عملکرد بهتر Claude 5 بدون دستورهای پیچیده، انقلاب Context Engineering در هوش مصنوعی

شرکت Anthropic اعلام کرده است که در آزمایش‌های داخلی روی نسل جدید مدل‌های Claude 5 توانسته بیش از ۸۰ درصد دستورهای موجود در System Prompt ابزار Claude Code را حذف کند؛ بدون اینکه عملکرد مدل در ارزیابی‌های برنامه‌نویسی کاهش پیدا کند.

این تغییر نشان می‌دهد مسیر توسعه مدل‌های هوش مصنوعی پیشرفته از نوشتن دستورهای طولانی و محدودکننده به سمت مهندسی کانتکست (Context Engineering)، طراحی بهتر ابزارها، حافظه پویا و ارائه اطلاعات در زمان مناسب حرکت کرده است.

Anthropic: آینده AI Agentها با  Promptهای طولانی ساخته نمی‌شود

در سال‌های اخیر بسیاری از توسعه‌دهندگان برای بهبود عملکرد مدل‌های هوش مصنوعی روی Prompt Engineering  تمرکز کرده‌اند؛ یعنی تلاش برای نوشتن دستورهای دقیق‌تر، طولانی‌تر و جزئی‌تر.

اما Anthropic معتقد است با پیشرفت مدل‌های جدید، این رویکرد دیگر کافی نیست.

طبق تجربه تیم توسعه  Claude Code، مدل‌های جدید مانند Claude Opus 5 و Claude Fable 5 توانایی بیشتری در درک هدف کاربر، تصمیم‌گیری و استفاده از ابزارها دارند؛ بنابراین بسیاری از محدودیت‌هایی که برای جلوگیری از خطا در مدل‌های قدیمی ایجاد شده بود، دیگر ضروری نیستند.

حذف بیش از ۸۰ درصد System Prompt در Claude Code

Anthropic  اعلام کرده است که پس از بررسی استفاده داخلی از Claude Code متوجه شده بسیاری از دستورهای موجود در System Prompt باعث ایجاد محدودیت‌های غیرضروری می‌شوند.

برای مثال، در نسخه‌های قدیمی دستورهایی وجود داشت که مدل را مجبور می‌کرد:

• همیشه کامنت‌های کوتاه در کد بنویسد
• از ایجاد مستندات اضافی خودداری کند
• برخی رفتارهای مشخص را همیشه دنبال کند

اما مشکل این بود که این قوانین گاهی با نیاز واقعی پروژه یا درخواست توسعه‌دهنده تضاد پیدا می‌کردند.

در مدل‌های جدید،Anthropic  تصمیم گرفته است به جای اعمال قوانین سختگیرانه، اجازه دهد مدل با استفاده از درک زمینه و قضاوت خود تصمیم مناسب‌تری بگیرد.

تغییر بزرگ: از Prompt Engineering به  Context Engineering

مهم‌ترین مفهوم معرفی‌شده توسط Anthropic، Context Engineering  یا مهندسی کانتکست است.

در Prompt Engineering تمرکز روی یک پیام مشخص کاربر است.

اما در  Context Engineering، کل محیطی که مدل در آن تصمیم‌گیری می‌کند طراحی می‌شود:

• System Prompt
• فایل‌های CLAUDE.md
• حافظه مدل
• Skills
• ابزارها
• فایل‌های مرجع
• ساختار پروژه

به گفته Anthropic، کانتکست مانند یک محیط کاری برای Agent هوش مصنوعی عمل می‌کند.

پنج تغییر مهم در طراحی  AI Agentها

۱. قوانین کمتر؛ قضاوت بیشتر

روش قدیمی:

به مدل بگویید:

«این کار را همیشه انجام بده.»

روش جدید:

محیطی ایجاد کنید که مدل بتواند تصمیم درست بگیرد.

Anthropic  معتقد است مدل‌های جدید درک بهتری از شرایط دارند و نیاز به قوانین سختگیرانه کمتر شده است.

۲. مثال کمتر؛ طراحی ابزار بهتر

در نسل‌های قبلی، توسعه‌دهندگان برای آموزش مدل، مثال‌های زیادی ارائه می‌کردند.

