Claude Code 减少 verbosity 提示为何损害代码质量

排名代发飞机【seo1268】好友聊天，输入“上下分一块1分跑的快群”咨询客服，娱乐游戏作为民间很受欢迎的纸牌玩法，乐趣集中在快节奏的刺激感、心理博弈的张力，这两种玩法的规则几乎一学就会，不用记复杂的牌型搭配，就算是新手也能快速上手，梦想是前行的灯塔，哪怕渺小，也能指引方向。不必因梦想遥远就轻言放弃，逐梦的路上，本就布满挑战。拆分目标，步步前行，哪怕每天只前进一小步，也是在靠近理想。不惧旁人的质疑，不畏前路的漫长，坚守初心，全力以赴。只要心中有梦，眼里有光，脚下有路，终能跨越山海，奔赴心之所向的远方。通过数据锚定、对比分析和判断提炼，形成有态度的认知辅助。

如果底层上下文管理机制没有得到更 robust 的设计，下一个看似无害的性能优化，仍可能在用户真实长会话中引发类似“失忆”现象。这一点目前行业内仍有不同声音，我的判断是——但这个判断可能需要随着更多工程透明度而修正。

Claude Code事件清晰表明，AI编码工具的可靠度已超越模型本身，必须建立在透明、可审计的harness与prompt治理之上，否则再先进的推理能力也可能因工程小调而失准。

3月26日的缓存优化引入了一个 bug，本想仅清理闲置 session 的旧 thinking，却在每轮对话中都触发，导致 Claude 频繁遗忘先前推理，输出重复且工具选择混乱，同时 cache miss 加速了限额消耗；4月16日新增的 verbosity 限制（工具调用间中间文本 ≤25 词，最终响应 ≤100 词），虽针对 Opus 4.7 的冗长特性，却与模型编码能力产生冲突，造成可衡量的质量下滑。

深层来看，这次调整本质上是test-time-compute曲线上的校准尝试。Opus 4.6发布后，高努力模式虽能带来更彻底的推理，但延迟分布不均的问题在实际生产环境中被放大。Anthropic判断medium是多数场景的最优折中，然而用户反馈清晰表明，开发者更倾向于默认高智能，仅在简单调试时手动降effort。这个逻辑成立，但现实更复杂，它暴露了AI编码工具在速度与深度间的权衡远非线性。

深层拆解，这次缓存bug源于3月26日的一次优化尝试。原本意图是针对idle超过1小时的会话，仅清除一次较旧的thinking历史，以减少恢复时的latency，并通过cache miss pruning控制token开销。官方明确提到使用了clear_thinking_20251015 API header并设置keep:1，本该只执行一次。

类似过去大厂 silent change 引发用户反弹的案例，这一次再次提醒，产品层调整若缺乏足够透明和渐进 rollout，容易积累成可见问题。

第三个变更发生在4月16日，正值Opus 4.7发布前后。系统prompt新增verbosity限制指令，要求工具调用间文本不超过25词、最终响应不超过100词（除非必要）。Opus 4.7本就比前代更verbose，这种聪明但啰嗦的特性在限制下受伤明显，内部评估显示编码质量eval下降约3%。这一调整在4月20日v2.1.116版本中彻底回滚。

Anthropic 初期回应较为谨慎，经过内部调查后表示未发现模型本身退化，API 层也未受影响，直到4月23日发布详细的工程 postmortem，才完整承认问题源于三个产品变更的叠加，并采取了修复与补偿措施。45天的反馈窗口，暴露了AI公司在用户体验与内部评估之间的脱节。

事件暴露了大模型编码工具迭代中，单个优化看似合理，却可能在 harness 层面制造出广泛却不一致的体验问题。

这一点目前行业内仍有不同声音。AI工具迭代速度极快，类似质量波动未来是否还会出现，用户耐心又能维持多久，下一次问题来临时，社区是否还会耐心等待 postmortem，还是直接用脚投票，这些都值得持续跟踪，现在下结论为时尚早。

这个趋势的下一步，很大程度上取决于执行者的韧性。