三个月后AI已经不一样了

3 个月前，我做完小程序之后 vibe coding 就停了，公司那边也没什么活，所以很长一段时间我都没有重度用 AI 写过代码。失业之后，我又重新开始了 vibe coding。

结果发现仅仅过了 3 个月，使用体验上面就发生了很大的变化。

为什么还是 Claude Code

我用的还是一直在用的 Claude Code。为什么在茫茫多的 AI 产品里我选择了它，之前我也提到过，因为它现在是生态最全的：无论是插件系统、远程连接、Claude Design 这些外围能力，还是它自身的模型能力，都让我觉得够用。

但是它也有一个很大的缺点，那就是它没有生图模型。Anthropic 到现在都没有推出过原生的图像生成能力，官方帮助中心里写得很直白，Claude 可以用 HTML 和 SVG 画图表和可视化，但没法像图像模型那样生成照片或插画。

这就导致生图要使用其它的模型。其实写代码时用到生图的场景，比生成视频、生成语音要常见得多，因为项目中难免有时候会使用一两个图片。

体感最大的变化：harness 把上下文管住了

体感最大的是更加完善的 harness。现在模型拥有极强的分发能力，会将大部分工作分发给 subagent 去做，而主线仅仅处理一些重要的事情，这就直接大幅度地节省了主线程的上下文，不会出现频繁压缩的情况，即使在读大型项目也拥有非常良好的效果。

这套做法 Anthropic 自己在上下文工程的文章里讲得很清楚：专门的子代理各自维护干净的上下文窗口，做完之后只把一份压缩过的结论交回来，通常只有一两千个 token，详细的检索过程整个隔离在主线之外。

到今年 8 月，Claude Code 已经内置了多种 subagent 类型，还支持子代理再开子代理，最多嵌套五层；2.1.232 版本更是把 subagent forking 默认打开了，fork 出来的子代理会直接继承完整的对话历史和 prompt 缓存。

少给模型加限制

其次是模型考虑问题的边界更加清晰了，而且对于 prompt 的理解更强。

我是从来没有用过 Superpowers 这种库的，我之前使用了一下，发现它限制了模型原本的能力，我直接就给卸载了。现在我的建议是尽量少地限制模型，因为现在的模型已经十分优秀了。

正如 Anthropic 的文章中所写，最好先拿手头最强的模型跑一个最小提示词，看它在你的任务上表现如何，再根据初期测试暴露出来的失败情况，一条条补上明确的指令和示例。同一篇文章里还提到一个叫”合适的高度”的说法：提示词写得太死，就变成了又脆又硬的硬编码逻辑；写得太虚，又只剩下空泛的口号；要的是既能有效引导行为、又留给模型足够启发空间的那个度。

不要给模型太大的限制。

复杂问题一次到位，长任务能自己跑

而随着模型能力的增加，很多复杂的问题都能一次实现到位，而且 Claude Code 原生就引入了 /goal 命令，这也直接导致它可以自主运行一些长任务。

/goal 是 5 月 12 日随 2.1.139 版本上线的，用法是给一个完成条件，然后模型自己跨多轮往下推进：读文件、改代码、跑测试、看结果、继续改，直到达成目标，或者确实卡到需要人介入为止。它在交互模式、-p 和 Remote Control 里都能用，运行过程中会记录耗时、轮次和 token 消耗。

新功能还在往外冒

而且 Anthropic 还在持续推出新的功能，比如最新的 /design 命令，可以直接在项目中创建 canvas，一次生成好几版画板，然后用户自己选择方式往下做。它跑在 Artifacts 运行时上，画板可以直接在画布上手动改，目前还是 research preview 阶段。

Cowork 现在对于 mobile 用户也开放了。7 月 7 日 Anthropic 把 Cowork 搬出了桌面端，浏览器里的 claude.ai 和 iOS、安卓上的 Claude App 都能用，会话跑在云端，最先拿到的是 Max 订阅用户，之后再逐步铺给其它计划。Claude Code 在 App 上面也可以使用云端环境，等等，这几个月更新了大量的功能。

