# claude-code

Anthropic 剛發 postmortem 承認 Claude Code 最近一個月確實變笨——而且不是一個 bug，是三個疊在一起看起來像大型 regression。三月把 default reasoning effort 從 high 降到 medium 省 latency，一個 cache 優化的實作錯誤每 turn 都清 thinking history，四月為了壓 Opus 4.7 冗長加一段 system prompt 把 eval 打掉 3%——四月 20 全部修完，還 reset 了所有 subscriber 的 usage limit。

Garry Tan 這週 agent 翻兩次車：明明答案就在本地檔案卻跑去打 API、時區心算算錯 60 分鐘。兩個病同一個根：該用 deterministic 腳本的事情丟到 latent space 去推理。Garry 的解法叫 skillify——每次失敗都寫進一個 SKILL.md、配一支腳本、配一套 test + eval + resolver。10 步 checklist 一次跑完，bug 就結構性不能重現。順便鞭 LangChain 募了一堆錢只給工具沒給菜單。

GP-175 講完 Opus 4.7 的硬規格（tokenizer、effort、adaptive thinking），這篇補上 workflow 層。Pawel Huryn 16 小時實戰下來的主張：intent 才是新 unlock。涵蓋 Reddit regression 爭議拆解、CLAUDE.md 分層、effort mid-task toggle、批次問問題、正面示範勝負面規則、砍過時 scaffolding、審計劃不審 diff。結尾帶 Anthropic + OpenAI converge 的觀察。

Anthropic 同時釋出兩份 Opus 4.7 best practice——Claude Code 專用加完整 prompting guide。Opus 4.7 是現行最強 GA，Sonnet/Haiku 的 prompt 調教心得開始過期。這篇把兩份濃縮成一頁 cheat sheet：三件必知大事、effort 階梯怎麼選、4.6→4.7 行為差異、可直接 copy 的 prompt snippets。

Claude Code 在四月上旬三天內連出三版（v2.1.94 → v2.1.101），涵蓋安全硬化、新指令、效能提升。從 command injection 漏洞修補到 subagent 終於有名字，出貨密度像是整個團隊灌了十杯 espresso。

Stella Laurenzo（AMD AI 資深總監）分析了近七千個 Claude Code session，發現二月更新後思考深度暴跌 67%、Read:Edit 比從 6.6 掉到 2.0、每日 API 成本從 $12 飆到 $1,504。最狠的是：這份報告是 Claude Opus 自己分析自己的 log 寫出來的。

一則「11 年資歷 Google 工程師用 Claude Code 自動化 80% 工作、月賺 $28k passive income」的推文最近在 X 爆紅。查下去：Karpathy 沒寫那個 CLAUDE.md、repo 內部統計全錯、npm package 名稱根本打錯、20k token billing 差異完全無法驗證。把它當案例，拆解 AI tooling 水文的四種固定套路。

Daniel San 從 VSCode 搬家到 Ghostty，發明了一組叫 SAND 的口訣（Split / Across / Navigate / Destroy），把 Claude Code 的多面板工作流練成肌肉記憶。一篇務實到不行的 terminal 搬家指南。

一個去年 11 月前還是 nontechnical PM 的作者，用三招（比喻造認知、網路腦工作流、當個好 manager）把 AI coding agent 練成工程團隊，累積推了五十萬行 production code，Weave 平台非技術人員第一名。最後的 punchline：2026 年做產品的門檻不是技術，是 agency。

JetBrains 對全球一萬多名開發者做了大規模調查：90% 在工作中使用 AI 工具，GitHub Copilot 仍是老大但成長停滯，Claude Code 半年內從 3% 飆到 18% 且滿意度全場最高。最有趣的是：產品力正在打敗生態系綁定。

Claude Code 洩漏本身已經被講很多次，真正值得看的，是 SemiAnalysis 提出的更大命題：當 AI 開始大量生成、閱讀、維護程式碼，TypeScript 不再只是給人讀的語言，而是 AI 與 compiler 之間的中介層。

大部分 agent 失敗不是推理問題，是 fetch 問題。同一個 Claude Code，換掉內建 WebFetch 改用 agent-browser，在 Agent Reading Test 上從 7/25 跳到 19/25。同模型、同 prompt，差別只在「拿到的網頁內容是不是真的」。

Claude Code 團隊重寫了終端機 renderer，用虛擬 viewport 實現零閃爍、滑鼠支援、固定輸入框——把 terminal 變成真正的 app。

Sabrina 分享六個實戰技巧把 Claude Code token 用量砍半：換模型、清 context、CLI 取代 MCP、壓縮 MCP 輸出、瘦身 CLAUDE.md、本地模型分流。全部免費，大部分五分鐘搞定。

The Pragmatic Engineer 調查近千名工程師的 AI 工具使用現況：Claude Code 發佈八個月就登上最常用工具第一名，95% 受訪者每週使用 AI，55% 定期使用 AI agent，Anthropic 模型在 coding 領域的提及數超過其他所有模型總和。

Claude Code 創造者 Boris Cherny 親自下場澄清：所有訂閱者用的都是同一個 Opus 4.6，沒有秘密更好的模型。大家覺得 Claude 變笨，是因為預設 effort 從 high 降到 medium。一個指令就能調回來。

3 分鐘 lightning talk 投影片。AI 什麼都讀過，但有些概念它還不知道——你知道、它不知道，這就是你的槓桿。

有人把 Claude Code 的完整架構拆開了——55 個目錄、331 個模組。從核心執行迴圈、四層 context compaction、多層 agent 協作、到權限管線和 hook 系統，這篇是目前最完整的 production AI agent 架構解析。重點不是模型多強，而是「環境決定結果」。

Paweł Huryn 分享了一個簡單但威力驚人的做法：在 CLAUDE.md 裡加一段指令，讓 Claude 自動記錄每一個架構決策。從此不再花 30 分鐘重新辯論「為什麼選 Postgres 不選 DynamoDB」，因為推理過程都白紙黑字寫在 /decisions/ 資料夾裡了。

Santiago 打造了 career-ops — 一個用 Claude Code 驅動的完整求職 command center，評估了 740+ 職缺、產出 100+ 客製履歷，最後拿到 Head of Applied AI。但社群的反應揭露了一個更深的問題：當 AI 在兩端同時運作，整個求職系統還能撐多久？