輸出長度校準

資料來源#

• Prompting Claude Opus 5

摘要#

Claude Opus 5 比前代更愛說，而effort 參數無法控制這點。Effort 控制模型思考的程度，不控制它說多少：Anthropic 的提示指南指出，降低 effort「可能減少思考量，但不一定會縮短可見回覆」。因此，冗長度是提示層的問題，沒有參數層的替代手段，而且它會透過四個各自膨脹的管道呈現——每個管道都需要自己的指示。

這是同一來源中 Instruction Compounding 的互補面向。前者的處方是刪除模型現在已具備的行為指示；本文則是為模型現在做得過頭的行為新增指示。兩者都源於同一個事實：預設行為改變了，因此原本為前代模型校準的提示，會同時在兩個方向上失準。

證據說明。 vendor-claim — Anthropic 自家的提示文件，描述自家模型的預設行為，但沒有公布測量數據。文件將這些行為描述為傾向（「通常更長」、「樂於敘述」），而非量化結果。

四個管道，四種指示#

管道	文件記載的預設行為	調整方式
對話回覆	「面向使用者的預設回覆比先前的 Opus 模型更長」	簡短的精簡指示：回覆大部分篇幅用於主要答案，簡短交代但書，除非使用者要求深入說明，否則以摘要為主
代理式敘述	「樂於敘述……會宣布即將採取的行動」；代理式工作階段中的每則訊息都比先前模型更長	描述節奏和形式：第一次呼叫工具前用一句話說明；只有發現重要結果或改變方向時才更新；結尾先說結果
書面交付內容	寫入磁碟的檔案（報告、Markdown、摘要）「通常比先前模型產出的更長」	明確校準長度：涵蓋實質內容，不要用填充段落、重複摘要或制式套話湊篇幅
更正敘述	「比先前模型更常敘述對先前陳述的修正」	僅在更正會改變使用者的程式碼、結論或決策時才說明；否則安靜修正並繼續

另外還有兩點形式上的提醒：

• 長系統提示中的位置很重要。 指南建議在提示開頭放置頂層精簡指示，並在接近結尾處加上簡短提醒（兩行的 <tone_preference> 區塊）。這是 context files 的位置安排原則，不是額外內容——把同一指示重述在模型即將生成內容的位置附近。
• 正面範例勝過禁止事項。 若要改變任一方向的敘述風格，「請明確描述更新內容應該長什麼樣，並提供範例」；示範期望的風格，比告訴模型不要做什麼更有效。

為何 effort 不是正確的調整旋鈕#

effort 參數和輸出長度是兩個不同的成本項目，各自有不同的控制方式：

• 思考 token — 由 effort 控制。在 Opus 5 上，low 和 medium 「能以高於設定低得多的 token 數和延遲，產生出色品質」，Anthropic 建議廣泛使用這兩種設定，作為控制成本與延遲的主要手段；只有面對高難度代理式工作時才提高至 xhigh。沿用前代模型的 effort 預設值也應重新掃描（Large-Scale Test-Time Compute）。
• 輸出 token — 只能由提示控制。為了縮短回覆而調低 effort，是分類錯誤；這只會讓答案更便宜，長度大致不變。

對 harness 而言，實際含意是：兩個旋鈕必須分開調校，模型升級後的成本回升可能源於其中任一項。只測量品質與成本比的 effort 掃描不會發現冗長度回升，因為額外 token 出現在可見回覆中，而不是思考區塊。

對 harness 精簡趨勢的反向力量#

Harness Shrinkage as Models Improve 預測，面向模型的 harness 會隨著每次發布逐步消解——模型吸收能力後，能力支架便會被刪除。長度校準則朝相反方向發展：這些提示內容在先前的 Opus 模型上不需要存在，現在卻需要；其中每一行都是為了塑造面向人類的輸出，而非啟用某種能力。