有了利器，却不知道拿它撬什么

但是！尴尬的是，虽然有着利器，但是我不知道有什么东西可蹬。我经常看社交媒体上面很多人说额度不够用，几个 20x 的账号都不够用我就很好奇，到底是什么项目能用那么大的额度？难道是我的嗅觉不够敏锐，发现不了其中的商机？

每次额度刷新都是一次狂欢，当然这狂欢几乎是属于 Codex 的，Claude 几乎不会额外重置额度，而 Codex 那边甚至取消了 5 小时的限制，只保留了周限制。7 月中旬 OpenAI 说的是”临时”取消，没承诺永久，也没给恢复时间表。

Codex 对用户来说真的是福音了，几乎不封号，即使你是通过黑卡充值，它也仅仅回收你的订阅，而不像 Claude 一样动不动就封号。

但是弊端就是，Anthropic 前不久传出的营收数字相当惊人，营收提升了十几倍，估值直接暴涨了一波。二季度初步数字超过 115 亿美元，环比涨了一倍多，同比去年二季度的 7.87 亿美元大约扩大了 14 倍；截至 7 月末，年化营收运行速率超过 650 亿美元。5 月那轮融资的投后估值是 9650 亿美元，已经有投资者在讨论今秋上市的定价。

当然这不是本篇文章讨论的重点。

token 效率和缓存命中

提升很明显的还有模型处理相同问题的情况下，token 效率大大提高了。比起 5 月份的时候没跑几个任务就把 Claude 5x 的用量刷满，这次我几乎很难触发到 5 小时的限制。

除了 Claude 提升了 50% 的额度之外，还有一个原因可能是缓存命中的上升。那次每周限额上调从 5 月 13 日开始，官方又一路延期到了 8 月 31 日。而命中缓存的输入 token 只按正常价格的一成左右计费，Claude Code 这边还提供了把缓存 TTL 从 5 分钟拉长到 1 小时的开关，中间停顿久一点也不至于每次都重新预填一遍。

模型怎么选

至于 Fable 和 Opus，在 Opus 5 没有发布之前我用的是 Fable，但是 Opus 5 发布后我就一直用的是 Opus 5，目前看来是够用的，几乎在执行任务的时候不会出什么岔子，同时它额度比 Fable 多不少。

Opus 5 在软件工程基准 Frontier-Bench 上把 Opus 4.8 的成绩翻了一倍还多，单任务成本反而更低；在代理编码基准 CursorBench 上，最大努力档的表现和 Fable 5 的峰值只差 0.5% 左右，成本却只有一半。

而 Sonnet 5，我体感上它跟 Opus 还是有非常大的差距的，主要差距在于 agent 的分发以及工具的调用上，用 Sonnet 5 有时候就不会达到预期的效果。我个人推荐是用它来做做搜索这种简单的工作，还是不要用它来当生产力工具。

computer use 和能自己验证的开发闭环

还有就是 computer use 的巨大提升，现在已经可以很好地操作用户的电脑了。Anthropic 官方给的说法是，Opus 5 在 OSWorld 2.0 这个计算机操作基准上，以大约三分之一的成本超过了 Fable 5 的最好成绩。

以及 Claude 的浏览器插件可以很好地配合 Claude Code 和 Cowork。还有就是 Claude Code 的桌面端里面内置了浏览器功能、iOS 模拟器：7 月上旬上线的应用内浏览器可以读页面、点击、交互，而且是沙箱化、可配置的；7 月下旬又接上了 iOS 模拟器，能直接构建并运行 iOS 应用，模拟器就开在对话旁边的面板里。这让开发过程中 AI 可以直接对开发的功能进行测试，大大减少了使用过程中遇到 bug 的概率。

这些功能都值得单独介绍，不过这篇文章就先一笔带过。我感觉仅仅过了 3 个月，AI 的可用性已经完全不一样了，现在模型能力和相关生态一样重要，一个好的模型配备一个好的生态，绝对是生产力拉满。