Minder context, beter resultaat: wat Anthropic leerde door 80% van de Claude Code-instructies te schrappen

Wie met AI werkt, heeft het waarschijnlijk zelf gedaan: een model maakt een fout, je voegt een regel toe. Een paar maanden later staat die regel in je instructiebestand, nog eens in een skill, en misschien in een lichtjes andere versie op een derde plek. Het model is intussen beter geworden, maar de regels zijn gebleven.

Precies daar zit volgens Anthropic zelf het probleem. Hun engineers hebben ruim 80% van de system prompt van Claude Code geschrapt, en rapporteren geen meetbaar verlies in hun evaluaties.

Wat is er veranderd?

De system prompt is het regelboek dat standaard meekomt met Claude Code. Jouw eigen instructies en context komen daar bovenop. Anthropic ontdekte dat veel van die regels voor oudere modellen nodig waren, maar nieuwere modellen eerder in de weg zitten.

Een voorbeeld: vroeger was er een harde limiet op hoeveel commentaar Claude in code mocht schrijven, ook al had een project soms meer uitleg nodig. De nieuwe regel is veel eenvoudiger: volg de stijl van de code eromheen.

Waarom meer context niet altijd beter is

De reflex is logisch: hoe meer informatie, hoe beter het resultaat. Het onderzoek zegt iets anders.

• Een studie uit 2025 testte vijf modellen op wiskunde, vragen beantwoorden en programmeren. De prestaties daalden naarmate de input langer werd, tussen 13,9% en 85% afhankelijk van model en taak.
• Anthropic liet zelf tooldefinities pas laden op het moment dat ze nodig waren. Dat gaf 85% minder tokenverbruik, en de evaluatiescores stegen van 49% naar 74% voor Opus 4 en van 79,5% naar 88,1% voor Opus 4.5.

Minimaal betekent niet kort

Anthropic is hier zelf voorzichtig in: minimaal is niet hetzelfde als kort. Als het model een detail nodig heeft om de job te doen, hou je dat detail. Het gaat om de kleinste hoeveelheid context die nog het beste resultaat geeft.

In de praktijk betekent dat:

• Bewaar wat het model niet zelf kan achterhalen: je stem, je doelen, je doelgroep en hoe je bedrijf werkt.
• Leg uit waarom je iets vraagt. Wie weet dat een gids voor studenten bedoeld is, kiest vanzelf voor eenvoudige uitleg en voorbeelden.
• Schrap wat het model zelf kan opzoeken, zoals een lange mappenlijst, en wat op meerdere plaatsen dubbel staat.
• Laad procedures pas wanneer ze nodig zijn. Je volledige werkwijze voor video-editing hoeft niet mee te komen als je hulp vraagt bij een script.

Een test uit de praktijk

Nate Herk, de maker van de video waarop dit artikel gebaseerd is, vergeleek zijn volledig ingerichte setup met een kale versie zonder skills. Beide moesten een interview omzetten naar een studentenhandboek.

De ingerichte versie zag er mooier uit, met zijn huisstijl en links. De kale versie was visueel rommeliger, maar had een betere structuur, betere details en tijdstempels. Zijn conclusie: in zijn eigen skill stonden zoveel regels dat het model nauwelijks vrijheid had om zelf de beste vorm te kiezen. Dat was handig bij oudere modellen, maar nu staat het in de weg.

Een mooie vergelijking uit de video: het is alsof je een ervaren ontwerper de checklist geeft van een kind dat zijn eerste presentatie maakt.

Zo ruim je je eigen setup op

In Claude Code kun je /doctor uitvoeren. Dat controleert je skills, geheugen, plugins en instellingen, en toont onder andere:

• welke skills hoe vaak gebruikt zijn en hoeveel tokens hun beschrijving kost;
• welke instructies dubbel voorkomen (in het voorbeeld ging het om ongeveer 2.250 tekens, goed voor een geschatte besparing van 563 tokens);
• instructiebestanden uit andere mappen die je zonder het te weten ook laadt, in dit geval ongeveer 2.000 tokens extra;
• kapotte skills, bijvoorbeeld door een verkeerde bestandsnaam of een fout in de beschrijving, waardoor Claude ze niet correct zag.

Controleer de lijst altijd zelf voor je iets uitschakelt. Een skill die je via een ander hulpmiddel gebruikt, kan hier als ongebruikt verschijnen.

Daarna kun je Claude vragen om je eigen werkwijze te doorlichten. Een goede opdracht: toon de kleinste wijziging die het pad van idee naar eindresultaat sneller maakt, verwijs naar de exacte bestanden, en pas nog niets aan. Zo blijft de beslissing bij jou.

Hoe vaak herhalen?

• maandelijks, als je vaak skills toevoegt of je werkwijze aanpast;
• per kwartaal, als je setup stabiel is;
• elke keer dat er een nieuw model uitkomt, want elk model leest je instructies net iets anders.

Wie het vertrouwen heeft, kan dit zelfs als geplande taak laten draaien en maandelijks aanbevelingen ontvangen die je enkel nog goedkeurt of afwijst.

Wat dit betekent voor ons

Dit past in wat wij zien bij bedrijven die AI inzetten: de neiging om elk probleem op te lossen met een extra regel. Meestal is het resultaat beter als je het doel, de reden en de grenzen duidelijk maakt en de rest aan het model laat.

Bron: de video Anthropic Engineers Just 10x'd Everyone's Claude Code van Nate Herk | AI Automation op YouTube. Dit artikel is een eigen bewerking in het Nederlands.