雖然說規矩立下了，路才能越走越寬；但是規矩適度的拿掉，Claude 的額度才能越來越省。
當你管理個人 harness（平常寫給 AI 的那些固定規則與說明）的思維，從「加規則」改向更多地考慮「減規則」的時候，有兩種可能：
- 模型進化了。
- 你進化了。
建議大家可以嘗試我的「消融實驗」：
- 請 Claude 判斷哪些 harness 裡的規則可以砍掉
- 直接砍掉，但是留一份備份
- 一個禮拜後回來掃對話紀錄 jsonl，判斷任務出錯率是否仍然不變、平均每任務成本有沒有下降。
每週一封，只挑跟你工作有關的 AI 動態。免費訂閱電子報 →
滿一週的實測數據
10/21 那天我改了 AI 助手的設定，當天先量了一份「改之前」的數字作為起點，並約好一週後、四週後各量一次。滿一週那天，我回來看對照有沒有變好。
那次改版主要想做三件事：
- 讓每場對話開頭塞給 AI 的固定說明變少
- 讓它自己判斷什麼時候不用停下來問你
- 把雜事外包給別的 AI 工具（agy、Codex）
另外在 10/24，我又開了一個實驗：先拿掉 12 組常駐規則，看拿掉後會不會出事，這部分 10/31 回看。這個實驗也落在這週。
滿一週跑出來的實際結果：
- 開場負擔少了兩成（每場開頭大約少 1.8 萬字元單位）。好消息。
- 每場花的錢多了兩成，但每做一個動作反而更便宜，總花費也沒變。原因是單場做的事變多，不是設定變肥。
- 出錯率沒變。真正的失誤少了很多，但新加的攔截規則擋下的次數變多，兩邊剛好抵掉。被攔下是刻意設計的，不算壞事。
- 外包給別的 AI 的成功率從 75% 升到 94%。其中 Codex 那邊最弱，約七成。
怎麼優化現行規則？
如果不知道怎麼挑哪些規則該砍，先前在回覆網友留言時我也提過，/claude-api prompt-audit 這個很好用。
或者更簡單的，直接下這段指令：
「上網看看官方推薦 5.5 harness 要怎麼寫 然後回來幫我優化所有現行的 harness 優先考慮簡化、去重、避免衝突、按需載入 並且加上 hook 避免未來寫入格式飄移」
這樣其實就很夠～
官方員工也在做一樣的事
好好笑，我真的是大預言家欸。
Anthropic 員工 10 小時前發的文章，竟然跟我 16 小時前提倡的做法一模一樣：「提示詞先砍掉，有事再考慮加回來。」
其實我在做的時候，就是參考 Elon Musk 的哲學：極致減法，砍掉沒問題就代表存在無必要。
那位員工在貼文裡寫道：當像 Opus 5.5 這樣的新模型推出時，你也可以對自己的指令做同樣的實驗——先刪掉一部分，只在模型真的遺漏時才加回來；/doctor prompt-audit 指令也會標記出那些針對舊模型寫的過時規則。
圖示左邊寫著 Claude Code 系統提示詞刪掉了 80% 以上，寫程式評測卻沒有任何可測量的下降；右邊則是三步循環：「1. 刪掉一部分 → 2. 看它漏了什麼 → 3. 只加回需要的那些，每換新模型就重複一次。」
就這樣。
附錄：什麼是 harness？
在 AI 輔助開發中，「harness」指的是每次對話開啟時，系統自動載入給 AI 的那一整套固定規則、行為準則與背景設定（例如專案規則檔或全域指令）。「消融實驗」（Ablation Experiment）則是機器學習領域的方法：刻意移除系統中的某些組件或變因，觀察表現是否下降，藉此驗證該組件是否真的發揮了作用。