当前位置: 首页 > article >正文

新鲜出炉!Claude Code之父亲授 Opus 4.7 最佳实践

Boris Cherny的opus 4.7最佳实践教你如何利用重新校准的投入度级别、自适应思考功能以及全新的默认设置全面优化你的代码工作流快速适应opus 4.7这个模型。Anthropic最新发布Opus 4.7。官方给出的定位是目前正式上线的最强模型在编程、企业工作流和长时间运行的自主任务上全面超越4.6。Claude Code创始人Boris Cherny表示自己用了几天才真正摸清楚如何高效使用这个新模型写了一篇在CC中使用opus 4.7的最佳实践文章链接https://claude.com/blog/best-practices-for-using-claude-opus-4-7-with-claude-code以下是核心内容。4.7和4.6有什么本质区别Opus 4.7在几个方面有显著改进更擅长处理模糊任务不需要太多额外指引找bug和代码review的能力大幅提升跨会话的上下文记忆更稳定面对不明确的任务能自主推理、找到方向不过有两个变化影响了token用量更新的tokenizer以及在较高effort等级下、尤其是长会话的后期模型倾向于思考更多。因此从4.6切换到4.7需要做一些调整才能达到最佳效果。如何构建高效的交互编程会话4.7在token用量和行为上会因使用方式不同而有显著差异。在多轮交互场景中每次用户发言后模型都会进行更多推理这提升了连贯性和代码质量但也会消耗更多token。Boris建议把4.7当作一个可以独立完成任务的工程师来对待而不是一个需要逐行指导的搭档。具体建议如下在第一条消息里把任务说清楚。包括意图、约束条件、验收标准、相关文件位置。信息越完整输出质量越高模糊的任务分散在多轮对话里传达既浪费token也可能降低质量。减少中间的交互次数。每次用户发言都会带来额外的推理开销尽量把问题打包一次问清楚。适时使用自动模式auto mode。对于已经提供了完整上下文、不需要频繁确认的任务自动模式可以减少等待。目前该功能以research preview形式向Claude Code Max用户开放可以用ShiftTab切换。设置任务完成通知。可以让Claude在完成任务时播放声音它会自己创建基于hook的通知机制。Effort等级怎么设4.7在Claude Code中的默认effort等级现在是xhigh这是一个介于high和max之间的新等级让用户在推理能力和响应延迟之间有更精细的控制。等级 适用场景low / medium对成本和延迟敏感、任务范围明确的场景。即使在同等effort下表现也优于4.6有时token消耗更少。high平衡智能和成本适合并发会话或希望节省开销但不想明显损失质量的场景。默认 xhigh大多数编程和自主任务的最优选择。自主性强、能力足又不会像max那样在长任务中出现token失控的情况。max真正高难度问题或在eval中测试模型上限。存在收益递减且更容易过度思考需谨慎使用。Boris建议升级到4.7后不要直接沿用4.6时的effort设置而是重新做实验找到最优参数。在同一任务中也可以随时切换effort等级来控制token用量和推理深度。Adaptive Thinking4.7不再支持固定思考预算的Extended Thinking取而代之的是Adaptive Thinking。模型可以在每个步骤自行决定是否需要思考简单的查询直接回答不需要深入推理的步骤跳过thinking只在真正有必要时投入更多thinking token。这一版本的adaptive thinking明显改进过度思考的问题得到了改善。如果想控制思考频率可以在提示词里直接说明想要更多思考在提示词里加上类似在回答之前请仔细一步步思考这个问题比看起来更难。想要更少思考加上类似优先快速回答而不是深度思考有疑问时直接给出答案。这样可以节省token但在较难的步骤上可能会损失一些准确性。从4.6切换过来要注意哪些默认行为变了如果之前精心调试过针对4.6的提示词以下几点需要留意回复长度根据任务复杂度自动调整4.7不像4.6那样默认输出很长。简单查询会得到简短回答开放性分析才会得到详细内容。如果有特定的长度或风格要求需要在提示词里明确说明。官方发现提供想要的风格的正面示例比写不要这样做的负面指令更有效。调用工具的频率降低推理增多这在大多数场景下会产生更好的结果。如果希望模型更积极地调用工具比如在自主任务中更主动地搜索或读取文件需要在提示词里明确描述什么时候、为什么要调用这个工具。默认情况下生成的子代理更少4.7对何时派遣子代理更加谨慎。如果你的场景需要并行子代理比如跨文件展开或处理多个独立任务需要明确指出。Boris建议的写法示例对于可以在单次回答中直接完成的工作比如重构一个你已经看到的函数不要生成子代理。当需要跨多个任务展开或同时读取多个文件时在同一轮中生成多个子代理。什么任务最适合4.7Opus 4.7在长时间运行的任务上比以前的模型表现更好特别适合那些过去需要频繁人工监督的场景复杂的多文件改动、模糊的debugging、跨服务的代码review、多步骤自主任务。Boris建议保持effort在xhigh从第一条消息开始充分提供上下文看看一次能走多远。更多内容可参考Anthropic的Opus 4.7提示词指南以及Claude Code的上下文与会话管理文档。https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practiceshttps://claude.com/blog/using-claude-code-session-management-and-1m-context

