删掉80%的Skill，Agent反而更强

Claude Code砍80%系统提示词评测反升；腾讯云开发者1500行Skill砍到300行后遵循率明显回升。2026年Agent工程的核心红利不在加法，而在减法。

删掉80%的Skill，Agent反而更强了——2026年，别再往Prompt里塞规则了

2026年7月，数字生命卡兹克记了一笔账。

他让一个Agent跑了个长程任务，目标定义得模糊了点。Agent没偷懒，它认认真真跑了整整一夜。等他早上打开电脑，20亿Token烧没了，Agent在错误的方向上一路狂奔了8小时。Agent越勤奋，浪费越彻底——而罪魁祸首不光是目标模糊，更大的坑是规则写得太多太满。

2026年的Agent开发者陷入了一个集体幻觉：只要把规则写够细、禁令叠够多，Agent就会听话。

现实反手就是一巴掌。

腾讯云开发者郑姝雅维护着一个数据质量检测Agent的Skill。上线之后，模型开始"犯病"：挑错工具、输出被禁字段、"四个维度必须覆盖"的规则下，某个维度因为常年正常就被悄悄跳过了。

她的对策很工程师——接了个自动修复工具。每次Badcase喂进去，工具自动分析、生成修复规则、更新文档、发布。她只看修复结果，不审文档。效率很高。

40次迭代后，她终于打开文档从头读了一遍。

Skill从400行膨胀到了1500行。同一条规则被塞进了8个不同位置，以一种完全不同的措辞。"严禁"、"铁律"层层加码——同一句话通过排列组合繁衍出一个家族。而模型犯错的频率，反而更高了。

越强调，文档越长；越长，注意力越分散；越分散，违反越多；违反越多，再追加一遍。

她把1500行砍到300行，按分层架构重写后，核心规则的遵循率明显回升。不是AI不听话，是它被噪声淹没了。

如果你觉得这只是个例，看看Anthropic。

团队成员Thariq Shihipar透露，他们把Claude Code的系统提示词砍了超过80%，内部编程评测没有任何下滑。Qoder工程师陈成抓取了实际请求做对比：Opus 4.7时系统提示词15225字符，到Opus 4.8直接砍到4467字符，降了71%。

注意一个细节：砍完之后，团队又加了点东西回去——Opus 5回升到7694字符。加的是什么？"Delivering work + Corrections"——专门用来治新模型的"坏脾气"。核心动作只有一个：只写不得不写的那部分，其余全扔。

扔掉的六类内容是：让模型自判断、少给示例改设计接口、按需加载不一次性加载、说一次就好、交给自动记忆、只给简单规格。

每一条的潜台词都是同一件事：别把模型当白痴，也别把自己当保姆。

这跟代码工程是一个道理——你见过哪个优秀的代码库是堆try-catch堆出来的？每个错误都加一个catch，catch套catch套catch，最后没人能读懂执行流。

为什么加规则反而更差？

Stanford那篇经典论文"Lost in the Middle"把话说得很清楚：LLM的注意力分布是U形的。开头和末尾最强，中间掉30%到50%。你往Skill里塞1500行，关键规则在前面没动——问题是后面多了1400行"中间内容"，注意力被稀释得干干净净。

这跟"强调"是两个完全不同的概念。你重复5遍，注意力不会增强5倍——它只会把其他规则的注意力配额抢走。

另一个更坑的问题是隐性冲突。研究显示，顶级模型在指令冲突场景下，23%到47%的情况会出问题。郑姝雅的Skill里有个经典bug：

当某个维度稳定在99.9%时，模型静默选择B，丢掉A——因为B给了它一个"合理的"跳过理由。模型不会报错，它只是用你的逻辑打败了你的逻辑。

还有否定指令。多项研究证实，"不要做X"的遵循率远低于"只做Y"。token生成是正向选择——你越说"别想粉红大象"，模型越要先把"粉红大象"这个token激活一遍。这不叫听话，这叫条件反射失败。