Anthropic ha recortado el prompt de sistema de Claude Code de unos 800 tokens a 164, más del 80% menos, y las evaluaciones de código no se movieron. Lo cuenta en su blog Thariq Shihipar, del equipo técnico de la compañía, en un post publicado el 24 de julio que revienta buena parte de lo que se venía enseñando sobre cómo escribir instrucciones para un modelo.
Puntos clave
- El recorte se aplicó a los modelos de la generación 5, en concreto Claude Opus 5 y Claude Fable 5, sin pérdidas medibles en las pruebas de programación.
- Dar ejemplos dentro del prompt ya no ayuda: según Anthropic, restringe al modelo a un espacio de exploración concreto.
- Las instrucciones de uso de cada herramienta van en la descripción de la herramienta, no repetidas en el prompt de sistema.
- La memoria pasó de mantenerse a mano en el archivo CLAUDE.md a guardarse de forma automática.
Las cinco reglas que cambian
El post ordena el giro en cinco parejas de antes y ahora. Antes se daban reglas explícitas para todo, ahora se deja que el modelo aplique criterio. Antes se metían ejemplos, ahora se diseñan mejores interfaces y herramientas. Antes se cargaba todo el contexto al arrancar, ahora se usa divulgación progresiva. Antes se repetía la misma instrucción en varios sitios, ahora basta una descripción simple en la herramienta. Y antes la memoria vivía en CLAUDE.md, ahora se guarda sola.
La estructura que recomienda queda así de sencilla. El prompt de sistema lleva el contexto del producto y en el caso de Claude Code prácticamente no se toca. CLAUDE.md se queda ligero, centrado en casos especiales de tu proyecto. Las skills funcionan como guías flexibles, no como camisas de fuerza. Y cuando hay que explicar cómo se hace algo, se apunta a un archivo de código de referencia en vez de describirlo con palabras.
El problema no era la falta de instrucciones, era el exceso
El ejemplo más revelador del post es un fallo de manual. Dentro del mismo prompt de Claude Code convivían dos órdenes que se contradecían: dejar documentación cuando proceda y no añadir comentarios. El modelo tenía que gastar razonamiento en decidir a cuál hacer caso antes de escribir una sola línea útil.
Eso pasa en cualquier archivo de instrucciones que lleve meses creciendo por acumulación. Cada vez que algo sale mal se añade una regla nueva, nadie borra las viejas, y acabas con un documento que se pisa a sí mismo. Anthropic dice que quitando esa capa el rendimiento no bajó. Es la parte que más debería hacer pensar a cualquiera que tenga un CLAUDE.md de doscientas líneas.
Divulgación progresiva y skills
La técnica que sustituye al muro de texto es cargar la información correcta en el momento correcto. En Claude Code movieron la verificación y la revisión de código a skills propias que el modelo llama cuando toca, en lugar de arrastrarlas en cada petición. Para skills largas, la recomendación es partirlas en varios archivos y dejar que el modelo abra solo el que necesite.
El consejo sobre ejemplos es el más contraintuitivo. Durante dos años la receta era dar dos o tres muestras de la salida deseada. Ahora Anthropic dice que eso encierra al modelo en un espacio de exploración cerrado, y que el esfuerzo rinde más si se dedica al diseño de las herramientas, los scripts y los archivos con los que trabaja. Parámetros expresivos por encima de ejemplos.
Qué no cambia
No es una invitación a quedarse sin contexto. El prompt de sistema sigue siendo la pieza que ata el modelo al producto, y en un producto como Claude Code no se toca casi nunca. La diferencia es de profundidad, no de eliminación: menos reglas, mejor colocadas.
Por qué importa
Si tu equipo ya monta automatizaciones encima de Claude, esto es trabajo de mantenimiento con retorno directo. Abre tu CLAUDE.md, busca instrucciones que se contradigan, borra los ejemplos que metiste para guiar al modelo y comprueba si tus herramientas se explican solas por su descripción. Cada línea que quitas es contexto que se libera y latencia que se ahorra en cada llamada, y con el precio por token de Claude Opus 5 eso se nota en la factura de fin de mes. La prueba es fácil de hacer: recorta, pasa tus casos reales y mide si algo empeora.
Relacionado
