Удалить ваш AI-слой? Не спешите.

Борис Черный, создатель Claude Code, недавно бросил вызов сообществу разработчиков ИИ провокационной директивой: «Каждые 6 месяцев удаляйте весь свой AI-слой». Это не было простым предложением; это прозвучало как экзистенциальный ультиматум, мгновенно вызвав бурю споров и беспокойства на форумах разработчиков и в социальных сетях по всему миру.

Это смелое заявление вызвало сейсмическую волну в экосистеме, будучи в значительной степени неверно истолкованным как всеобщий отказ от с трудом накопленного опыта в промпт-инжиниринге. Немедленный и широко распространенный вывод заключался в том, что передовые модели, такие как Opus 5, продвинулись настолько значительно, что сделали все предыдущие тщательно проработанные цепочки промптов, пользовательскую логику и сложные защитные механизмы совершенно устаревшими. Сообщество столкнулось с мыслью, что их кропотливые усилия по управлению менее способными LLM теперь не просто излишни, но, возможно, даже вредны.

Этот вывод глубоко задел разработчиков, ударив по самой сути их профессиональной идентичности. Это означало, что месяцы, а то и годы создания сложных глобальных правил, специализированных навыков и изощренных хуков — весь их индивидуальный AI-слой — внезапно были заклеймены как ненужный, бесполезный багаж. Эти коллективные усилия, казалось бы, обесцененные неумолимым темпом инноваций LLM, вызвали широкое беспокойство в сообществе. Многие разработчики усомнились в немедленной ценности своих значительных инвестиций в создание надежных систем ИИ, опасаясь, что их с трудом заработанная интеллектуальная собственность теперь устарела.

Провокационная директива создателя Claude Code «удалить весь ваш AI-слой» поначалу звучит как призыв к цифровому нигилизму. Но более пристальный взгляд показывает, что он не призывал к слепой чистке с трудом достигнутого прогресса. Напротив, Черный выступает за систематический, основанный на исследованиях процесс оценки: абляцию.

Абляция, термин, заимствованный непосредственно из исследований ИИ, означает начало с чистого листа. Представьте, что вы убираете каждый промпт, каждое глобальное правило, каждый пользовательский навык, который вы кропотливо создавали. Затем вы повторно вводите эти элементы строка за строкой, систематически оценивая влияние каждого дополнения. Эта тщательная переоценка показывает, что действительно способствует производительности вашего ИИ, а что стало избыточным или даже ограничивающим.

Это не просто академическое упражнение; это важнейшее понимание современного поведения LLM. Более новые модели, такие как Opus, процветают благодаря целям более высокого уровня и надежным защитным механизмам, а не чрезмерно специфическим пошаговым инструкциям. Чрезмерно предписывающие промпты, когда-то бывшие необходимостью для менее способных моделей, теперь часто подавляют их эмерджентные возможности. Абляция помогает вам точно определить эти «бутылочные горлышки» в инструкциях, позволяя вам «дать модели творить» с минимальным, но эффективным руководством и раскрыть весь её потенциал.

Систематическая абляция Черного, хотя и теоретически обоснованная, представляет собой ошеломляющее практическое препятствие для большинства операций. Этот процесс требует удаления всего системного промпта, а затем тщательного повторного внедрения каждого навыка, хука и глобального правила строка за строкой для измерения их индивидуального влияния. Такая исчерпывающая оценка требует экстремальных затрат токенов, часов работы разработчиков и инженерных ресурсов, что делает это упражнение непомерно дорогим.

Этот совет, однако, исходит из перспективы практически неограниченных ресурсов. Будучи сотрудником Anthropic, Cherny работает с бюджетом токенов, о котором большинство компаний могут только мечтать. Он вскользь упоминает о запуске сессий агентов в течение «двух недель», даже уточняя «14 дней, 15 дней» для одной задачи. Это роскошь, невозможная для команд, которые платят за каждый токен или постоянно борются с лимитами скорости на мощных моделях, таких как Opus 5, где каждое взаимодействие имеет реальную стоимость.

Для подавляющего большинства компаний полная абляция системы каждые шесть месяцев остается дорогостоящей, разрушительной фантазией, а не жизнеспособной стратегией. Хотя намерение оптимизировать систему путем удаления ненужных промптов похвально, такой уровень систематической, ресурсоемкой итерации просто невозможен в типичных корпоративных условиях. Это роскошь исследовательского уровня, оторванная от финансовых реалий большинства команд разработчиков, использующих Claude by Anthropic или любую другую LLM.

Вместо тотального удаления, более разумная стратегия управления промптами вытекает из спектра контекста. Мы должны различать постоянно активные «глобальные правила» — фундаментальные системные промпты, определяющие личность и основные директивы вашего ИИ, — и «навыки» или «субагенты» по требованию, которые выполняют конкретные, модульные задачи. Это различие имеет решающее значение для прагматичной оптимизации.

Агрессивные усилия по абляции должны быть направлены в первую очередь на эти глобальные правила. Они представляют собой самые высокие затраты токенов, потребляя ресурсы при каждом выводе, и несут наибольший риск чрезмерного ограничения современных LLM. Идея Boris Cherny, несмотря на ее первоначальное неверное толкование, верна здесь: многие фундаментальные инструкции, необходимые для старых моделей, теперь активно мешают мощным новым итерациям, таким как Opus 5.

Поэтому держите свои глобальные правила хирургически лаконичными, часто пересматривая их, чтобы исключить любые ненужные директивы. И наоборот, относитесь к навыкам и субагентам как к более долговечным активам. Эти специализированные компоненты активируются только при необходимости, неся расходы по требованию, а не постоянно. Их ежегодный пересмотр, а не каждые шесть месяцев, экономит значительное время инженеров и смягчает «слепую зону в миллиард токенов» полномасштабной абляции. Этот сбалансированный подход отдает приоритет эффективности и результативности, гарантируя, что ваш уровень ИИ останется острым без постоянных, непомерно дорогих капитальных ремонтов.

Что такое метод «абляции» ИИ?

Абляция — это процесс систематической оценки промптов и правил системы ИИ. Он включает в себя удаление всего системного промпта, а затем повторное добавление каждой строки или компонента по отдельности для проверки их влияния на производительность с новой моделью.

Почему создатель Claude предложил удалить весь ваш уровень ИИ?

Суть идеи Boris Cherny заключалась в том, что современные LLM настолько способны, что им часто не нужны чрезмерно специфические, пошаговые инструкции, требуемые старыми моделями. Он выступает за абляцию, чтобы устранить ненужные ограничения и позволить модели работать более эффективно.

Практично ли выполнять полную абляцию вашей системы ИИ?

Для большинства разработчиков и компаний полная абляция каждые шесть месяцев непрактична. Этот процесс чрезвычайно трудоемок и требует больших затрат токенов, что делает его очень дорогим и потенциально разрушительным для текущей разработки.

Какой более прагматичный подход к поддержанию эффективности промптов?

Более разумная стратегия — сосредоточить усилия по абляции на наиболее часто используемых и ресурсоемких частях вашего уровня ИИ, таких как глобальные правила и системные промпты. Контекст по требованию, такой как навыки или субагенты, можно пересматривать реже.