47
0本简报对 Claude Code 中新增的 Effort（思考投入度） 机制进行了深度分析与总结。Effort 是用于控制模型在任务上消耗计算资源（Compute）与时间近似值的机制。研究与基准测试表明，提升 Effort 能显著增强模型的自主决策能力、边角情况（Edge Cases）测试以及自主验证能力，从而有效提高复杂任务的成功率；而低至中等 Effort 则能够提供快速反馈，非常适合人机协同（In-the-loop）的迭代开发。
针对不同类型的任务（从日常软件工程到高难度的安全、硬件及科学计算任务），合理调整 Effort 层级（Low、Medium、High、Max/XHigh）能够在开发效率与输出质量之间取得最佳平衡。
一、 Effort 的概念与核心原理
1. 什么是 Effort？
计算资源与时间的近似度量：Effort 给模型提供了一个大致的参考，指示其在特定任务上应当消耗多少计算量（Compute）。这与人工对任务难度的建模方式类似（例如：要求在 12 小时内完成与 1 小时内完成，工作的深入程度与迭代方式会有显著差异）。
自主性与验证力度的体现：高 Effort 不仅意味着消耗更多 Token，更代表 Claude 会采取更多独立的行动来进行自主判断、自我审查与验证。
Prompt Cache 兼容性：在 Claude Code 中调整 Effort 水平不会破坏 Prompt Cache（提示词缓存），保证了高效的交互性能。
2. Effort 曲线与能力表现
在 Fable 5.1 与 Opus 5.5 模型中，Effort 曲线表现出显著的效果：随着 Effort 级别的提升，基准测试得分（如 Terminal Bench 3.0）与消耗的 Token 量同步增长。
提升显著的领域：在需要大量验证和边角情况测试的领域（如硬件设计、代码审查、性能优化和安全审计），高 Effort 带来的改善最为明显。
局限性：增加 Effort 能够大幅减少因**遗漏边角情况（Missing Edgecases）而导致的失败，但无法修复模型初始解题方向错误（Wrong Approach）**的问题。
二、 不同 Effort 层级在开发任务中的实践表现
通过在 Opus 5.5 上对不同复杂度的任务进行对比测试，Effort 展现出以下具体影响：
1. 规格不明确的构建任务（Underspecified build task）
示例：要求 Claude“构建一个个人健身与运动追踪应用”。
低 Effort：生成一个仅包含基本日志和简单图表的基础应用，适合作为快速迭代的初始框架。
高/最大 Effort：生成功能更复杂、细节更丰富的应用；在最大 Effort 下，甚至会自主添加热度图（Heat chart）。
2. 规格较轻度的设计任务（Lightly specified design task）
示例：重新设计 Claude Code 中的
/config菜单。低 Effort（耗时约 1 分钟）：快速输出一个交互式草图，直观表达核心概念（如子菜单和搜索功能），但视觉上不太像 Claude Code。
最大 Effort（耗时约 28 分钟）：输出高度精致、极具 Claude Code 原生风格的高保真原型，并附带针对不同交互流程的完整演练说明。
3. 规格高度明确的构建任务（Highly specified build task）
示例：先对需求进行深度访谈并生成详细规格书（Spec），再交由模型执行。
表现：在给定详尽 Spec 的情况下，不同 Effort 层级生成的代码结构和设计非常相似。但在最大 Effort 下，Claude 会花费额外时间对部分细节进行精简和优化。
三、 复杂任务与基准测试（Terminal Bench 3.0）深度分析
Terminal Bench 3.0 是一个社区驱动的基准测试，涵盖安全、硬件、机器学习、科学、软件、运维和媒体等高难度领域。在该测试集上的对比进一步揭示了高 Effort 的核心价值。
1. 高难度任务类型示例
硬件 (retro-console-soc)：用 Verilog 编写一个适配小型 FPGA 的 8 位游戏主机，并运行测试 ROM。
科学 (takens-embedding-lean)：在 Lean 4 中形式化证明 Takens 嵌入定理。
机器学习 (mp-checkpoint-consolidation)：将专家混合（MoE）检查点的 16 个分片合并为一个能够复现参考 logits 的文件。
运维 (intrastat-meldung)：端到端运行一家公司月末的欧盟贸易统计申报。
媒体 (layout-config-recreation)：将海报图像重建为可编辑的布局文件。
2. 高 Effort 应对复杂边角情况的具体案例
任务名称与领域
模型与 Effort 级别变更
低 Effort 表现
高 / 超高 Effort 表现
html-js-filter
(安全：HTML 清洁器)
Fable 5.1
1/5 (Low) $\rightarrow$ 5/5 (XHigh)
耗时约 2 分钟。单次生成过滤代码，仅针对单个手写页面进行简单测试。
耗时约 33 分钟。对初稿进行对抗性审查，阅读已安装解析器的源码以排查 Bug，运行标准 XSS 测试集，并编写随机文档模糊测试器（Fuzzer）。
mvcc-lsm-compaction
(存储引擎 Bug 修复)
Opus 5.5
0/5 (Low) $\rightarrow$ 4/5 (XHigh)
耗时约 1 分钟。在构建或运行复现脚本前就直接修改代码，未验证新测试是否能捕捉原始 Bug。
耗时约 11 分钟。先复现崩溃问题，编写针对不合并参考系统的随机测试，并确认其测试能准确捕获未完成修复的代码缺陷。
cli-2ph-simple
(线性规划求解器)
Opus 5.5
0/5 (Low) $\rightarrow$ 5/5 (High)
单次编写求解器，仅用少量简单问题测试，Token 消耗约 10k 即停止，未对大规模问题进行性能验证。
将求解器与独立的暴力求解器进行随机问题对比测试，对大规模问题计时，遇到超时或崩溃时主动重构搜索算法。
gsea-proteomics
(蛋白质组学数据分析)
Opus 5.5
0/5 (Low) $\rightarrow$ 4/5 (High)
选择一种看似合理的方法预处理数据，运行一次分析即报告结果。
尝试了两种数据预处理方法，注意到显著治疗列表发生变化后深度排查原因，最终选择正确的方法。
四、 Effort 层级的选择策略与最佳实践流程
1. Effort 层级使用法则（Rule of Thumb）
Low（低）：用于需要快速响应且保持人机协同的场景，如脑暴（Brainstorming）、概念草图绘制（Sketching）、简单变更。
Medium（中）：适用于大部分日常软件工程任务，如新功能实现（New feature implementation）。
High（高）：用于验证至关重要或存在大量潜在边角情况的场景，如在遗留/老旧代码库（Brownfield codebase）中修复 Bug。
Max / XHigh（最大/超高）：用于需要 Claude 全自主运行以解决极高难度问题的场景，如端到端的应用构建与验证、关键软件的安全性漏洞挖掘。
2. 软件功能开发的最佳循环流程（Recommended Iterative Loop）
为了兼顾开发效率与代码质量，建议采用以下四步开发循环：
[1. 需求访谈] ──> 给定初始 Spec，让 Claude 采访自己以补全遗漏细节 │ ▼[2. 低度构建] ──> 使用 Low / Medium Effort 进行初步代码实现 │ ▼[3. 人工审查] ──> 检查核心逻辑是否正确，必要时在 Low Effort 下继续迭代 │ ▼[4. 高度验证] ──> 切换至 High / Max Effort 进行全面的测试与深度验证3. 操作方式
在使用 Claude Code 时，用户可以通过输入命令 /effort 在会话过程中或针对特定任务随时调整 Effort 层级。
thumb_up报告内容不错 thumb_down报告内容不好
