A Anthropic admite excesso de restrições: na geração Claude 5, quanto menos controle, melhor para funcionar

Claude Code 團隊成員 Thariq Shihipar escreveu em um artigo e admitiu que as habilidades de criar prompts que você se dedicou a treinar, na maior parte, eram regras rígidas necessárias apenas para modelos da geração anterior. Diante do Claude Opus 5 e do Claude Fable 5, a equipe oficial cortou o system prompt em mais de 80%, e as avaliações internas de codificação não mostraram uma queda mensurável.
（Contexto: a Anthropic lançou o Claude Opus 5! Desempenho chegando perto do preço do Fable 5, mas com corte pela metade, virando o modelo padrão mais recente）
（Complemento de contexto: o Claude Code lançou a nova instrução /goals: separa execução e avaliação para evitar que agentes de IA fiquem preguiçosos e mintam）

Sumário

Toggle

• Como o excesso de restrições acontece
• Esses truques antigos agora viraram mitos
• A solução nova é a divisão em quatro camadas

Thariq Shihipar, membro da equipe do Claude Code, escreveu no blog oficial nesta semana apontando que eles reescreveram significativamente o system prompt do Claude Code, tendo como alvo os dois novos modelos da geração atual: Claude Opus 5 e Claude Fable 5. Ele ressaltou que, no passado, o acúmulo de experiências com prompts linha por linha, para essa nova geração de modelos, uma grande parte já deixou de funcionar.

Dessa vez, a mudança foi grande: mais de 80% do conteúdo do system prompt foi removido diretamente, e as avaliações internas de codificação não apresentaram uma queda mensurável. Isso significa: quanto mais se escreve e quanto mais se controla em detalhes, não quer dizer que o Claude vá performar melhor; para modelos de nova geração, muitas vezes quanto menos se controla, mais ele flui.

Como o excesso de restrições acontece

Shihipar detalhou um caso concreto no artigo: na mesma solicitação, as instruções do system prompt, do CLAUDE.md e das Skills acabam se sobrepondo e frequentemente se contradizem entre si. Por exemplo, de um lado está escrito “mantenha explicações necessárias conforme a situação”, e do outro está escrito “é proibido escrever comentários no código”. O Claude precisa primeiro gastar esforço para decidir qual regra vale de verdade, para só então começar a executar de forma efetiva. As regras não estão ajudando o modelo a economizar trabalho; elas primeiro fabricam uma camada de contradição para ser desmontada.

Essas regras não surgiram do nada. Quando o Claude Code foi lançado, o receio do time era o pior cenário; por exemplo, o modelo apagar arquivos por engano. Por isso, o system prompt vinha cheio de exigências rígidas, como se fossem grades de segurança para um modelo que ainda não tem capacidade de julgar. No antigo version, estava claramente escrito: por padrão, não escreva comentários, nem gere strings de explicações com múltiplos parágrafos; a menos que o usuário peça ativamente, não crie arquivos adicionais planejados para programação ou análise.

Para aquele tipo de modelo, essa troca era necessária.

Mas ao colocar essas mesmas grades diante dos novos modelos, a situação muda. O system prompt da versão atual já trocou aquela longa lista de exigências por uma regra simples de julgamento: “Write code that reads like the surrounding code”. Em outras palavras, a densidade de comentários, as convenções de nomenclatura e o estilo de escrita seguem o código ao redor.

Esses truques antigos agora viraram mitos

A primeira coisa mais contraintuitiva: no passado, o time acreditava que a melhor forma de ensinar Claude a usar ferramentas era dar exemplos, listando situações de uso uma a uma. Agora eles descobriram que os exemplos, na prática, acabam travando o espaço de exploração do modelo dentro das “caixinhas” desenhadas pelos próprios exemplos. A melhor abordagem é deixar o design das ferramentas mais falante: por exemplo, a ferramenta Todo só precisa listar estados como pending, in_progress e completed. Com apenas essa lista de estados, o modelo já sabe como usar, sem precisar que você ensine à força com exemplos.

A segunda é a “antecipação de tudo”. Antes, o hábito do system prompt era escrever os detalhes de revisão de código e do fluxo de verificação de uma vez, colocando tudo mesmo que nem fosse necessário. Resultado: o trabalho nem começou e o contexto do janelão já fica ocupado por uma grande parte. Agora, verificação e revisão de código foram separadas em skills chamáveis sob demanda; e parte das descrições das ferramentas também mudou para carregamento tardio. Quando o modelo realmente precisa usar, ele busca a definição completa via ToolSearch.

Essa lógica de revelação progressiva também se aplica ao seu próprio CLAUDE.md: não pense em colocar todo conhecimento em um arquivo grande; dividir em uma árvore de arquivos carregados conforme a hora certa é o caminho correto.

A terceira é a mais parecida com a rotina: a memória manual do CLAUDE.md está sendo substituída por memória automática. Antes, era preciso que o usuário apertasse as teclas de atalho para escrever as próprias experiências no CLAUDE.md; agora, o Claude decide sozinho o que vale a pena guardar e salva isso como memória. Controlar demais não significa mais memória; significa só mais controle.

A divisão em quatro camadas é a nova solução

A solução que Shihipar oferece não é apagar todas as regras, mas redistribuir o papel de cada camada de contexto.

System Prompt fica preso à lógica do produto; em geral, desenvolvedores quase não mexem nisso. Quem constrói frameworks de agentes é que deveria gastar energia aqui.

CLAUDE.md deve permanecer leve, deixando espaço para as armadilhas e particularidades reais que existem nos repositórios de código; não precisa ficar com blá-blá-blá do tipo “o Claude entende só de olhar a estrutura do arquivo”.

Skills como um guia leve: a menos que seja um domínio extremamente importante, não escreva coisas demais restritivas; skills longas devem ser divididas em vários arquivos.

References essa camada deve priorizar levar como código. Um mockup HTML, normalmente, ajuda o modelo a captar o que você quer mais do que uma descrição em texto ou uma captura de tela. As especificações também podem ser mais concretas: um conjunto detalhado de testes, ou funções existentes em outro repositório que já estão prontas para serem adaptadas, podem servir diretamente como especificação; e, indo além, você também pode escrever como critérios de avaliação (rubrics), fazendo o Claude puxar dinamicamente subagentes para validação, checando item a item se os resultados batem com o tipo de “bom gosto” que você quer.

A equipe oficial também lançou junto o comando claude doctor. No Claude Code, ao digitar /doctor, você consegue verificar se as skills e o CLAUDE.md estão grandes demais e restritivos demais. A comunidade de desenvolvedores tem discutido exatamente esse tipo de dor de cabeça: você instalou uma pilha de Skills, Plugins e um MCP Server, e ainda escreveu um CLAUDE.md longo demais para ler; o trabalho nem começou e, ao invés, o contexto já está consumindo metade da janela.

Aquela experiência antiga que diz “quanto mais detalhadas forem as regras, mais obediente será a IA” não vira vantagem diante dos modelos de nova geração — vira só um peso morto que ocupa espaço. A pergunta de verdade não é que regra a mais ainda dá para acrescentar, e sim qual regra já pode ser removida.