我把 Claude 5 跟 GPT-5.6 兩家最新的官方指南擺在一起看，結論比我想像的更一致：它們都在淘汰舊式的 prompt 堆疊。
重點不是少給資訊，而是少替模型做它已經能做好的判斷。給目標、給脈絡、給成功標準；把不必要的逐步指令拿掉。
共同原則：精簡，但不失真
Claude 5 那邊講的是移除重複、衝突、以及那些替它做日常判斷的規則。GPT-5.6 講的是每條指令只說一次、只提供本次任務相關的工具。
兩邊的共同答案是同一句話：留真正有用的指引，刪掉歷史包袱。
別把它聽成「取消規則」
兩家都不是叫你放任模型。要移除的是重複的提醒、過時的 workaround、微管理每一步的指令。仍要保留的是安全、權限、外部寫入、不可逆操作與範圍邊界。
這個分界不講清楚，後果我看過。有一個極高度推崇自動化的團隊，就是光頭的 CC 團隊，還有他們公司，結果天天都在爆炸。原以為人可以出來收攤，結果他們公司的人是出來提油救火。
一套可共用的 Harness 分層
我自己整理出來的分層是四層：
- 常駐層——只留目標、脈絡、品味與原則。
- 按需層——窄場景知識放進 skills，需要才載入。
- 工具層——工具說明清楚、精準、相關。
- 強制層——權限與安全交給 hooks，不要賭模型自律。
最後那句「不要賭模型自律」，是被打臉打出來的。我在 CLAUDE.md 寫了「被使用者糾正時禁止說『你說得對』」。結果 Claude 馬上無視，被我罵沒有遵守規則後，下一句回：「你說得對，我不應該違反語言禁令。」
CLAUDE.md 寫的是建議不是強制，真要擋就得用 Hook。這條分界不是理論潔癖，是我付過學費才搞懂該把哪種規則放在哪一層。
驗證要換位置，不是消失
精簡掉的是「再想一次、再檢查一次」這種泛用的自我反芻。保留下來的是有副作用的事實驗證。
已寫入、已寄出、測試通過、精確數字——這些都必須對應真實的 receipt。這是 gate，不是 prompt。差別在於前者你賴不掉，後者模型心情好才理你。
維護好這套分層的紅利是可攜
前幾天的 AI 流水線影片用 Codex 做，現在額度平衡一下（氣死，還不 reset），所以今天這部影片用 Claude Code 做。還好那個開源 repo 裡面的 workflow、skills、內建的 project-level harness 已經寫得夠好，跟我原本的 harness 也很相容，所以換了模型根本沒有障礙，Claude Sonnet 5 high effort 也是一次過。
所以 harness 的個人維護還是很重要的，這樣不管你切哪一個工具，模型都能夠迅速上手接管你的任務。狡兔三窟大概就是這個意思。
教非工程師的時候，順序也是同一套
有人問我，怎麼教非工程師建立安全感。我的教學順序很基礎，但就是這樣：
先請他們把要操作的檔案全部複製一份副本在新的資料夾裡，這是最容易解釋也最讓他們放心的。然後再教不同權限模式，讓他們感受到兩種極端：最嚴的麻煩感覺跟最鬆的不安心感。這時候再推出版控跟 auto mode 這個觀念，他們比較能理解「危險指令有 auto 幫我把關，改壞了有版控也可以幫忙還原」。
不然一開始就教 git 一定一堆問號哈哈哈哈。
這個順序其實跟前面的分層是同一件事：先給邊界，再談自由度。
下一輪怎麼優化
我自己接下來要做的是六件事：
- 刪重複：每條原則只留一處。
- 移按需：窄知識改成 skill。
- 補脈絡：說明目標與成功標準。
- 留硬邊界：外發、刪除、花費必確認。
- 縮工具：只載入此刻相關的能力。
- 跑實測：逐組刪減，再用真任務驗收。
8 月 2 日我有一場工作坊叫「換模型，不換方法論」，副標是「把你的規則、習慣和工作環境、一起搬走」，對象是非工程背景的 AI 使用者，限額 30 人。海報上我手寫了一張便條：方法在我手裡，環境隨我走。
更少的 prompt，不是更少的控制；而是把控制放在正確的位置。