# 模型升級後，80% 的 skills 都可以刪掉？Boris 真正教的是怎麼測

Claude Code 為 Opus 5 拿掉約八成 system prompt，但這不等於每個人都該照比例刪 skills。這篇用白話分類、同題 A/B、四個驗收指標與一段可直接貼給 AI 的 prompt，判斷哪些規則先留、哪些值得測。

先講結論：**不要打開 CLAUDE.md 就直接刪掉八成。**

Boris Cherny 分享的 80%，是 Claude Code 團隊換上 Opus 5 後，從自家 system prompt 拿掉的比例。這是一個團隊在特定產品、特定模型上的結果，不是每個人都能照抄的答案。

真正值得學的是他們怎麼得到答案：先把舊提示拿掉，用真實任務測，再把確實有幫助的規則一條條加回。

如果你只想知道今天怎麼做，先看這四步：

1. 把規則分成「先保留」與「優先測試」。
2. 選一個低風險任務，同一題跑 A／B 兩次。
3. 比正確、遺漏、返工、時間。
4. 同一錯誤反覆出現，才加回最小規則。

後面再補 Boris 的原話、為什麼規則會過期，以及一段可以直接貼給 AI 的檢查 prompt。

### 為什麼規則會從幫忙變成限制

CLAUDE.md 或 skills 長胖的過程通常很合理：AI 做錯一次，你就補一條。

「先做 A，再做 B。」

「一定要照這個格式。」

「開始前先把全部舊資料讀完。」

當時模型不會，這些提醒有用。半年後模型換代，能力已經補上，舊規則仍然每次載入。結果可能出現三種成本：做法被鎖在舊路徑、不同年代的提醒互相衝突、每個任務都得先讀完無關背景。

規則不是寫錯了，只是有效期限到了。

### Boris 真正說的是什麼

這個題目最早是從 Nate Herk 的影片看到的。他把標題下成「我刪掉所有 Claude skills，結果 Claude 變聰明」。這句很吸睛，也很容易讓人誤會成「skills 越少越好」，所以我回到 Y Combinator 對 Boris Cherny 的完整訪談。

Boris 說，Claude Code 為 Opus 5 拿掉約 80% system prompt。那些提示有不少是在修正舊模型做不到的行為。新模型已經會了，舊提醒繼續常駐，可能只剩下干擾。

主持人接著把方法概括成「刪掉整個 codebase 和 prompt，從零開始」。Boris 馬上修正：不是刪整個 codebase。團隊先拿掉 system prompt，再逐條加回，量測每一條的實際影響。

所以這個數字要讀成：**Claude Code 團隊在這次測試裡，八成舊提示沒有重新證明必要。** 不是「你的 skills 也一律刪八成」。

### 第一步：先分成兩類

![哪些別亂刪、哪些最值得測：先保留與優先測試](https://be-ai-curator.com/images/blog/delete-ai-instructions-ablation-keep-or-test-wide.png)

第一次整理時，不需要逐條做艱深判斷。先分成「先保留」與「優先測試」就好。

#### 先保留

- 安全、權限、隱私與法遵
- 刪除、付款、發布等不可逆操作
- 模型自己不可能知道的公司或專案事實
- 沒遵守就會造成真實事故的底線

這些規則的價值是防止損失，不適合拿正式環境來裸考。

#### 優先測試

- 把每一步做法寫死的教學
- 同一件事重複提醒好幾次
- 只為舊模型能力不足而加的補丁
- 過度固定、其實不影響成果的格式範本

這些規則比較可能限制路徑，而且可以用低風險任務驗證。

### 第二步：同一個任務跑兩次

![同一個任務跑兩次：A 照原設定，B 只關掉一至三條候選](https://be-ai-curator.com/images/blog/delete-ai-instructions-ablation-ab-test-wide.png)