اما Anthropic اکنون پیشنهاد می‌کند به جای ارائه مثال‌های محدودکننده، ابزارهایی طراحی شوند که:

• پارامترهای واضح داشته باشند
• قابلیت‌های بیشتری ارائه دهند
• مدل را برای کشف راه‌حل آزاد بگذارند
  

۳. انتقال اطلاعات در زمان مناسب  (Progressive Disclosure)

یکی از مهم‌ترین تغییرات معماری  Agentها، مفهوم Progressive Disclosure  است.

به جای اینکه تمام اطلاعات پروژه از ابتدا در اختیار مدل قرار گیرد، اطلاعات باید زمانی بارگذاری شود که واقعاً مورد نیاز است.

مثلاً:

• قوانین بررسی کد در یک Skill جدا
• دستورهای تخصصی در فایل‌های جدا
• ابزارهای خاص فقط هنگام نیاز فعال شوند

این روش باعث کاهش مصرف Context Window و افزایش کیفیت تصمیم‌گیری می‌شود.

۴. پایان CLAUDE.mdهای بزرگ

Anthropic  توصیه می‌کند فایل‌های CLAUDE.md نباید تبدیل به یک دفترچه راهنمای چند هزار خطی شوند.

بهتر است این فایل‌ها فقط شامل موارد مهم باشند:

• هدف پروژه
• نکات خاص معماری
• مشکلات شناخته‌شده
• قوانین غیرمعمول

اطلاعات دیگر باید در Skillها یا فایل‌های مرجع قرار گیرند.

۵. حافظه هوشمند جایگزین یادداشت‌های دستی می‌شود

در گذشته توسعه‌دهندگان مجبور بودند اطلاعات مهم را دستی داخل فایل‌های CLAUDE.md ذخیره کنند.

اما مدل‌های جدید می‌توانند از قابلیت حافظه خودکار استفاده کنند و اطلاعات مرتبط با پروژه و کاربر را بهتر مدیریت کنند.

تحلیل اتاق تحلیل ۲۴ نیوز | دیدگاه تحلیلی بهراد یوسفی

پایان Prompt Engineering سنتی؛ شروع عصر مهندسی رفتار  AI Agentها

حرکت Anthropic یک تغییر مهم در مسیر توسعه هوش مصنوعی عامل‌محور (Agentic AI) محسوب می‌شود.

در سال‌های گذشته تصور غالب این بود که برای گرفتن خروجی بهتر از مدل‌های هوش مصنوعی باید Promptهای دقیق‌تر و طولانی‌تر نوشت. اما تجربه Claude Code نشان می‌دهد مشکل اصلی همیشه کمبود دستور نیست؛ بلکه طراحی اشتباه محیط تصمیم‌گیری مدل است.

مدل‌های نسل جدید مانند  Claude 5، GPTهای پیشرفته و سایر  Agentهای هوشمند، توانایی بیشتری در استدلال، برنامه‌ریزی و استفاده از ابزار دارند. بنابراین اضافه کردن ده‌ها قانون ثابت می‌تواند حتی باعث کاهش کیفیت شود.

از دید امنیت سایبری، این تغییر اهمیت زیادی دارد.

در آینده سازمان‌ها فقط با «مدل هوش مصنوعی» مواجه نیستند؛ بلکه با  Agentهایی روبه‌رو خواهند شد که:

• به کد سازمان دسترسی دارند
• ابزارهای داخلی را اجرا می‌کنند
• اطلاعات حساس را پردازش می‌کنند
• تصمیم‌های خودکار می‌گیرند

بنابراین امنیت این سیستم‌ها دیگر فقط به Prompt محدود نمی‌شود.

موضوعات جدیدی مانند:

• Agent Context Security
• Prompt Injection Defense
• Memory Security
• Tool Permission Management
• AI Supply Chain Security

به بخش اصلی امنیت هوش مصنوعی تبدیل خواهند شد.

درس مهم Anthropic این است:

هوش مصنوعی قدرتمندتر الزاماً با دستورهای بیشتر ساخته نمی‌شود؛ بلکه با معماری بهتر، کنترل دسترسی مناسب و طراحی هوشمند محیط کاری ساخته می‌شود.

برای سازمان‌ها، این یعنی دوران نوشتن  Promptهای بزرگ به پایان نزدیک می‌شود و دوران مهندسی کانتکست، حاکمیت  AI و امنیت Agentها آغاز شده است.