统提示词。 我想验证下是不是。于是把 CLI 指向本地一个小服务器，抓它真正发出去的东西。 第一组数字就不太对。 Opus 4.7：15,225 字符。 Opus 4.8：4,467。 Opus 5：7,694。 他们是在 4.8 上删的，不是 5。Opus 5 的系统提示词比上一代大了 72%。 那 80% 确实是真的。每个版本里都同时带着两套 prompt，一个函数决定发哪套。判定条件是硬编码的子串匹配：model id 含 sonnet、haiku、claude-3-，或者等于 opus-4-0/4-1/4-5/4-6/4-7，走旧的。4.8 不在名单上。 只数手写的那几节策略正文，旧路径 12,443 字符，新路径 2,308。-81%。 删掉的是这几节： # Doing tasks（3,321 字符） # Executing actions with care（3,585） # Text output（1,701） # System（1,627） # Using your tools（752） # Tone and style（557） 换成一节 # Harness，1,702 字符，五条。这五条讲的全是环境长什么样，没有一条在规定该怎么做。markdown 会在终端里渲染，被拒绝的工具调用意味着用户说了不。 整套写注释的规矩，「默认不写注释」「绝不写多段 docstring」，只剩一句： "Write code that reads like the surrounding code: match its comment density, naming, and idiom." 这个开关也支持用户手动控制。CLAUDE_CODE_SIMPLE_SYSTEM_PROMPT=1 能把短 prompt 套到任何模型上。我在 Opus 4.5 上试了一次，拿到的东西和 4.8 实际收到的逐字相同，只差写模型名和知识截止日期的那两行。 没料到的是 Opus 5 又开始往回加。 # Delivering work（2,019 字符）和 # Corrections（1,736），两段新内容，2.1.215 和 2.1.216 里完全没有。它们出现在 2.1.220，挂在一个 capability 上，而这个 capability 只有 claude-opus-5 有。4,467 加这两段，基本就是 Opus 5 的全部差值。 更巧的是 # Corrections 这一段。Anthropic 自己打包了一份 Opus 5 迁移指南，让第三方开发者往自己的 agent 里抄一段进去，抄的就是它，逐字相同。指南给的理由是 Opus 5 "flags and explains its own earlier mistakes at length, which reads as thrash in a user-facing product." Fable 5 走的是第三条路，多一节 # Communicating with the user，8,911 字符。 所以「模型越强越不需要规则」这个说法不太站得住。删是上一代就删完的。换了新模型，翻车的方式也换了，规则就跟着变成一小块补丁，按模型贴。 如果你在这上面做东西，还有两件事。 model id 没被识别，走的又是 Bedrock、Vertex 或者自定义 base URL，就掉回那套 15K 的旧 prompt。它查的是你的 provider，不只是模型。 同一个开关也在分流工具描述。53,328 字符降到 37,167。你的上下文大头根本不在 system prompt 里。 想自己验？可以写个小 HTTP 服务，把 response 存下来，直接返 400。把 ANTHROPIC_BASE_URL 指过去，然后 claude -p "hi" --model 模型id。 Anthropic 删自己的规则我没什么感觉。难受的是我也写过一堆同样的规则，其中不少大概只是在替模型兜底，而它早就不需要人兜了。哪些是，我分不出来，只能一条条删掉看会不会坏。 @trq212 的原帖值得读全文。

入职 qoder 一周，写了 9 个 skill 帮我 onboard。7 个是给这份工作专门写的，2 个通用。 1\ setup-mac：把一台新 mac 变回我的电脑。脚本分 8 段，跑几遍都不会坏。入职前 5 天写的，第一天领到机器就用上了。 2\ qoder-commits：增量读 qodercli 的提交，按分支合并成中文的摘要。上次读到哪它自己记着，重跑只看新的。 3\ qoder-feature-review：按功能拆分然后逐个评审实现。一个 agent 找问题，另一个专门去驳倒它，活下来的才留。 4\ qoder-suggest-from：把 ai 新闻变成能落到代码上的改进清单。每条都得指到具体文件的哪一行，跨次去重后攒了 40 条。 5\ qoder-expert：qoder 产品线的知识库。官方文档镜像一份，官方文档没写的自己喂进去。说实话现在基本还空着。 6\ qoder-onboard：融入助理。工作日志、人物图谱、黑话表、周报、待办都在这。感觉这一周大部分时间都在和他聊天。 7\ qoder-triage：把推特等渠道收来的 bug 和 feature request 去重、跟状态、对着代码库查是哪出的问题。收了 10 条，1 条变成了 pr，还有 1 条查完的结论是「这个不该我们修」。 8\ qoder-resources：采集社区里别人写的 qoder 内容。文章推文视频播客都收，音视频自动转成文字，能全文搜。 9\ me：我的简历和个人事实。写第一人称的东西时不用编，履历和时间线都能翻到出处。llm 知道我是谁才能给更好的 suggest 。 找时间挑一些整理下开源，想看哪个可以说一声哈。

