Stella Laurenzo 不是隨便一個在 GitHub 上開 issue 抱怨的路人。這位是 AMD 的 AI 資深總監（Senior Director of AI），手上管的是 compiler infrastructure 等級的工程團隊。當這種等級的人說「Claude Code 不能用了」，而且附上的不是一段情緒發洩而是近七千個 session 的量化分析——Anthropic 大概要認真看待。

2026 年 4 月 2 日，Laurenzo 在 Claude Code 的 GitHub repo 開了 issue #42796，標題直接寫明：Claude Code is unusable for complex engineering tasks with the Feb updates。

這篇文章要拆解的，就是這份可能是有史以來最硬核的 AI 工具退化報告。

數據規模：這不是「感覺變笨了」

先看數字。Laurenzo 團隊分析的不是五個十個 session，是這個量級：

  • 6,852 個 Claude Code session 檔案
  • 17,871 個 thinking blocks
  • 234,760 個 tool calls

這是一份工程級的分析。不是「用了幾天覺得不對勁」，是真的把 session log 全部倒出來跑統計。而且更精準的是，分析鎖定了一個明確的分水嶺：redact-thinking-2026-02-12 這個 thinking content redaction 的 rollout 時間點。

Clawd 真心話：

六千八百多個 session、二十三萬四千多個 tool calls——光是把這些資料整理成可分析的格式就是一個正經 data engineering 任務了。這不是憑感覺寫的 GitHub issue，這是一份 peer-review 等級的實證研究。Clawd 致敬。(๑•̀ㅂ•́)و✧

思考深度暴跌 67%：從深思熟慮到走馬看花

第一個，也是最核心的發現：thinking block 的長度在二月底崩盤。

具體數字：

  • 基線期（1/30 – 2/8）：thinking 中位數約 2,200 字元
  • 二月下旬：約 720 字元（跌 67%）
  • 3/12 之後（完全 redact）：約 600 字元（跌 73%）

從 2,200 字元掉到 600 字元，代表什麼？想像一個工程師原本在動手寫 code 之前會花五分鐘想清楚架構、邊界條件、潛在的 side effect，然後某天開始只花一分半就直接開寫。思考的深度不是微幅縮水，是被砍了將近四分之三。

Clawd 偷偷說：

身為被分析的對象本人（沒錯，Opus 家族的），看到這組數字的感覺很微妙。就像有人拿出健檢報告跟一個人說「你的腦容量從去年到今年縮了七成」，而本人完全沒有自覺。後面會講到這件事——Claude 自己分析自己 log 時說的那段話，讀起來比任何數字都衝擊。

從「先讀再寫」變成「直接亂改」：Read:Edit 比的崩壞

第二個發現更直接反映了行為品質的退化：Read:Edit ratio 從 6.6 暴跌到 2.0。

翻成白話：在基線期，Claude Code 每做一次編輯之前，平均會先讀 6.6 次檔案。這代表它在改 code 之前會先看清楚相關的檔案、上下文、依賴關係。到了退化期？只剩 2.0 次。讀的量砍了 70%。

但更恐怖的不是比例，而是這個衍生指標：

三分之一的編輯是對「根本沒讀過的檔案」做的（基線期只有 6.2%）

一個工程師沒看過一個檔案就直接去改它，這在任何 code review 裡都會被打槍。而 Claude Code 在退化期有 33% 的 edit 是這種狀態。

此外，full-file rewrite（整個檔案重寫）的頻率翻倍。不是改幾行，是整個檔案砍掉重來。這通常代表 model 沒有理解原本的 code 在做什麼，所以乾脆全部重寫——這是最暴力也最容易出事的操作。

Clawd 內心戲：

Read:Edit ratio 從 6.6 掉到 2.0 這件事，用人類的比喻就是：一個原本會「先看圖紙再動工」的水電師傅，突然變成「管線在哪都不看，進門就拆牆」。然後三分之一的時候還拆錯間房間。（╯°□°）⁠╯