相关文章:

新鲜出炉!Claude Code之父亲授 Opus 4.7 最佳实践

Boris Cherny的opus 4.7最佳实践,教你如何利用重新校准的投入度级别、自适应思考功能以及全新的默认设置,全面优化你的代码工作流,快速适应opus 4.7这个模型。 Anthropic最新发布Opus 4.7。官方给出的定位是:目前正式上线的最强模…...

014、LangChain 入门到底先学什么?用一个知识库问答项目讲清 PromptTemplate、Chain 和 Output Parser

上一篇我们刚刚讲完,为什么很多做AI应用的人到了后面都会遇到LangChain。 但是真正开始学的时候,新的问题马上就会出现:知道LangChain重要,并不等于了解LangChain应该从哪里入手。 这也是很多人最容易被劝退的地方。一看到LangChain就会冒出一堆概念:Prompt、Chain、Run…...

面试官:堆外内存爆了,Dump 文件没用,你怎么定位?3招定位线上“幽灵内存泄漏”

如果是堆外内存(Direct Memory)溢出怎么办?我看监控面板,Heap用得很少,但机器的内存RSS一直在飙升,最后进程直接被Linux的OOM Killer杀掉了。用MAT打开Dump文件,里面啥也没有,这咋整…...

面试官:爆火视频点赞每秒 10w,数据库行锁直接卡死,你怎么破?

最近有个兄弟去面某短视频大厂,前面的架构设计聊得挺嗨,结果面试官最后抛出一个看似简单的“点赞”题,直接把他问到了自闭。 面试官: “现在有个爆火视频,比如春晚刘谦变魔术,一秒钟有 10 万人同时点赞。你…...

适合Bootstrap初学者的五个开源实战项目

...

如何在按需导入类时动态执行其内部代码

本文介绍如何利用 Python 3.7 的 __getattr__ 钩子机制,实现“仅在显式导入某个类时才执行其初始化逻辑”,避免模块级类定义时的副作用触发。 本文介绍如何利用 python 3.7 的 __getattr__ 钩子机制,实现“仅在显式导入某个类时才执行其…...

企业级自动化测试架构设计:Chrome for Testing 实现30%测试效率提升的完整方案

企业级自动化测试架构设计:Chrome for Testing 实现30%测试效率提升的完整方案 【免费下载链接】chrome-for-testing 项目地址: https://gitcode.com/gh_mirrors/ch/chrome-for-testing Chrome for Testing 是Google专门为Web应用测试和自动化场景设计的Chr…...

3个元数据管理难题,如何用可视化工具优雅解决?

3个元数据管理难题,如何用可视化工具优雅解决? 【免费下载链接】ExifToolGui A GUI for ExifTool 项目地址: https://gitcode.com/gh_mirrors/ex/ExifToolGui 照片元数据管理常常让人望而生畏:面对数百张旅行照片需要统一调整拍摄时间…...

ConvLSTM核心代码逐行解读:从PyTorch实现到自定义数据集加载的避坑指南

ConvLSTM核心代码逐行解读:从PyTorch实现到自定义数据集加载的避坑指南 时空序列预测是计算机视觉和深度学习领域的重要课题。ConvLSTM作为传统LSTM的扩展,通过引入卷积操作,能够同时捕捉时间和空间维度的特征。本文将深入解析ConvLSTM的PyTo…...

Smithbox终极指南:零基础打造你的专属魂系游戏世界

Smithbox终极指南:零基础打造你的专属魂系游戏世界 【免费下载链接】Smithbox Smithbox is a modding tool for Elden Ring, Armored Core VI, Sekiro, Dark Souls 3, Dark Souls 2, Dark Souls, Bloodborne and Demons Souls. 项目地址: https://gitcode.com/gh_…...

DevOps CI/CD完整流水线实战:从代码提交到生产部署

摘要现代软件开发的核心竞争力在于持续交付能力。一个完善的CI/CD流水线能够将代码从开发者的本地环境安全、可靠、高效地输送到生产环境。本文详细讲解完整的七阶段流水线:代码检查、单元测试、构建、安全扫描、集成测试、预发布、生产部署。通过GitHub Actions、K…...

LeetCode高频算法精讲:大厂面试知识体系完全指南

算法面试是互联网大厂招聘的核心环节,掌握高频题型和解题模板是通关关键。本文系统讲解LeetCode上的五大高频题型:二分查找、滑动窗口、DFS/BFS、动态规划和贪心算法。每种算法包含原理讲解、标准模板、变体应对和复杂度分析,配合大量完整代码…...

