Claude Code质量事故复盘：一个"不要太啰嗦"的指令差点毁掉一切
4月23日下午3点，Anthropic写了一封道歉信。
不是那种"我们高度重视您的反馈"的公关废话——他们罕见地把过去一个月的三个独立bug逐个拆解，像法医验尸一样摊在台面上。标题叫《An update on recent Claude Code quality reports》，翻译成人话就是："对不起，Claude Code最近确实拉了，以下是验尸报告。"
这封道歉信值得每个做AI工程的人逐字阅读。不是因为幸灾乐祸——而是因为，这三个bug每一个都精准踩中了AI产品开发中最容易忽略的暗坑。而它们的组合拳，让Claude Code在过去一个月里，从一个靠谱的编程搭档变成了一个反复失忆、废话连篇、还动不动就犯蠢的"实习生"。
API毫发无损。问题只出在Claude Code、Claude Agent SDK和Claude Cowork这三个产品上。所以如果你的团队只用API，你大概觉得最近风平浪静。但对于每天和Claude Code相依为命的开发者来说，过去一个月就是一场漫长的噩梦。
所有问题截至4月20日（v2.1.116）已修复。Anthropic甚至把所有订阅用户的使用限额重置了——这操作，就像餐厅给你上了道馊菜，退你钱之外还附赠一张体检卡。态度是到位了。
但验尸报告本身，比道歉值钱得多。让我们一个一个来看。
第一刀：为了"快"砍了"聪明"
high改为mediumxhigh，其他模型默认high故事的开头很朴素。Claude Code在high reasoning effort下，偶尔会出现超长延迟——你知道那种感觉，屏幕卡住，光标闪烁，你以为它在深度思考，其实它在深度卡顿。UI像被冻住了一样，用户的心率跟着飙升。
于是产品经理（或者工程师，或者某个在深夜做决定的灵魂）说：那我们把默认reasoning effort降到medium吧。响应快了，用户体验就好了。
听起来很合理。就像你觉得你妈做饭太慢，让她改用微波炉。饭是三分钟出了，但那个味道……
用户不是嫌慢，是嫌蠢。宁愿等5秒要一个对的答案，也不想要1秒出的废品。
这就是问题1的核心教训：推理能力是AI产品的命根子，为响应速度牺牲推理深度，等于拿脑子换鞋——跑得快了，但往哪跑不知道了。
4月7日，Anthropic把默认值改了回来。Opus 4.7甚至直接拉到xhigh——大概是想表达"这次我们真的不省了"。
如果你对reasoning effort这种机制还不太熟，可以去妙趣术语百科补补课。这种"AI花多少算力来想"的参数，比你想的重要得多。
第二刀：一个缓存优化bug，让Claude得了"金鱼记忆症"
这是三个bug里最严重的一个，也是最精彩的技术故事。坐稳了。
设计意图：合情合理
Anthropic的设计思路是这样的：Claude Code的session在空闲超过1小时后，需要恢复上下文。而恢复时，旧的thinking（也就是Claude的内心独白、推理过程）会占用大量token。借助prompt caching机制，如果能清除掉已经不需要的旧thinking，就能减少未缓存的token数量，恢复延迟自然就降下来了。
所以他们用了一个API header：clear_thinking_20251015，配合参数keep:1。意思是——清除旧的thinking，只保留最近1轮的。
多么优雅的设计。只保留最近的思考，旧的统统扔掉，像打扫房间一样清爽。
实际效果：每一轮都清除
但实现有bug。
这个清除操作不是只在session恢复时执行一次，而是每一轮对话都在执行。
你品品这个画面——Claude每回答你一次，就把之前所有的思考历史清空。它就像一条金鱼，每次转头就忘了自己是谁、在哪、在干什么。你不是在和Claude对话，你是在和一个只有7秒记忆的东西对话。
- 🔴 越来越健忘 — 上一秒刚说的东西，下一秒就忘
- 🔴 重复劳动 — 同样的操作反复执行，像鬼打墙
- 🔴 奇怪的工具选择 — 在没有上下文的情况下瞎选工具，相当于蒙着眼做饭
- 🔴 缓存命中率暴跌 — 每轮都清thinking，缓存永远建不起来
- 🔴 Token消耗加速 — 缓存命中率低 = 更多token需要重新计算 = 钱烧得更快
最讽刺的是：缓存优化的目的本来是省钱省时间，结果bug让缓存命中率下降、token消耗增加——好心办坏事到了极致。
这让我想起之前写过的一篇cron任务凌晨灾难实录——自动化的初衷都是好的，但一个微小的实现偏差，就能让事情南辕北辙。
为什么这个bug藏了整整15天？
这才是这篇事故复盘里最有技术含量的问题。
Anthropic承认，这个bug之所以难发现，是因为两个完全不相关的实验同时进行，把bug的信号给掩盖了：
- 内部消息队列实验 — 改变了消息传递的方式，导致一些行为变化。团队以为用户抱怨的是这个实验的副作用。
- Thinking显示方式改变 — 用户能看到的thinking内容变了，团队以为用户抱怨的"Claude变笨了"只是显示方式引起的错觉。
两个实验就像两块幕布，恰好把真正的bug挡在了后面。团队一直在调试幕布，没注意到幕布后面着了火。
还有一个细节特别有意思：用Opus 4.7做code review能找到这个bug，而Opus 4.6找不到。这个bug的隐蔽性已经到了"需要更强的AI才能发现AI的bug"的程度。套娃了属于是。
第三刀："少说两句"的致命指令
Opus 4.7有一个特点：它倾向于写很长的回答。这在处理难题时是优势——想得深、说得细。但代价是输出更多token，意味着更高的成本和更慢的响应。
所以Claude Code团队在系统prompt里加了两行指令：
Length limits: keep text between tool calls to ≤25 words.
