Nowe zasady inżynierii kontekstu dla modeli Claude 5

Inżynieria kontekstu dla modeli językowych przechodzi prawdziwą rewolucję. Specjaliści z Anthropic, twórcy rodziny modeli Claude, oficjalnie rewidują dotychczasowe best practice. To, co jeszcze niedawno uchodziło za złotą zasadę promptowania, dziś może być zbędnym balastem. Thariq Shihipar, członek zespołu technicznego Anthropic, opisuje w swoim artykule, jak zmieniło się podejście do projektowania promptów systemowych dla najnowszej generacji modeli Claude.

Od sztywnych reguł do zaufania osądowi modelu

Największą zmianą w filozofii Anthropic jest odejście od narzucania modelowi szczegółowych zakazów i nakazów. Wcześniejsze wersje Claude wymagały precyzyjnych instrukcji, które chroniły przed błędami – na przykład przed przypadkowym usunięciem plików. Dziś takie podejście staje się przeszkodą.

Zamiast reguł – kontekst i osąd

W pierwszych wersjach Claude Code zespół Anthropic stosował bardzo restrykcyjne wytyczne. System prompt zawierał między innymi nakaz: „domyślnie nie pisz komentarzy, nigdy nie twórz wieloakapitowych docstringów, maksymalnie jedna krótka linia”. Problem polegał na tym, że dla niektórych zadań te instrukcje okazywały się błędne. Użytkownik mógł potrzebować szczegółowej dokumentacji, a model, trzymając się sztywno reguł, nie był w stanie jej dostarczyć.

Nowe modele Claude radzą sobie z tym znacznie lepiej. Zamiast kategorycznych nakazów, zespół Anthropic stosuje teraz zasadę: „pisz kod, który pasuje do otaczającego go kodu – dopasuj gęstość komentarzy, nazewnictwo i styl”. To model ma ocenić, co jest właściwe w danym kontekście, a nie ślepo wykonywać listę zakazów.

Przykłady już nie są złotym standardem

Kolejnym mitem, który upada, jest przekonanie, że modele zawsze potrzebują przykładów użycia narzędzi. Shihipar wyjaśnia, że w przypadku najnowszych modeli podawanie przykładów paradoksalnie ogranicza ich możliwości. Zamiast tego specjaliści zalecają skupienie się na projektowaniu samych narzędzi – ich parametrów i struktury. Przykładowo, jeśli status zadania zdefiniujemy jako wyliczenie (enum) z wartościami „pending”, „in_progress” i „completed”, model sam zrozumie, jak z niego korzystać. Dodatkowa instrukcja, by utrzymywać tylko jedno zadanie w statusie „in_progress”, precyzuje oczekiwane zachowanie.

Progresywne ujawnianie kontekstu zamiast informacyjnego ataku

Dawna zasada mówiła: „wrzuć wszystko na raz na początku promptu”. Dziś to już przestarzałe podejście. Modele Claude opanowały sztukę stopniowego ładowania kontekstu – sięgają po potrzebne informacje dokładnie wtedy, gdy są one niezbędne.

Drzewo plików zamiast monolitu

W Claude Code proces weryfikacji kodu i jego przegląd przeniesiono do osobnych „skill” (umiejętności), które model wywołuje selektywnie. Podobnie działa mechanizm „deferred loading” dla narzędzi – agent musi samodzielnie wyszukać ich pełną definicję za pomocą funkcji ToolSearch, zanim z nich skorzysta. Dzięki temu w kontekście nie gromadzą się niepotrzebne informacje.

Ta sama logika dotyczy plików konfiguracyjnych, takich jak CLAUDE.md czy Skill.md. Zamiast tworzyć jeden wielki dokument zawierający wszystkie możliwe praktyki, lepiej zbudować strukturę plików, które ładują się w odpowiednim momencie. To znacznie efektywniejsze niż przechowywanie wszystkiego w jednym miejscu.