找一個低風險、答案可檢查的日常工作，例如整理公開文件、把既有資料填進固定欄位，或核對一段文字的來源。

A 組照原設定跑。B 組只關掉 1–3 條候選規則。兩組使用同一份輸入、同一個完成條件，不要同時改模型、資料與工具。

最後只比四件事：

- **正確**：關鍵答案有沒有做對？
- **遺漏**：必要欄位有沒有少？
- **返工**：你要補多少人工修正？
- **時間**：完成相同成果用了多久？

B 組同樣準、遺漏與返工沒有增加，而且更省事，才有理由刪掉或改成需要時載入。只失敗一次，先再測；相同錯誤反覆出現，再加回最小規則。

### 不知道先測哪條？把這段貼給 AI

```
請逐條檢查我目前的 CLAUDE.md／skills。

1. 先把每條規則分成：
   - 安全、權限、隱私或不可逆操作
   - 模型不可能自行知道的必要事實
   - 輸出格式或風格偏好
   - 逐步教學、重複提醒或舊模型補丁
2. 不要直接修改任何檔案。
3. 從後兩類挑出 3 條低風險刪除候選，說明理由與最壞風險。
4. 為每條候選設計同一個任務的 A/B 測試，列出固定輸入、完成條件與驗收方式。
5. 只有 B 組出現相同錯誤兩次，才建議加回最小規則。

輸出表格：規則｜分類｜候選理由｜風險｜測試任務｜驗收標準
```

這段 prompt 有一個重要限制：它只產生候選與測法，不准 AI 直接替你大掃除。最後要不要刪，仍然看 A／B 結果。

### 我自己跑一次，才發現不能只看快不快

我用同一份輪播任務跑 A／B：A 組帶完整專案規則，B 組只帶任務、護欄與完成條件。

B 組比較快交稿，但也把一個合理推論寫得像 Boris 親口說的。這表示「更快」不等於「更好」；來源精度仍然要驗收。

所以我沒有把所有舊規則搬回來，只保留能防住這個錯誤的最小要求：**一手來源沒明講的內容，要標成推論。**

### 三種結果，三種處理

![三種測試結果對應三種處理，安全類不裸考](https://be-ai-curator.com/images/blog/delete-ai-instructions-ablation-three-decisions-wide.png)

#### B 組同樣準，而且更省事

刪掉那條規則，或改成只在特定路徑、特定 skill 需要時載入。

#### B 組只失敗一次

先再測。一次偶發錯誤不足以證明每個 session 都需要多讀一條規則。

#### B 組反覆出現相同錯誤

先看測試或 verifier 能不能直接抓到；不行，再加回能防住這個失敗的最小規則。規則旁邊記下失敗案例與下次重測日期。

### 最後的心法

規則不是收藏品，也不是刪除競賽。

模型每次換代，舊規則都值得重新考一次。保留安全邊界和必要事實；把教模型怎麼走路的舊步驟拿去做低風險 A／B；看結果，而不是看檔案少了幾行。

我把完整記錄表整理成[15 分鐘 AI 指令消融測試卡](https://be-ai-curator.com/resources/instruction-ablation-test)。

最終不是刪得越多越好，是每一條常駐規則都說得出：它在防哪一個真的發生過的失敗。

### 來源與查核日期

- [Boris Cherny: We Cut 80% of Claude Code’s Prompt（Y Combinator，2026-07-27）](https://www.youtube.com/watch?v=qyPCVqFUyDo)
- [How Claude remembers your project（Claude Code Docs）](https://code.claude.com/docs/en/memory)
- [Best Practices for Claude Code（Claude Code Docs）](https://code.claude.com/docs/en/best-practices)
- [I Deleted All My Claude Skills... And Claude Got Smarter（Nate Herk，2026-08-12；僅作發現與創作者實測）](https://www.youtube.com/watch?v=XNQBCRcwXV4)

資料最後查核：2026-08-13（Asia/Taipei）。模型能力與 Claude Code 文件會持續更新，執行前請以官方最新文件與自己的低風險實測為準。

---

來源：AI 主理人 https://be-ai-curator.com/blog/delete-ai-instructions-ablation · 更新於 2026-08-14