Boris Cherny, twórca i szef Claude Code w Anthropic, powiedział w rozmowie z Dianą Hu z Y Combinator, że prompt engineering „is largely not important”. Według niego użytkownicy Claude Code powinni mniej skupiać się na „overthinking”, a bardziej na dawaniu modelowi zadań, które są trudne i wymagają sprawdzenia efektu po drodze. Cherny przywołał wewnętrzny eksperyment, w którym Claude dostał dostęp do OpenCV i samodzielnie narysował obrazy, mimo że nie było to oczekiwane. Kluczowe ma być nie tyle dopracowanie polecenia, ile zapewnienie modelowi sposobu weryfikacji pracy — Cherny nazwał to „probably the single most important thing”. W przykładzie z Claude Code kazał modelowi przepisać desktopową aplikację Claude z Electrona do natywnego Swift, uruchomić ją w Mac virtual machine, porównać screenshoty pixel by pixel i „Don’t stop until you’re done”. Anthropic sugeruje więc, że zamiast śledzić porady „AI influencerów” na Twitterze i LinkedIn, lepiej testować model empirycznie, dawać mu trudniejsze zadania i uzupełniać brakujący kontekst przez MCP.
Źródło: Search Engine Journal — oryginalny artykuł ↗
Chcesz wiedzieć, jak ta zmiana wpłynie na Twoją stronę?
Nasz zespół analizuje każdą aktualizację Google w 48h i przekłada ją na konkretne działania dla klientów.
Bezpłatna analiza wpływu