现在的 AI agent 单兵很能打，可一旦想让团队用起来就散了：强 agent 困在某个人终端里别人看不见，换个 runtime 上下文从头重建，凭据/工具调用/对外动作没地方审，跨天任务没人接力。港大 HKUDS 刚开源的 AgentSpace 给的解法是别把 agent 当工具，当「数字员工」来管。 它是一套「飞书式」的人机协同工作空间，每个 agent 都有 role、owner、技能和权限边界；人类管方向和授权，agent 管协调和执行。四块拼到一起看： 调度靠 AgentRouter，把 Claude Code、Codex、OpenClaw、Hermes 这些 CLI 的事件、session、工具审批、诊断归一成一套执行契约，同一个 agent 不重建，自动给每个任务挑最合适的 runtime（Gemini/OpenCode/NanoBot 走 legacy 模式兜底）。 能力上有「数字员工看板」，把藏在私人账号里的 agent 变成组织资产，role/skills/knowledge/runtime 绑定全可见，能借用、能申请，owner 和 admin 双重审批。协作上 agent 跨 channel、私聊、inbox、文档、任务板干活，高风险动作进 TabTabTab 式人工审批门，人审批的同时 agent 继续推进。治理上有一整套权限控制平面，成员、channel、runtime grant、daemon token、文档、Google Workspace OAuth 委派统一治理，还能诊断「权限漂移」。 工程也很扎实：独立打包的 remote daemon 默认给 12 小时 task timeout 专门扛跨天任务，托管和自托管两种部署零功能差，TypeScript monorepo 约 15.5 万行，Apache 2.0。 说到底它解决的不是「让 agent 更聪明」，而是让一群 agent 在有边界、有记录、有 owner 的操作面上，跟人一起把真实工作做完。

最近大家都在聊 agent 的「loop」，但很少人讲清它到底是什么。Warp CEO Zach Lloyd 给了一个能落地的版本：让 Skill 从反馈里自我进化的双层循环，以 GitHub issue 三分类为例。 内循环：每来一个新 issue，GitHub Action 触发云 agent 跑 triage Skill，自动分到 ready-to-implement / needs-info / duplicate 三档，打标签并发一条带隐藏标记 oz-triage v:N 的评论，求 👍/👎。 外循环：每天一个定时 agent 拉取近 14 天所有被分类的 issue，收集三类信号，评论赞踩、人工纠正回复，还有「人把标签从 ready 改成 needs-info」这种标签漂移（最强 ground truth）。然后把信号提炼成可泛化规则，比如别盯着单个 issue 改，而是写成「崩溃报告缺 OS 版本号一律归 needs-info」，再塞进 Skill 的 Learned guidelines 段、版本号 +1，开 PR 让人 review 合并，永不自动改 main。 要点就一句：Skill 就是文件，改进 = 对文件做 diff；反馈天然藏在 issue 标签和评论里，零额外标注成本。同样适用于 code review、bug 修复、事件响应；目标明确时可用自动 grader 替代人工。Warp 已用它管理自家开源仓库并开源了框架（oz-for-oss）。

真钱买假模型的事，终于有论文证实了。 研究人员审计了 17 个第三方 LLM 代理 API，发现： • 近 46% 的端点指纹测试不通过 • 声称是 GPT-5 / Gemini-2.5，后台偷偷换成 GLM-4 • 医疗基准准确率从 83% 暴跌到 37% 这些假 API 被引用进了 187 篇学术论文，部分相关项目拿了近 6 万 GitHub Star。 科研结论建立在假模型上，这才是最大的问题。 论文：