Anthropic 官方建议:3步教你更好地驾驭 Claude
Source: http://x.com/i/article/2040142830585470976
Anthropic 联合创始人 Chris Olah 说过,像 Claude 这样的 AI 模型,与其说是「造」出来的,不如说是「长」出来的。研究者只能设定生长的条件和方向,但最终涌现出的结构与能力,并不总是可预测的。
这就带来一个挑战:开发者围绕 Claude 搭建的工具框架,本质上是在假设「Claude 做不到 X,所以我替它做」。但随着 Claude 能力持续进化,这些假设会迅速过时。
这篇文章分享三个核心思路,帮你搭建能跟上 Claude 能力进化的应用,又能兼顾延迟与成本:充分利用它已经掌握的能力、持续追问“我还能少做什么”、以及谨慎设定 agent harness 的边界。
一句话总结就是:别替 Claude 做它自己能做的事。
1. 用 Claude 已经会的东西
我们建议用 Claude 熟悉的工具来搭应用。
2024 年底,Claude 3.5 Sonnet 只靠两个工具——命令行和文本编辑器——就在代码修复测试(SWE-bench)上拿到了 49% 的当时最高分。Claude Code 也是建立在这两类工具之上。命令行本来不是为 AI 设计的,但 Claude 会用它,而且越用越好。
我们发现 Claude 会把这些通用工具「组合」成各种解决方案。比如技能系统 Skills、程序化工具调用 Tool Calling、记忆工具 Memory,底层都是命令行和文本编辑器的排列组合。
2. 不断问自己:「我可以少做什么?」
Agent harness 的本质,都是在假设 Claude 自己搞不定。随着 Claude 变强,这些假设应该被反复检验。
让 Claude 自己编排行动
一个常见做法是:每次 Claude 用完一个工具,结果都要送回给它「看一遍」再决定下一步。但如果 Claude 只需要结果的一小部分,或者只是想把结果传给下一个工具,这就浪费了大量资源。
例如读取一张大表,只为了分析其中一列,却需要将整张表放入上下文,导致大量无意义的 token 消耗。
解决办法:给 Claude 一个代码执行工具。让它自己写代码来决定调哪些工具、过滤哪些结果、传递哪些数据,而无需全部进入上下文窗口。最终只有代码执行的输出会进入上下文。
本质上,编排权从 harness 转移到了模型本身。
代码是一种通用的编排语言,因此一个强大的代码模型,天然也是一个强大的通用 agent。实验也验证了这一点:在网页浏览测试(BrowseComp)上,让 Opus 4.6 自己过滤工具输出,准确率从 45.3% 提升到 61.6%。
让 Claude 自己管理上下文
以前的做法是:开发者精心编写一大段指令,告诉 Claude 每种情况该怎么做。问题是任务一多,指令就膨胀,塞太多反而让 Claude 注意力分散。
更优的方式是引入 skills。每个 skill 的 YAML 前言(frontmatter)提供简要描述,预加载进上下文;当任务需要时,Claude 可以通过读取文件逐步展开完整内容。类似于你桌上放一本目录,需要哪章再翻开看。
与此同时,context editing 提供了反向能力,可以清理已经过时或无关的上下文,比如旧的工具结果或者已经用不上的思考过程。
Claude 还学会了在需要时开一个新的子任务,用全新的上下文去处理,避免主任务被干扰。在 Opus 4.6 中,引入 subagents 使 BrowseComp 成绩额外提升了 2.8%。
让 Claude 自主维护长期记忆
长时间运行的 AI 会超出单次对话的容量。以前的做法是在 AI 外面搭一套记忆检索系统。现在我们让 Claude 自己决定该记什么。
例如 compaction 机制,允许 Claude 对历史上下文进行压缩总结,从而维持长期任务的一致性。随着模型迭代,它在“记什么”这件事上的判断也在持续优化。
另一种方式是 memory folder,让 Claude 将信息写入文件,并在需要时再读取。这在 agent 搜索任务中效果显著。例如在 BrowseComp-Plus 上,Sonnet 4.5 的准确率从 60.4% 提升至 67.2%。
一个有趣的案例是让 Claude 玩宝可梦:
早期模型(Sonnet 3.5)把记忆当流水账,记了 31 个文件,其中两个几乎重复地记录了「毛虫宝可梦有没有毒」这种琐碎信息,1.4 万步之后还在第二个城镇。
最新模型(Opus 4.6)用 10 个文件分类整理,拿了三个道馆徽章,还写了一个「失败教训」文件:
"喇叭芽的催眠+缠绕连招:用咬咬快速击杀,别让它先出催眠粉!"
"背包上限 20 件,进迷宫前扔掉没用的技能光盘。"
3. 谨慎设置边界
Agent Harness 的作用是:给 Claude 划定安全线、控制成本、保证用户体验。
设计上下文以最大化缓存命中
Claude 的 API 是无状态的——每次对话都要把完整历史重新发送。但重复发送的内容可以被缓存,缓存的内容只收正常价格的 10%。
几个省钱原则: yaml
| 原则 | 说明 |
| ------- | ---------------------------- |
| 静态内容放前面 | 系统指令、工具描述等不变的内容放在前面,方便缓存 |
| 用消息追加更新 | 别改系统指令,用追加消息的方式更新 |
| 别换模型 | 缓存是跟模型绑定的,换模型就失效。需要便宜模型就用子任务 |
| 谨慎改工具 | 工具列表变了,缓存就废了 |
``` **用专门的工具来设安全边界** bash 命令行给了 Claude 很大的自由度,但也意味着框架很难区分「安全操作」和「危险操作」——因为在它看来都是一行命令。

把高风险操作升级为专门的工具,框架就能精确拦截。比如:
- **不可逆操作**(调外部 API、删除文件)→ 弹窗让用户确认
- **需要展示的操作**(提问、给选项)→ 用工具渲染界面
- **需要审计的操作** → 用工具记录结构化日志
不过,这种「升级为专用工具」的决定也需要定期重新评估。比如 Claude Code 的自动模式,让另一个 Claude 来判断命令是否安全,减少了对专用工具的依赖。
## 展望
Claude 的能力边界一直在变。每次大升级,都应该重新检查:之前加的那些补丁和限制,是不是已经变成了拖后腿的死重量?
我们自己就遇到过:Sonnet 4.5 快接近上下文上限时会「焦虑」,提前结束任务。我们加了自动重置来修这个问题。结果 Opus 4.5 一出来,这个焦虑自己就没了——我们写的修补代码变成了多余的累赘。
**随着时间推移,应用里的条条框框应该被持续精简,核心问题永远是:我还能少做什么? 原文博客:** https://claude.com/blog/harnessing-claudes-intelligence