上下文工程规则已变：Anthropic 删减 80% 指令的实践
Anthropic 工程师 Thariq Shihipar 分享了构建 Claude Code 的发现，团队删除了 80% 的系统提示词后性能未受损。文章介绍了“4层上下文审计”框架，指导如何清理常驻指令、记忆、知识文件等冗余信息，以适应新模型的高推理能力，避免过度指令导致的性能下降。
🏷️ 系统提示词
7 篇炸裂，Anthropic 给 Opus 5 删掉了 80% 的系统提示词
Anthropic 团队将 Claude Code 的系统提示词删减了 80%，但编码评测没有损失。文章指出，许多规则是为老模型打的补丁，已过时。最佳实践转向：用锚点代替禁令，用接口设计代替举例，以及渐进披露。建议开发者清理“拐杖”型规则，保留护栏与品味，用评测集支撑删除决策。
如何构建 Claude 自动化工作流
文章探讨了如何利用 Claude 将重复性手动工作转化为自动化工作流。与传统的问答式聊天不同，工作流包含角色、工具、触发器和输出四个要素，能够按计划自动执行任务。文章详细列举了针对内容创作者、自由职业者和分析师的具体工作流案例，如趋势监控、报告生成和邮件跟进，并提供了构建工作流的具体步骤，指导读者在 30 分钟内部署第一个自动化流程。
如何为你的企业构建 AI 运营助手
文章指出企业主不应只依赖通用的 AI，而应构建基于特定专家思维的“AI 运营助手”。作者介绍了四种架构模式：策划而非抓取、优先使用字幕、提炼而非倾倒数据以及评估后再信任。此外，文章提供了一个包含四个部分的系统提示模板，并展示了六种针对不同业务场景（如定价、销售、运营等）的“专家模式”，旨在通过 AI 实现业务流程的自动化和优化，解决实际瓶颈。
Claude Design 系统提示词（中文版）
这是一份 Claude 的设计系统提示词，旨在指导用户通过协作的方式，利用 HTML 创建经过深思熟虑、工程化良好的设计交付物。文档详细规定了工作流程、输出规范（如文件命名、代码拆分、版本控制）、技术限制（React/Babel 版本、样式对象命名）以及设计方法论（探索现有资源、提供多选项变体）。此外，还涵盖了文件跨项目访问、上下文管理、提问技巧等操作指南。
抽丝剥茧：深度解析 OpenClaw 万字系统提示词构成
本文深入剖析了 OpenClaw 庞大的系统提示词构成，详细解读了从源码注入、工具定义、技能索引到 AGENTS.md、SOUL.md 等八大核心文件的运作机制。文章通过 Modelbox 抓取真实日志，揭示了 16k Tokens 消耗背后的“底牌”，并针对 Token 冗余、记忆加载等问题提出了优化建议。
抽丝剥茧：深度解析 Hermes Agent 万字系统提示词构成
本文详细拆解了 Hermes Agent 长达 1 万 token 的系统提示词，将其分为 9 层结构进行分析。作者发现主要的 Token 消耗集中在 AGENTS.md 项目开发指南，并提供了通过调整 `TERMINAL CWD` 路径来减少 50% Token 消耗的优化技巧。文章还涉及 Memory 管理、Skills 索引及平台适配等技术细节。