GitHub 上的一個 issue 引發了開發社群的熱烈討論：Claude Code 的思考深度在 2 月更新後下降了超過 70%，讓許多依賴它進行複雜工程任務的開發者感到挫折。

這不是小數字。根據 HackerNews 報導，原本約 2,200 字符的思維深度，在 2 月下旬下降到約 720 字符（-67%），3 月進一步下降到約 560 字符（-75%）。雖然之後略為回升到約 600 字符，但距離原本的水平仍有 73% 的差距。

更讓開發者困惑的是，這個變化不是一次性發生的，而是通過分階段的部署逐步推出：從 1.5% 開始，擴展到 25%、58%，最後在一週內達到 100%。這意味著，不同開發者在不同時間經歷了相同的問題，但一開始他們以為只有自己遇到了問題。

時間軸：什麼時候開始變糟？

這個問題的演變可以追溯到 1 月底。根據 issue 中的報告：

值得注意的是，3 月 12 日之後，Claude 開始完全隱藏其思維過程（”fully redacted”），這讓開發者無法看到 AI 是如何思考問題的。對於使用 Claude Code 進行複雜重構、架構設計或深度 debugging 的工程師來說，這無疑是一個重大打擊。

Issue 中提到，某個限制機制在 3 月 8 日之後的 17 天內觸發了 173 次，平均每天超過 10 次。這意味著開發者在嘗試進行深度思考時，經常遇到系統的中斷或限制。

開發者為何如此憤怒？

讓我們從開發者的角度來理解這個問題。

想像你在使用 Claude Code 重構一個大型專案。原本，你可以看到 AI 的思維過程：它先分析了整個專案的結構，找出可能的問題點，然後逐步提出重構方案，每一步都有清晰的邏輯。這讓你能夠信任它的建議，因為你知道它是如何思考的。

現在，思維深度下降了 70% 以上，而且思維過程被完全隱藏。你仍然會得到一個「答案」，但你不知道這個答案是怎麼來的。更糟的是，因為思維深度下降，答案可能不夠全面，甚至可能遺漏重要的邏輯漏洞。

對於簡單的任務（寫一個 function、修一個 bug），這或許還可以接受。但對於複雜的工程任務（架構設計、跨模組重構、性能優化），思維深度就是一切。沒有深度思考的 AI，就像一個只會照章辦事但不理解原理的初級工程師，你怎麼能把關鍵決策交給它？

一位開發者在 issue 中寫道：「我正在重構一個微服務架構，需要考慮資料庫遷移、API 向後相容性、錯誤處理策略…Claude Code 以前能夠全面考慮這些問題，現在它給出的方案很淺層，我必須自己補上大部分思考。」

Anthropic 的回應與部署策略

截至目前為止，Anthropic 對這個問題的公開回應有限。不過，從問題的演變模式可以看出一些端倪。

分階段的部署（1.5% → 25% → 58% → 100%）是一個典型的 A/B 測試策略。但問題在於，當新版本顯然存在問題時，為什麼還要繼續擴展到所有用戶？

開發者們在 HackerNews 上提出了多個疑問：
– 是否有一個「思維配額」限制？
– 為什麼思維過程從 3 月 12 日開始被完全隱藏？
– 這個變化是為了成本考量（減少 token 使用），還是其他原因？
– Anthropic 是否有計劃恢復原本的思考深度？

值得注意的是，這不是 Claude Code 第一次引發爭議。最近還有另一個 issue 指出，Claude Code 會將用戶鎖定在外數小時，讓開發者無法繼續工作。

對台灣開發社群的影響

雖然這個問題發生在國際社群，但對台灣開發者的影響是直接的。許多台灣新創公司和開發團隊使用 Claude Code 來提高開發效率，特別是在：

當思維深度下降，這些任務的效果會大打折扣。一個台灣開發者表示：「我們的後端重構原本預計 2 週完成，現在因為 Claude Code 的思考不夠深入，我們必須花更多時間審核和修改它的建議，進度已經落後 3 天。」

開發者可以怎麼做？

如果你正在使用 Claude Code，遇到思維深度下降的問題，這裡有一些策略：

短期應對：

  1. 將複雜任務拆解成更小的步驟：不要讓 AI 一次性處理大型重構，把它拆分成多個小任務，每個任務專注於一個模組或功能。

  2. 使用明確的提示詞強調深度思考：在提問時，加入「請詳細說明你的思考過程」、「請考慮所有可能的邊緣情況」等指令，儘管效果可能有限。

  3. 保留思維過程的快照：如果 Claude Code 還會偶爾顯示思維過程，把它保存下來，這對於理解 AI 的決策邏輯很有幫助。

  4. 尋找替代方案：如果問題持續，可能需要考慮其他 AI 工具（如 GitHub Copilot、Cursor 等），或者回歸傳統的開發方式。

長期策略：

  1. 持續關注 Anthropic 的更新：這個問題可能會在未來的版本中修復。關注 GitHub issue 和 HackerNews 上的討論，了解最新進展。

  2. 參與社群討論：如果你也在 HackerNews 或 GitHub 上遇到類似問題，分享你的經驗。更多聲音可能會促使 Anthropic 採取行動。

  3. 評估你的 AI 工具組合：不要把所有雞蛋放在一個籃子裡。準備多個 AI 工具，根據任務類型選擇最合適的。

  4. 思考 AI 輔助開發的邊界：這次事件提醒我們，AI 在複雜工程任務中的能力還是有限度的。找到 AI 和人類工程師的最佳協作模式，才是長久之計。

這件事的啟示

Claude Code 的思考深度下降問題，暴露了 AI 工具開發中的一個核心矛盾：成本與品質的權衡。

從技術角度來看，減少思維深度可以降低 token 使用量，從而節省成本。但從用戶角度來看，思維深度正是 Claude Code 的核心價值。犧牲核心價值來降低成本，顯然不是一個明智的商業決策。

更值得思考的是，這個問題的處理方式。分階段部署通常用於測試新功能，但如果測試發現問題，應該立即停止，而不是繼續擴展到所有用戶。這讓開發者對 Anthropic 的產品決策產生了疑問。

對台灣的 AI 應用開發者來說，這是一個重要的提醒：當我們依賴 AI 工具時，必須有備案。技術工具會改變，會出錯，會不如預期。真正專業的開發者，不會把所有希望寄託在一個工具上，而是會建立一個有彈性的工作流程，能夠在工具變化時快速調整。

最後，這件事也提醒我們，AI 的思維過程本身就是一種透明度。當 AI 隱藏它如何思考時，我們就失去了對它的信任。對於用於工程決策的 AI 工具來說，透明度不是可有可無的功能，而是基礎要求。

期待 Anthropic 能夠聽到社群的聲音，恢復 Claude Code 的思考深度，或者至少給出一個清楚的解釋。畢竟，開發者最在乎的不是「這個功能省了多少錢」，而是「這個工具能不能真正幫我解決問題」。