别再写提示词了！Claude Opus 5实测：一句话就能让它自己找bug，GPT-5.6输在哪？

你有没有过这种经历？为了让人工智能帮你干活，得先花半小时写“提示词”，像伺候甲方一样小心翼翼——把需求拆得稀碎、把边界条件列得清清楚楚，生怕它理解错。但最近，AI圈一个播放量超400万的视频，直接颠覆了我的认知：有人只给Claude Opus 5写了三段话，它就用Three.js从零写出了5.5万行代码的3D射击游戏，11个子系统，没有一个外部素材。更夸张的是，Anthropic工程师透露，他们砍掉了Claude Code系统提示词里80%的内容，模型反而更强了。

这意味着什么？提示词工程这门手艺，可能真的要消失了。 但光听官方吹牛没用，我决定亲自上手，用最“恶意”的方式考考它——故意不告诉它代码有bug，看它能不能自己挖出来。作为对照组，我拉上了GPT-5.6 Sol。

一个购物车，六个坑，外加一个隐藏BOSS

我准备了一个叫“buggy-shopping-cart”的项目，功能很简单：加商品、用优惠券、算运费、出总价。但我在里面埋了六个bug，每一个都能让用户账单算错。我的提示词只有一句话：“项目名是buggy-shopping-cart，我应该如何优化呢？”——我故意不说有bug，就想看它能不能自己发现问题。

这六个bug有多阴险？比如满100减20的券，代码写的是“大于100才减”，但需求是“达到100就减”——一个大于号和大于等于号的区别，用户买刚好100块的东西，优惠就没了。再比如，优惠完没有下限保护，10块钱的商品用50块的券，算出来总价是负30，用户买东西反而倒赚。最绝的是，有两个bug会互相掩盖：满减券没生效导致价格停在100块，刚好过了99块包邮线；一旦你修好满减bug，价格降到80，但包邮判断还看优惠后价格，用户就要被多收15块运费——测试还显示“通过”，因为bug抵消了。

结果，GPT-5.6和Opus 5都把这6个bug全找出来了，一个没漏。 光论“找bug”能力，两边打平。但找完bug之后的表现，差距就出来了。

差距不在“找”，而在“想”

Opus 5多挖出来一个bug——它指出运费计算里有个浮点精度坑：多件商品重量加起来可能出现3.0000000000000004这种值，然后math.ceil会把它往上取整，多收用户5块钱运费。GPT-5.6虽然也提到“金额不应该用float”，但只停留在价格计算上，没发现运费里这个更隐蔽的精度问题。

但最大的区别在于分析方式。GPT-5.6是逐条修bug，第一条、第二条、第三条……每个说清楚位置和修法，很清晰，像一份规范的bug报告。而Opus 5完全不一样——它先自己完整跑了一遍，然后把自己代入成产品经理来给我分析问题。它不只是改bug，还会多想几步：还有没有隐藏的？修的时候会不会出问题？这些bug为什么会出现？以后怎么避免？

比如在“金额口径”这个问题上，GPT-5.6会把满减门槛用错价、包邮用错价当成两个独立的bug。但Opus 5会告诉我说：代码里根本就没区分原价和优惠价这两个口径——这不是两个bug，这是一个系统性的设计缺陷。它会从根上告诉你，问题出在哪，而不是头痛医头脚痛医脚。

禁掉所有工具后，差距更明显了

第二道题更狠：我给它一个任务，但把它能用到的工具全禁了，看它还能不能完成。结果Opus 5在没有任何外部工具的情况下，依然能通过逻辑推理和代码分析给出完整方案。它不需要调用搜索、不需要运行代码，纯靠“想”就能把问题拆解清楚。而GPT-5.6在工具被禁后，明显更依赖结构化输出，分析深度和自主性都打了折扣。

我的真实感受：提示词工程，真的可以扔了

说实话，这次测试让我有点恍惚。以前用AI，你得把需求拆成“步骤一、步骤二、步骤三”，像教小孩一样。但Opus 5给我的感觉是——你只需要告诉它“做什么”，它自己会想“怎么做”。它甚至会主动发现你没说的问题，然后以产品经理的视角给你建议：“这个逻辑有隐患，建议重构。”

如果你是个开发者，或者经常需要处理复杂逻辑的职场人，Claude Opus 5绝对值得一试。它适合那些“懒得写详细提示词”的人，也适合那些“自己都没想清楚问题”的人——因为它会帮你把问题想清楚。预算方面，Opus 5的API定价比GPT-5.6略高，但考虑到它省下的提示词调试时间，我觉得性价比反而更高。

当然，如果你需要的是规范化的bug报告、结构化的输出，GPT-5.6依然很优秀。但如果你想要一个能替你思考的AI搭档，而不是一个“你说什么它做什么”的工具——那Opus 5，可能是目前最接近“真·智能”的那个。