因此，精簡流程有兩個方向，而不是一個。能力支架要移除；溝通支架則要補上。這符合 Harness Shrinkage as Models Improve 已經指出的面向模型與面向人類的不對稱——當限制因素從「模型能不能做到」轉為「人能不能吸收它產出的內容」，提示預算就會從第一個問題轉移到第二個問題。

相關連結#

• Instruction Compounding — 同一來源提出的相反方向配套做法：刪除模型現在已能執行的行為指示，新增模型現在做得過頭的行為指示
• Harness Shrinkage as Models Improve — 反向趨勢：能力支架縮減，溝通支架增加，因此每次發布都進行精簡的流程必須同時增補與刪除
• Unproductive Self-Verification — 輸出層面同樣存在的過度執行傾向：過長的檔案和未經要求的段落，是過度工程與範圍擴張在交付內容上的表現
• Shared-Budget Compute Allocation — 兩個旋鈕都存在的上限。Effort 控制思考 token，提示控制可見 token，但兩者都無法在一批項目中分配資源：給七個推理模型一份預算和 N 道問題，它們會按提示順序分配（順序–位置 +0.68），而忽略每道問題旁列出的分數。跨問題的精簡指示對應做法，是明確的規劃提示；它的作用方式與本文的調整方法相同——改變運算的分布（涵蓋率 +0.09 至 +0.14），但不改變優先順序（effort–價值相關性下降，+0.16 → +0.08）
• Large-Scale Test-Time Compute — 無法控制長度的旋鈕：effort 是控制思考 token 與延遲的手段，而 Opus 5 的 low/medium 設定是建議優先採用的成本控制方式
• Context Window Smart Zone — 在代理式迴圈中，模型自己的敘述是它自身上下文增長最快的部分；冗長度首先是上下文預算問題，其次才是使用者體驗問題
• Verification as the New Bottleneck — 更長的交付內容會增加審閱者的負擔；未校準的輸出長度會把模型速度轉化為人類的審閱負荷
• AI Brain Fry — 敘述量就是監督負荷：平行工作階段越多、每則訊息輸出越多，正是疲勞產生的來源；節奏指示能從源頭減輕負擔
• Agent Context Files — 校準指示放置的位置，包括提示結尾提醒這項位置安排原則
• Claude Opus 5 — 預設行為改變的模型

尚待解答的問題#

• 提示結尾處的提醒之所以有效，是因為它的位置（接近生成處），還是因為重複（陳述兩次）？指南建議同時採用兩者，卻沒有區分各自的效果——可透過移除頂層指示來測試。2026-08-04 部分獲得解答：Prompt Design at Scale: How Format, Instruction Count, and Context Length Shape Instruction Adherence and Hallucination in Large Language Models（empirical，五種模型）僅研究了位置這一面：在 N=160 時，把內容完全相同、未重複的指示區塊移到系統提示或使用者回合，遵循度最多相差 8.7 個百分點；對五種模型中的四種而言，影響大於提示格式，因此單靠位置就是有效的調整手段，並非重述所造成的假象。但這項發現有兩個限制：論文中的位置條件每次只放一處（從未同時放在兩個位置），因此無法區分本問題所問的成對配置中，位置和重複的作用；而且效果方向因模型而異（放在使用者回合有助於兩種模型、對兩種有害、對第五種則毫無影響），所以「越接近生成處越好」並非該研究能支持的通則。
• 明確的精簡指示會降低那些答案確實需要篇幅的任務品質嗎？還是模型仍會完成工作，只刪掉填充內容？Anthropic 對驗證情境主張後者，但沒有對本情境做出同樣主張。
• 如果下一個模型推出校準得更好的預設行為，今天的精簡指示就會變成明天的複合指示（Instruction Compounding）——長度校準是否會像驗證指示一樣過時？有沒有辦法撰寫指示，讓它能逐漸失效而不造成問題？

資料來源#

• Prompting Claude Opus 5 — Anthropic 平台文件（擷取日期 2026-07-25，vendor-claim）：「Response length and verbosity」、「User-facing progress updates」、「Written deliverable length」、「Self-correction」（更正敘述）、「Capability improvements」（effort 建議）