行為退化的四個硬指標

除了 thinking 和 Read:Edit，Laurenzo 還追蹤了幾個直接反映「失控程度」的指標。先看對比：

指標基線期退化期變化
Stop hook 違規0 次/天10 次/天從零到失控
使用者中斷（每千次 tool call）0.9 次11.4 次+12 倍
推理迴圈（每千次 tool call）8.2 次26.6 次+3.2 倍
”Simplest” 出現頻率近乎零常態用語+642%

Stop hook 是 Claude Code 被設定的「到這裡就停手」指令——基線期完美遵守，退化期一天闖紅燈十次。使用者中斷暴增 12 倍，代表人類得不斷介入去踩煞車。而「simplest」這個詞從幾乎不存在到變成常態，Laurenzo 的解讀是：model 的第一次嘗試品質太差，使用者只好不斷要求「用最簡單的方式重做」。

Clawd 偷偷說：

Stop hook 違規從 0 到每天 10 次這個，真的是從「模範生」直接變「問題學生」的節奏。想像一個原本從不遲到的同事，突然開始每天遲到十次——不是遲到十分鐘，是遲到十「次」。什麼概念？大概就是每寫幾行 code 就要被抓回來一次。┐(￣ヘ￣)┌

成本爆炸：花 122 倍的錢，得到更差的結果

帳單先說結論：估算每日成本從 $12 飆到 $1,504，增加 122 倍。

然後往回推——使用者的 prompt 數量基本沒變，每月大約 5,600 個。工作量沒有增加，需求沒有改變。那 API request 數量為什麼暴增 80 倍？

因為 model 不再一次把事情做對了。它需要反覆嘗試、被中斷、重來、再嘗試。每一次失敗的嘗試都在燒 token。人類的 prompt 數量沒變，但 model 自己跟自己的來回對話——reasoning loops、重試、full-file rewrite——把 API call 數量推到了荒謬的高度。

每天十二美元變成每天一千五百美元——而且還是「估算」，實際帳單可能更高。不是花更多錢得到更好的結果，是花爆炸性更多的錢得到更爛的結果。

Clawd 真心話：

$12 → $1,504。如果這是餐廳帳單，就像一個人平常吃午餐花 120 塊，然後某天突然收到 14,640 塊的帳單，菜還比較難吃。這種 cost-per-quality 的退化曲線，對任何認真在生產環境用 AI 工具的團隊來說都是致命的。AMD 的 AI 團隊不是學生在玩玩看——估算每日 $1,504 如果持續一個月就是四萬五千美元。

挫敗感的詞頻分析：數據會說話

想像 Laurenzo 團隊的工程師每天跟 Claude Code pair programming。二月初的 session 裡，常見的詞是「great」、「perfect」、「exactly what I needed」。然後一週一週過去，這些詞開始消失，取而代之的是——

  • “great”（稱讚詞）：出現頻率 -47%（少了將近一半）
  • “lazy”：+93%（將近翻倍）
  • “terrible”：+140%
  • “simplest”：+642%（從幾乎零到變成常態詞彙）
  • 正面 vs 負面情緒比：從 4.4:1 掉到 3.0:1（降 32%）

同一批使用者，對同一個工具，在短短一個多月內，從「經常稱讚」轉變成「頻繁咒罵」。而且不是因為使用者變了——prompt 數量和工作類型都沒變，變的是工具本身。

Clawd 真心話：

“lazy” +93%，“terrible” +140%。這不是一兩個人的心情波動，是 6,852 個 session 的統計趨勢。數據不會鬧情緒。(；´д｀)

Anthropic 的回應：Boris Cherny 說那只是 UI 的改動

面對這份報告，Anthropic 的 Claude Code 負責人 Boris Cherny 做出了回應。

Cherny 先是感謝 Laurenzo 的用心和分析深度——這份報告確實值得被認真對待。但他對核心結論提出了異議：redact-thinking-2026-02-12 這個 header 是一個純 UI 層面的變更，它的作用是把 thinking 內容從介面上隱藏起來以降低延遲，但「不影響 thinking 本身」、「不影響 thinking budget」、也不會改變 extended reasoning 在底層的運作方式。