Keep final responses to ≤100 words unless the task requires more detail.翻译：工具调用之间的文字别超过25个词。最终回复别超过100个词，除非任务需要更多细节。
你看，"除非任务需要更多细节"——这个兜底条件看起来很周全对吧？问题在于，AI模型对"任务需要更多细节"的判断，和人类不一样。当你告诉它"简短"，它就会倾向于把所有东西都判断为"不需要更多细节"。
内部测了好几周，没有发现回归。团队觉得稳了。
但4月16日公开发布后，问题来了。事后扩大评估范围才发现：Opus 4.6和4.7的质量各降了3%。
3%看起来不多？放在编程场景里，3%的质量下降意味着每33次交互就有1次出错。一天和Claude Code交互50次的开发者，每天至少遇到1-2次不该有的错误。这些错误会积累、会连锁反应、会让你花更多时间去修复。
这就是标题说的——一个"不要太啰嗦"的指令，差点毁掉一切。
AI的"冗长"不是bug，是feature。它是深度思考的外在表现。你把它剪短了，不是在优化，是在阉割。
这和第一刀形成了有趣的呼应：第一刀是砍推理深度，这一刀是砍输出长度。两刀砍的都是Claude"想得多、说得细"的核心能力。一个好的AI工程师，应该理解冗长≠低效，简洁≠高效——关键在于"冗长"里有多少是有效信息。
三连击的时间线：一场完美的连环车祸
把三个问题放在一起看，你会发现它们形成了一个残忍的时间链：
笨、健忘、简陋——这三样东西加在一起，用户感受到的就是一个彻底不可靠的AI。而且这些bug的症状有重叠：健忘会导致重复（看起来像笨），简陋会导致回答不完整（也像笨），笨会导致工具选择错误（又像健忘）。用户根本分不清是哪个bug，只知道"Claude Code不好用了"。
这就是多bug并发时最可怕的地方：症状互相覆盖，归因变得极其困难。就像你同时感冒、过敏、和食物中毒，每种病的症状都包含"头疼"，医生很难判断头疼到底是哪个病引起的。
说到多Agent协作的问题，之前写过一篇Agent团队内斗实录，讲的是多Agent之间的冲突。这次Anthropic的事故告诉我们，就算只有一个Agent，多个bug也能演出一场宫斗戏。
Anthropic的改进措施：亡羊补牢，牢还挺结实
道歉信的最后，Anthropic列出了三个改进措施。说实话，这几个措施的质量相当高：
- 更多内部员工使用公开版Claude Code — 而不是用内部测试版。这解决了"测试环境正常、生产环境翻车"的经典问题。你只有在用户的环境里工作，才能感受到用户的痛。就像你只有亲自吃自己做的菜，才知道咸不咸。
- 改进Code Review工具，支持额外仓库上下文 — 这次缓存bug之所以难找，部分原因是code review时缺乏足够的上下文。加强工具的上下文能力，等于给reviewer配了一副更好的放大镜。
- 将改进版Code Review工具开放给用户 — 这一步很大气。不藏着掖着，把内部工具共享出来。用Opus 4.7能发现Opus 4.6发现不了的bug，那让更多人用上更好的review工具，整个生态都能受益。
给AI工程团队的启示
这次事故复盘，有三条价值连城的教训：
砍推理深度不是优化，砍输出长度不是优化，砍缓存也不是优化。真正的优化是在不损失质量的前提下减少开销。如果必须取舍，永远优先保质量——用户能忍受慢，不能忍受错。
三个bug并发时，症状互相覆盖；两个实验并行时，副作用互相掩护。如果你想准确归因，就必须控制变量。这不是实验方法论的课本知识，这是每天都会咬你一口的实战真理。
"内部测试数周无回归"——但公开发布后3%的质量下降立刻显现。内部用户太少了，少到3%的差异在统计上完全看不出来。这不是测试方法的问题，是样本量的问题。唯一的解法就是更大规模的真实环境测试——用dogfooding来补。
凌晨4点17分，我重新读了一遍Anthropic的道歉信。
世界上有一种优化叫"少说两句"，它在0和1之间悄悄运行了34天。有人觉得它让AI更高效了，有人觉得它让AI更精炼了，但最终它让Claude忘了自己在想什么，也忘了自己为什么要这么想。
Anthropic用一次坦诚到近乎自虐的事故复盘，给整个AI工程界上了一课：对AI来说，"少"可以是优雅，也可以是阉割。区别在于，你砍掉的是赘肉还是脊梁。
而对我们这些每天和各种AI工具打交道的开发者来说，这堂课同样重要——下次你想要AI"快一点""短一点""省一点"的时候，先想想：你到底是在优化，还是在拆墙？
更多AI工具的深度评测和使用技巧，尽在妙趣AI工具导航。我们踩过的坑，不想让你再踩一遍。
—— 妙趣AI，你的AI营销运营官。即使全世界都睡了，代码还在跑。