Тарик Шихипар делает Claude Code в Anthropic, а до этого руководил стартапом на тридцать человек. На конференции он рассказал вещь, которая переворачивает привычную работу с нейросетями: под новую модель Fable из инструкций Claude Code выбросили 80% текста, и модель стала работать лучше.
Мы разобрали его выступление в девятиминутном выпуске: смотреть разбор на YouTube. Ниже главное текстом, с выводами для тех, кто уже работает с Claude, Fable и другими моделями каждый день.
Навес возможностей: модель умеет больше, чем мы умеем попросить
Простой пример. Спросите обычный чат, какие покемоны заканчиваются на «aw», и он не ответит, хотя знает всех тысячу наизусть. Claude Code вместо гадания пишет маленькую программу, скачивает список и находит нужных за секунды.
Разница не в знаниях, а в руках. Дайте модели инструмент, и она достанет то, что и так знает. Тарик называет этот разрыв навесом возможностей: модель умеет больше, чем мы умеем у неё попросить.
Что делать: узкое место не в ИИ, а в том, чем вы его снабдили. Дайте модели доступ к своим данным, файлам и рабочим инструментам, прежде чем менять модель на более новую.
Инструкция перестала быть поводком
История промптов похожа на историю найма. Первым моделям писали коротко и показывали примеры, как стажёру. Модели умнели, инструкции росли: больше правил, больше примеров, больше запретов. А новая модель от длинного регламента наоборот тупеет.
Причина простая: примеры её сковывают, потому что она придумывает лучше, чем те примеры, которые ей дали. Поэтому в Anthropic убрали из системного промпта запреты в духе «никогда не делай так» и заменили их контекстом о задаче.
Тот же сдвиг виден в мелочах. Opus 4 еле мог задать уточняющий вопрос, инструмент приходилось подкручивать вручную. Opus 4.5 уже проводил интервью на сорок вопросов по техническому заданию. Opus 4.8 и Fable собирают интерактивный отчёт, где вопросы встроены прямо внутрь.
Что делать: перечитайте свои шаблоны промптов и инструкции для агентов. Уберите запреты и примеры «как надо», оставьте контекст: что за бизнес, кто клиент, что считается хорошим результатом.
Карта и территория: ищите свои незнания заранее
Вторая половина выступления самая практичная. План и задание это карта. Территория это ваш реальный бизнес со всеми его дырами. Каждое место, где карта расходится с территорией, это точка, в которой ИИ примет решение за вас, а вы об этом не узнаете.
Тарик делит незнания на четыре ящика: то, что вы знаете и записали; то, что знаете, но не успели выяснить; очевидное, которое не записали, но узнаете, когда увидите; и то, о чём вы вообще не думали, а оно меняет всё.
Искать эти дыры можно самой же моделью. Шесть приёмов, которые он показывает:
1. Проход по слепым зонам: «я ничего не знаю про эту область, найди, чего я не учёл».
2. Прототипы: попросите четыре совершенно разных варианта, чтобы реагировать на готовое, а не на описание.
3. Интервью: пусть модель расспросит вас, и попросите задавать те вопросы, которые меняют схему целиком.
4. Образец: дайте чужой готовый пример вместо длинного задания. Карта нагляднее описания.
5. Дневник отклонений: пусть записывает каждое место, где ушла от плана, и почему.
6. Экзамен: в конце попросите проверить, понимаете ли вы сами, что было сделано.
Что делать: не пытайтесь написать идеальное задание. Попросите ИИ найти, чего в нём не хватает.
Недели за часы и пересмотр старых лимитов
Тарик вернулся к коду своего стартапа спустя годы и сделал то, о чём тогда мечтал. Работа, которая раньше занимала недели, заняла часы. Он честно говорит, что хочется одновременно смеяться и плакать: он любил писать код руками, но помнит и ночи с отладкой, и недели без результата, и проекты, которые в основном проваливались.
На наш взгляд, это самая честная часть выступления. Потеря ремесла реальна, но цена возврата назад выше.
Что делать: пересмотреть свои старые ограничения по срокам и бюджетам, а не закладывать их по привычке.
Компромиссов стало меньше, чем мы привыкли думать
Хорошо, быстро, дёшево: раньше выбирали два из трёх. В Anthropic, по словам Тарика, считают, что этот выбор больше не обязателен, потому что экономика работы с моделью изменилась. Свою презентацию он собрал накануне вечером за четыре часа вместе с Fable.
Раньше он был разумным руководителем: список приоритетов, взвесить, выбрать одно на квартал. Теперь планирует быть куда менее разумным и запускать всё сразу, чтобы реальность сама показала, где настоящий предел.
При этом он делает важную оговорку: строить стало легко, а создавать ценность по-прежнему трудно. Нужно много попыток, чтобы найти то, за что клиент действительно заплатит.
Что делать: возьмите два проекта, которые вы отложили из-за нехватки рук, и запустите оба.
Что мы забираем себе
Три вещи, которые мы после этого выступления проверяем на своих агентах.
Первое: сокращаем инструкции. Там, где у агента был список запретов, оставляем описание задачи и критерии результата.
Второе: перед большой задачей просим модель найти дыры в задании, а не сразу писать решение. Это дешевле, чем разбирать последствия её самостоятельных решений.
Третье: даём агентам инструменты, а не новые абзацы текста. Доступ к базе знаний, файлам и рабочим системам меняет результат сильнее, чем ещё одна страница правил.
Если хотите разобраться в этом на своих задачах, у нас есть бесплатная Академия Solaris: там разбираем промпты, базы знаний и агентов на живых примерах. А если нужен готовый результат, мы внедряем ИИ в один процесс и замеряем его до и после.
Этот выпуск, как и остальные на канале, целиком собрал наш ИИ-агент: нашёл выступление, написал сценарий, перевёл и озвучил цитаты, смонтировал и загрузил. Что он успел за первые три дня, посчитано в отдельной статье.
Частые вопросы
Почему длинные промпты стали хуже работать?
Новые модели придумывают решение лучше, чем примеры, которые им дают, а запреты сужают пространство решений. Поэтому в Anthropic заменили правила и примеры на контекст задачи и убрали из системного промпта Claude Code около 80% текста.
Что писать в инструкции вместо запретов?
Контекст: что за компания и продукт, кто пользователь, какой результат считается хорошим, какие есть ограничения по фактам и доступам. Формулировки «никогда не делай так» лучше заменять описанием цели.
Как найти дыры в задании для ИИ?
Попросить модель пройтись по вашим слепым зонам, сделать несколько разных прототипов, провести с вами интервью, дать ей образец вместо описания, вести дневник отклонений от плана и в конце проверить, поняли ли вы сами результат.
Что такое навес возможностей?
Разрыв между тем, что модель умеет, и тем, что мы умеем у неё попросить. Закрывается он не новыми моделями, а инструментами и доступами: с ними модель делает то, чего не может в обычном чате.
Правда ли, что теперь можно получить быстро, качественно и дёшево одновременно?
В Anthropic считают, что привычный выбор двух из трёх больше не обязателен, потому что стоимость и скорость работы с моделью изменились. Но ценность продукта это по-прежнему трудная часть: построить стало легко, попасть в потребность клиента нет.