Anthropicのエンジニアが全員のClaude Codeを10倍に強化した

概要

AnthropicのエンジニアがClaude Codeのシステムプロンプトを80%以上削減しても、評価指標上の性能低下は見られなかったという記事を紹介する動画。動画の投稿者は、これを受けて自身のCLAUDE.mdやスキル、指示ファイルを見直し、「最小限で十分なコンテキスト」を残す整理方法と、/doctorによる設定監査の実演を解説している。

主なポイント

• Anthropicはシステムプロンプトの80%以上を削除しても、評価指標で測定可能な性能低下がなかったと報告している。古いモデル向けのルールが、新しいモデルでは制約になっていた。
• 例として、コード内コメントの厳格な量制限をやめ、「周囲のコードスタイルに従う」という指示に置き換えた。
• Claudeがミスするたびにルールを足すと、CLAUDE.mdやスキルに重複・微妙に異なる同種ルールが溜まる。モデルの進化で不要になったルールも残り続ける。
• 良いコンテキストの考え方は「最も安価なコストで最高品質の結果を得られる最小限の情報」。ただし最小限は短いことと同義ではなく、必要な詳細は残す。
• 残すべきなのは、声・目標・ターゲット・ビジネスの仕組みなど、Claudeが推測も検索もできない情報と、依頼の意図や理由。フォルダ一覧のようにモデル自身で調べられる情報は削ってよい。
• 実験では、ガードレールを詰め込んだ従来スキルより、目的だけを伝えた初期設定の方が構成面で優れた成果物(論点整理やタイムスタンプ付き)になった。そこでブランド要素(ヘッダー、フォント、ロゴ)だけをスキル化し、構成はモデルに任せる形にした。
• 参考データとして、MCPツール定義を必要時のみ読み込む方式ではトークン使用量が85%減り、MCP評価スコアがOpus 4で49%→74%、Opus 4.5で79.5%→88.1%に向上した。
• /doctorは、スキルごとのトークン見積もりと使用回数、未使用の古いスキル(18個)、重複する記述(約2,250文字、563トークン削減見込み)、メモリの読み込み元内訳、壊れたスキル(ファイル名誤り、フロントマター不備)を検出する。
• 別プロジェクトのCLAUDE.md(約2,000トークン)が意図せず読み込まれていた例のように、見えない場所からの指示がコストを生むことがある。
• 監査は、頻繁に変更するなら月1回、安定していれば四半期に1回、新モデルへの切り替え時にも実施するのがよい。慣れたらClaudeデスクトップアプリのローカルタスクスケジューラで定期実行できる。

実践に使えること

• 新しいセッションで/doctorを実行し、未使用スキル・重複・壊れたスキルを洗い出す。削除前に一覧を確認し、他ツールで使っているスキルは残す。
• 「このリポジトリを監査し、〇〇のプロセスを速くする最小限の変更を提案して。既存の仕組みを活用し、再利用するファイル名を挙げ、まだ編集はしないで」と依頼して、指示の引き継ぎや重複を点検する。
• CLAUDE.mdやスキルの各ルールについて「今のモデルでも本当に必要か」を検証し、手順の細かい指定は目的・理由・制約に置き換える。
• 特定作業(動画編集など)にしか使わない詳細手順は、その作業時にだけ読み込まれるスキルに分離する。
• 新モデルに切り替えるたびに、同じ監査を実行する習慣をつける。