AI 提示詞越寫越短，你的 SOP 是不是也該減肥了

Anthropic 最近把 Claude Code 的系統提示砍掉八成，理由不是為了省成本，而是新模型「想要更短的提示」。技術人員的說法很直接：你給它越多範例，反而把它綁得越死，因為它比你給的範例更有想像力。這句話聽在我耳裡，完全就是帶專案的既視感。

規則是為了堵坑，不是為了炫耀你想得多周全

我看過不少企業的作業手冊，厚到可以當門擋，每條例外都補一條規則，每次出包都加一頁警語。這件事在系統或人還不成熟的階段是對的，因為你得先把明顯的坑堵起來。但問題是，多數企業從來不檢討這些規則什麼時候該拆掉。手冊只會越訂越厚，沒人會主動說「這條沒用了，刪掉」。

Anthropic 的三階段演化其實講得很清楚：模型笨的時候用短提示加大量範例硬綁；模型變強之後提示反而越寫越長，想把每個情境都涵蓋；現在模型真的聰明了，提示又縮回短版，改成給情境、給方向。企業的系統跟人力發展，走的是同一條曲線，只是很少人意識到自己正在走哪一段。

我們在做系統顧問時最常糾正的一件事

• 客戶要求把每個例外狀況都寫進系統邏輯，結果系統變得又慢又難維護，新需求進來還要拆掉半套邏輯
• 主管要求員工照著十幾步的 SOP 做事，結果員工遇到手冊沒寫到的情況直接卡死，反而更沒效率
• 導入 AI 客服或流程自動化時，硬塞一堆「不准回答」的黑名單規則，AI 表現比放寬情境引導還僵硬

這三種狀況的共同點是，決策者把自己想像力的邊界，當成系統或人的能力上限。你能想到的坑都堵了，對方就只能在你想得到的範圍內動作，遇到你沒想到的情況，反而全面當機。

判斷該不該放手，看這兩件事

• 這個工具或這個人，最近半年有沒有讓你意外過，如果從沒意外，可能是規則綁太死，不是他不夠強
• 出錯的成本，是可以現場修正，還是一次就爆炸，前者可以放寬情境引導，後者才需要硬規則兜底

企業導入 AI 系統時最容易忽略這件事，以為規則寫得越細越安全。實務上我們反而建議先分清楚哪些是真的高風險、不可逆的動作要用硬規則卡死，其餘的交給情境判斷，讓系統跟人都有進化的空間，而不是永遠停在最初那個需要防呆的版本。

你手上那份越訂越厚的 SOP，可能不是在保護你，而是在替你的想像力設下天花板。