Proste opisy narzędzi zamiast powtórzeń

Wcześniejsze modele Claude wymagały powtarzania instrukcji – były bardziej podatne na te umieszczone na końcu okna kontekstowego niż na początku. Z tego powodu system prompt zawierał wielokrotne odniesienia do tych samych narzędzi. Obecnie te powtórzenia są zbędne. Wystarczy umieścić instrukcje dotyczące korzystania z narzędzi bezpośrednio w ich opisach, a nie w głównym prompcie systemowym.

Automatyczna pamięć i bogate referencje

Kolejna zmiana dotyczy zarządzania pamięcią modelu. Wcześniej użytkownicy musieli ręcznie zapisywać informacje do pamięci Claude’a za pomocą skrótu „#”, który aktualizował plik CLAUDE.md. Teraz model robi to automatycznie – sam decyduje, które informacje są warte zapamiętania w kontekście danej pracy.

Od prostych specyfikacji do bogatych odniesień

W trybie planowania Claude Code opierał się głównie na plikach Markdown zawierających plany. Dziś model potrafi obsługiwać znacznie bardziej złożone referencje. Zamiast prostych plików tekstowych, Claude może odwoływać się do artefaktów HTML tworzonych przez nową funkcję Artifacts. Referencje mogą przybierać formę kodu – specyfikacja może być zestawem testów, funkcją z innego repozytorium do przeniesienia, a nawet „rubrykami” (rubrics), czyli dynamicznymi kryteriami oceny, które pozwalają modelowi weryfikować, czy dany projekt spełnia określone standardy jakości.

Jak złożyć to w całość – praktyczne wskazówki

Shihipar przedstawia konkretne zalecenia dotyczące budowania kontekstu dla modeli Claude najnowszej generacji. Kluczowe jest rozdzielenie odpowiedzialności między poszczególne komponenty.

System prompt, CLAUDE.md, Skills i References

System prompt powinien być ściśle powiązany z kontekstem produktu – określać, w jakim środowisku działa model i jakie ma zadanie. W przypadku Claude Code użytkownicy raczej nie będą go modyfikować, ale jeśli ktoś buduje własnego agenta, to właśnie tutaj powinien poświęcić najwięcej uwagi.

Plik CLAUDE.md warto utrzymywać lekki. Powinien krótko opisywać przeznaczenie repozytorium, ale większość tokenów przeznaczyć na „gotchasy” – niuanse i pułapki w kodzie. Unikaj oczywistości, które model może wywnioskować z systemu plików. Stosuj progresywne ujawnianie – jeśli masz unikalne instrukcje dotyczące weryfikacji, utwórz osobny skill i odwołaj się do niego z CLAUDE.md.

Skills (umiejętności) traktuj jako lekkie przewodniki, które model może znaleźć w razie potrzeby. Nie przesadzaj z ograniczeniami, chyba że dotyczą krytycznych obszarów. Dłuższe skille dziel na wiele plików. Najlepiej sprawdzają się, gdy kodują konkretne opinie, wiedzę lub praktyki charakterystyczne dla danego zespołu czy produktu.

Referencje to pliki, do których można się odwołać za pomocą znaku „@”. Pozwalają modelowi sięgnąć po szczegółowe informacje o bieżącym planie. Mogą to być specyfikacje, mockupy, a nawet całe bazy kodu. Shihipar zaleca preferowanie plików w formie kodu – na przykład HTML-owy mockup projektu da lepsze rezultaty niż opis słowny czy zrzut ekranu.

Na koniec warto uprościć całość. Anthropic wprowadził nawet nowe polecenie claude doctor, które pomaga automatycznie oczyścić i zoptymalizować kontekst. To sygnał, że nawet twórcy modeli dostrzegają potrzebę odchudzenia i uporządkowania promptów.

Nowe zasady inżynierii kontekstu dla modeli Claude to wyraźny sygnał, że branża AI dojrzewa. To, co działało dla poprzednich generacji, niekoniecznie sprawdzi się w przypadku najnowszych modeli. Kluczem jest zaufanie do osądu modelu, projektowanie zamiast instruowania i inteligentne zarządzanie kontekstem. Czas porzucić stare mity i dostosować się do nowej rzeczywistości.

Źródło

Może Cię zainteresować