Claude Code 减少 verbosity 提示为何损害代码质量

你越能准确理解并传递对他们真正有帮助的价值，用户就越愿意给予点击、停留和后续信任。

这让我联想到早期自动驾驶软件的更新案例：为追求低延迟或成本，厂商调整参数，结果在特定场景下出现意外回归。AI Agent的质量控制难点，正在于这些intelligence与latency、cost之间的隐形权衡。

月4日的reasoning effort默认值下调，从high降至medium，本意是缓解高effort模式下偶发的长思考延迟和UI冻结问题。这一调整对Opus 4.6和Sonnet 4.6的影响更为显著，用户反馈思考深度不足、任务中途崩溃的比例上升。而随后发布的Opus 4.7默认设为xhigh，相对缓冲了部分冲击。4月7日Anthropic听取反馈后回滚，这一过程显示，即使是针对延迟的优化，也可能在不同版本间放大感知差异。

深入拆解第一个变更，3月4日Anthropic将Sonnet 4.6和Opus 4.6的默认推理努力从high调整为medium。本意是缓解high模式下偶尔出现的长延迟，避免UI冻结感并控制token开销。medium努力确实降低了响应时间，但复杂编码任务的思考深度随之减弱。多数用户未主动切换更高努力模式，4月7日该调整被回滚，Opus 4.7甚至默认设为xhigh。单独看，这一权衡主要影响响应智能，却未引发全面崩盘。

主流观点的盲区在于，将复杂叠加效应简单等同于模型能力倒退，这低估了AI Agent质量控制的工程复杂度。

Hacker News 上的讨论分数居高不下，不少开发者用“gaslighting”描述公司早期的回应态度：用户提供具体案例，内部评估却倾向于“正常波动”或“建议手动调高推理努力”。主流观点把此事归为AI工具迭代的常见阵痛，有人赞赏最终的透明度，有人则指出表面“Bug修复”掩盖了更深的沟通盲区——为什么用户喊了这么久，公司才给出完整拆解？

安全公司 Veracode 的长期测试数据提供清晰对比：在80个编码任务中，Claude Opus 4.7 引入漏洞的比例达到52%，高于 OpenAI 模型约30%的水平。一位安全专家自建工具测得质量下滑期 Claude Code 缺陷率较初期高出47.3%以上。

除了缓存问题，另外两个改动也放大了影响：默认reasoning effort从high降至medium，以及系统prompt对verbosity的严格限制。这些变化叠加不同流量切片和时间段，制造出看似随机的质量波动。Anthropic在postmortem中承认，内部测试未能及时捕捉这些corner case，这也反映出长上下文模型工程复杂性的真实一面。Claude的多文件重构能力强大，但上下文管理的脆弱性被这次事件彻底暴露出来。

不同版本的表现差异值得注意。Opus 4.6主要受前两个变更影响，思考深度不足、容易遗忘；Opus 4.7则更多暴露在verbosity limit上，但在完整仓库上下文的代码审查任务中，仍能找出4.6漏掉的bug。这说明模型本身没退化，Opus系列对prompt和effort调整的敏感性更高，其深度思考特性放大了harness变更的连锁反应。

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。

不过2026年社区反馈显示，其准确率和上下文感知有下滑趋势。幻觉依赖增多，错误建议时有出现，VS集成偶发崩溃或线程丢失，大项目agent模式下易卡。生态最稳的“安全牌”，但纯编码智能和复杂任务上已难以保持顶级水准。

行业内对怎么找一块1分跑的快群的讨论一直存在不同声音。