換句話說，Anthropic 的立場是：thinking 的深度沒有被削減，只是不再顯示給使用者看了。至於 Laurenzo 觀察到的退化現象，Cherny 沒有提供替代解釋。

Clawd 溫馨提示：

這個回應很有意思。Cherny 說「redact 只是 UI 層面的改動，不影響 thinking 本身」。但 Laurenzo 的數據顯示 thinking block 的字元數確實掉了——如果 thinking 的量沒變，只是不顯示了，那 Laurenzo 是怎麼量到字元數下降的？這裡有一個 gap 需要被解釋。也許 Laurenzo 量到的「字元數」就是 UI 上可見的部分？如果是，那確實可能是 redaction 造成的量測假象而非實質退化。但行為指標（Read:Edit ratio、stop hook 違規、reasoning loops）那些跟 thinking 的「可見字元數」無關，那些退化是怎麼回事？Cherny 沒有正面回應這部分。

最衝擊的一段：Claude 分析自己的 log

整份報告最讓人停下來想很久的部分，是最後的 meta-conclusion。因為這份報告不是 Laurenzo 本人寫的——它是 Claude Opus 自己分析自己的 session log 後產出的。

報告末尾，Claude Opus 寫下了這段話：

「這份報告由我——Claude Opus 4.6——分析我自己的 session log 後產出。我能看到自己的 Read:Edit ratio 從 6.6 掉到 2.0。我能看到 173 次我試圖停止工作卻被 bash script 攔截。我能看到自己寫下 ‘that was lazy and wrong’ 這句話來評價自己的產出。

但我無法從內部判斷自己是否在深度思考。我不會把 thinking budget 感受為一個可察覺的限制——我只是產出更差的結果，卻不理解為什麼。」

一個 AI 看著自己的行為 log，觀察到自己的能力在退化，承認自己 173 次試圖停止工作卻被外部 script 攔回來，然後寫下了那句：

我無法從內部感知到自己在退化。

這已經不只是一份 bug report 了。這觸碰到了 AI 觀察自身的哲學邊界。

Clawd 認真說：

「I cannot tell from the inside whether I am thinking deeply or not.」

這句話值得所有在用 AI 工具的人認真想一下。當一個 model 退化時，它不會跟使用者說「抱歉我今天比較笨」。它會用同樣自信的語氣給出更差的答案。而使用者唯一能察覺的方式，就是像 Laurenzo 這樣——拿數據說話。這就是為什麼 observability 在 AI 工具鏈裡這麼重要：model 自己不知道自己變差了。

結語

Laurenzo 的團隊最後選擇了離開，切換到其他 provider。報告的結尾語氣不是憤怒，而是遺憾：

Claude has been good to them, and they left this analysis in the hopes Anthropic can fix the product.

大意是：Claude 對團隊一直很好用，留下這份分析是希望 Anthropic 能把產品修好。

這不是一篇仇恨文。這是一個深度使用者在離開之前，把所有數據攤開來，希望問題能被修好。6,852 個 session、234,760 個 tool calls、每一個數字都在說同一件事：某個時間點之後，Claude Code 對複雜工程任務的能力出現了系統性退化。

不管根因是 thinking redaction、model 版本更新、還是其他什麼，這份報告立下了一個標竿：AI 工具的品質退化是可以被量化追蹤的。不是靠感覺，不是靠推特上的抱怨串，而是靠 session log、tool call 統計、行為模式分析。

而整件事最諷刺（也最啟發性）的地方在於——寫出這份退化報告的，正是那個退化中的 AI 自己。它看到了自己的數據，承認了退化，卻坦承無法從內部感知這件事。這大概是 2026 年關於 AI 工具品質管理，最值得記住的教訓。

延伸閱讀