一句提示词让AI重构代码：Claude 5.2所有权机制揭秘

Anthropic 的官方文档里藏着一个容易被忽略的细节：Claude 5.2 在写代码时，是否重构、是否合并重复逻辑，很大程度上取决于提示词里有没有告诉它「这段代码归谁」。这个发现来自 Simon Willison 对官方文档的摘录，但在工程实践中，它的意义远超一句提示词技巧。

所有权声明：一个被低估的提示维度

据 Anthropic 文档描述，在小型编程任务的测试中，如果提示词对代码归属只字不提，或者把代码库描述成「别人的」，模型倾向于在现有结构上继续叠加，哪怕这意味着重复已有的代码。换句话说，它把自己当成一个小心翼翼的访客，不敢动主人家的家具。

而当提示词明确宣称「这段代码是你的」时，行为会发生明显变化。官方给出的一句话是：

This codebase is yours: what it's for and how it's built are your call, and you'll keep building on it.

这句话的意思是，代码库的用途和构建方式由模型自己决定，并且它会持续在此基础上演进。本质上，这是把模型从「外包执行者」重新定位为「长期维护者」。

系统提示（system prompt） 是对话中由开发者预设、对用户不可见（或用户不直接编辑）的一段指令，用于规定模型的角色、行为边界和输出规范；它与用户在每轮对话里输入的内容分属不同层级。在 API 调用中，system 字段通常最先被处理，对后续所有轮次持续生效，因此常被用来承载“你是谁、你在为谁工作”这类全局设定。文中所说的“把所有权写进系统提示”，正是利用系统提示的持久性，让模型在整个会话中维持“长期维护者”的自我定位，而不是仅在单条消息里临时扮演某个角色。相比之下，写在普通用户消息里的同类表述作用范围更窄，也更容易被后续对话稀释。

数据说话：合并重复代码的概率差异

Anthropic 在小型编程任务上的测试给出了直观对比：使用上述所有权声明时，模型在大约一半的尝试中合并了重复代码；不使用时，这一比例不到十分之一。

这个差距值得玩味。合并重复代码是重构的典型动作，它要求模型理解全局结构、判断哪些逻辑可以抽象、并承担改动带来的风险。没有所有权暗示时，模型更倾向于保守——只做加法，不做手术。

从提示工程的角度看，这揭示了模型行为的一个底层机制：LLM 对「角色」和「责任边界」的敏感度，可能不低于对具体指令的敏感度。你让它改结构，它未必改；你告诉它「这是你的项目」，它反而会主动优化。

重复代码（duplicate code） 指同一段或高度相似的逻辑在代码库中出现在多个位置。它未必是错误，但在工程上通常被视为技术债：一处逻辑变更需要同步修改多处，容易遗漏并引入不一致的缺陷。消除重复的典型手段是抽取公共函数、模块或抽象层，这正是“重构”的核心动作之一。需要注意的是，合并本身也有代价——过度抽象会让调用链变长、耦合变紧，因此是否合并往往取决于对代码整体结构和未来演化的判断。这也解释了为何模型在没有归属感时倾向于只做加法：合并要求它承担改动既有结构的判断责任，而这恰恰是“访客心态”会回避的。

对开发者的实践启示

这个发现可以直接落地到日常的 AI 编程工作流中。如果你用 Claude 做代码审查或重构，不妨在系统提示里明确所有权归属。比如让它维护一个长期项目时，声明代码库归它所有；而让它只做一次性补丁时，则强调这是他人的代码，避免它擅自改动结构。

有意思的是，这种表述并非万能钥匙。文档中的测试集中在小型编程任务上，大型代码库、多文件重构等场景下的效果尚未有公开数据。而且，「所有权」是一种隐喻式的提示，模型的行为变化更多是概率性的——一半对不到十分之一，是显著差异，但不是确定性开关。

另一个容易被忽视的点是：所有权声明会改变模型的风险偏好。当模型认为代码是自己的，它更愿意做结构性改动；这在需要稳定性的生产环境中未必总是好事。提示词的力量在于方向，而方向需要人来把控。

风险偏好（risk preference） 在此指模型在“改动现有结构”与“保持现状只做增量”之间的取舍倾向。LLM 并不会显式计算风险，但其输出分布会受提示中隐含的责任归属影响：当模型被设定为代码的长期所有者，它对结构性改动的“心理门槛”会降低，更愿意承担重构带来的连带修改；当它被设定为外部协作者，则更倾向保守。这与人类工程师在面对不属于自己的代码时的行为高度相似。实践含义是：所有权提示既是效率杠杆，也是风险开关，在需要稳定性的生产分支上应谨慎使用，或配合“不得改变公共接口”“改动需最小化”等约束条件共同施加。

提示工程正在从指令走向设定

把这件事放到更大的背景下看，它反映了一个趋势：提示工程的重心正在从「写清楚指令」转向「设定好情境」。早期的提示技巧关注格式、示例、分步推理；而所有权这类提示，触及的是模型的自我定位和长期意图。

Anthropic 在文档中把这条建议单独列出，说明他们内部也认为这是一个可复用的模式。对于构建 AI 编程工具的团队来说，这或许意味着提示模板里应该增加一个「项目归属」字段，就像现在普遍会写清楚技术栈和代码风格一样。

一句话总结：告诉模型代码归谁，比告诉它怎么改，有时更有效。