结合你此前关注Claude新模型上下文工程从堆规则转向设计上下文的相关背景，Prompt工程的断舍
离核心是通过精简冗余指令、优化上下文结构，用更少的Token让AI Agent的推理效率和执行效果大
幅提升，具体落地方法如下：
一、核心断舍离原则
删除无效规则：直接移除互相冲突、过时冗余的硬约束指令，比如“禁止写多行文档字符串”这类细碎
规则，替换为“匹配周边代码的注释风格”这类引导判断力的极简描述。
砍掉冗余示例：不再堆砌大量工具使用示例，转而优化工具本身的接口设计，从根源上降低模型调用出
错的概率，减少示例占用的上下文空间。
精简指令文件：把CLAUDE.md这类项目上下文文件压缩到极致，只保留项目最核心的专属规则，避免
无效信息干扰模型的决策判断。
二、落地优化技巧
上下文按需加载：不再一次性灌入全量项目文件，仅当Agent执行对应任务时，才加载该任务所需的专
属专业上下文，大幅降低无效Token消耗。
约束下沉架构层：把原本塞在提示词里的校验逻辑、边界约束，下沉到工具层和Agent脚手架中实现，而
非全部依赖模型指令来强制执行。
配套诊断工具：使用claude doctor这类工具自动扫描提示词，识别出无效、冲突的冗余指令，快速完
成Prompt的精简瘦身。
这套思路完全适配Claude 5系列新模型的特性，精简后的Prompt不仅Token消耗更低，还能给模型留出
更大的推理空间，让Agent的表现反而更稳定、更“聪明”。
需要我为你整理一份Prompt断舍离的快速自查清单吗？帮你快速清理现有Agent提示词里的冗余内容。