Claude 5系列模型提示词优化中，上下文工程比提示词更重要，但新模型能力提升后，过度约束反而有害。Anthropic删除了Claude Code系统提示词80%以上内容，性能无损。建议减少冲突指令，让模型利用周围上下文和判断力，并善用记忆、技能等新工具。

Claude Code团队删减了超过80%的系统提示词，因新模型能力更强，无需过多规则。建议减少绝对规则，用清晰工具说明替代示例，按需加载内容，避免重复要求，让AI自动记忆，并用代码、测试等作为参考。人类应提供上下文和定义好结果，而非堆砌提示词。

本文基于真实应用，探讨了将AI功能从“能返回文本”提升到“用户真正信任”的实践过程。核心观点包括：仅在输入无界且输出需判断时才使用AI；通过具体禁令和反例优化提示词；用规则界定边界、用示例塑造风格；对模型输出进行防御性解析；建立人工QA清单评估质量；并妥善处理模型故障。文章强调，AI功能的质量取决于能否明确识别并记录失败案例。

文章讨论了AI智能体在提示词优化中的循环过程，强调使用硬分数评估提示词质量以避免过拟合和自我欺骗。提出通过分析失败案例改进提示词，并建议在优化过程中保留历史记录以防止重复错误。最后指出，优化提示词需在频繁使用和可量化质量的情况下进行，以确保有效性。

OpenAI 的 PlayGround 新增了提示词优化工具，旨在帮助用户生成播客脚本。该工具强调深入探讨、目标听众、结构与呈现、角色动态、内容规则和难忘例子，以提升学习体验，使信息更易于记忆和互动。

OpenAI 的 Playground 新增了一个功能，可以帮助用户优化 GPT 提示词。用户输入文本后，系统会将其改编为播客脚本，强调深入探讨、目标听众、结构、角色互动和内容规则，确保脚本有清晰的开头、中间和结尾。