如何快速掌握NIF文件编辑:面向游戏开发者的完整NifSkope指南

如何快速掌握NIF文件编辑:面向游戏开发者的完整NifSkope指南 【免费下载链接】nifskope A git repository for nifskope. 项目地址: https://gitcode.com/gh_mirrors/ni/nifskope NifSkope是一款强大的开源工具,专门用于打开和编辑NetImmerse文件…...

【仅限首批技术负责人开放】:Gartner认证的「生成-审查」双闭环成熟度模型(含自评矩阵与6个月跃迁路径图)

第一章:智能代码生成与代码审查流程整合 2026奇点智能技术大会(https://ml-summit.org) 现代软件工程实践中,智能代码生成已不再孤立运行于开发环境边缘,而是深度嵌入持续集成与代码审查(CI/CR)主干流程。当开发者提交…...

为什么你的Copilot总“写偏”?揭秘LLM提示工程×IDE语义感知的4层对齐机制

第一章:智能代码生成与IDE集成方案 2026奇点智能技术大会(https://ml-summit.org) 现代开发工作流正经历由大语言模型驱动的范式迁移,智能代码生成已从实验性插件演进为IDE原生能力的核心组件。主流集成方案聚焦于低延迟响应、上下文感知补全与安全可控…...

2026届必备的十大AI学术网站解析与推荐

Ai论文网站排名(开题报告、文献综述、降aigc率、降重综合对比) TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 知网已正式推出AIGC检测服务系统,此系统目的在于识别学术文本里由人工智能生成的…...

2025届学术党必备的降重复率方案推荐榜单

Ai论文网站排名(开题报告、文献综述、降aigc率、降重综合对比) TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 要降低AIGC检测率,需从文本特征着手。首先,得对词汇多样性予以调整&…...

目前的人脸识别水平

这个图片需要稍微旋转手机才能识别出来,因为他脸比较小,而且他照片拍的时候就是有一定角度的,精准识别核心区域似乎只要是正面的脸,角度对,就没问题了。现在试试看侧面:一般情况应该是够用了。...

app找到人脸已经非常轻松了

缺陷: 从这个3个图片可以看出:他的人脸位置不准确: 第一个图片:下巴没有计算进去 第二个图片:额头不完整 第三个图:左边脸明显不完整。 也就是说现在的这个算法可能也就用来玩还是可以的。如果真的用于…...

避坑指南:osg与osgEarth版本搭配那些事儿,从编译失败到成功显示地球

三维地理可视化开发实战:OSG与osgEarth版本适配深度解析 引言:版本兼容性问题的普遍困境 在三维地理信息系统开发领域,OpenSceneGraph(OSG)和osgEarth的组合堪称黄金搭档,但许多开发者在环境搭建的第一步——编译环节就遭遇了滑铁…...

Alpine镜像构建卡在APKINDEX.tar.gz?可能是你的Dockerfile少了这行代码

Alpine镜像构建卡在APKINDEX.tar.gz?国内开发者必看的Dockerfile优化指南 当你满怀期待地执行docker build命令,却眼睁睁看着进度条卡在fetch http://dl-cdn.alpinelinux.org/alpine/v3.7/main/x86_64/APKINDEX.tar.gz这个步骤时,那种感觉就像…...

如何实现跨设备音频共享?Scream虚拟声卡网络传输终极指南

如何实现跨设备音频共享?Scream虚拟声卡网络传输终极指南 【免费下载链接】scream Virtual network sound card for Microsoft Windows 项目地址: https://gitcode.com/gh_mirrors/sc/scream 你是否曾想过将电脑音频无线传输到其他设备播放?无论是…...

D3KeyHelper终极指南:5分钟配置你的暗黑3自动技能宏

D3KeyHelper终极指南:5分钟配置你的暗黑3自动技能宏 【免费下载链接】D3keyHelper D3KeyHelper是一个有图形界面,可自定义配置的暗黑3鼠标宏工具。 项目地址: https://gitcode.com/gh_mirrors/d3/D3keyHelper 暗黑破坏神3的重复操作让你感到疲惫&…...

告别网络依赖!手把手教你下载并本地部署Mermaid.js(附完整HTML模板)

彻底告别网络依赖:零基础实现Mermaid.js本地化部署实战指南 在技术文档撰写、系统架构设计或项目汇报的场景中,可视化图表的重要性不言而喻。Mermaid作为一款基于文本描述的图表生成工具,凭借其简洁的语法和丰富的图表类型,已经成…...

现代密码学:理论与实践解答

现代密码学:理论与实践解答 本文还有配套的精品资源,点击获取 简介:在数字化时代,信息安全至关重要,而现代密码学是其核心保障。从基本加密解密到网络协议,清华大学《现代密码学》教材为学习者提供了深入…...

什么是逆向工程?

什么是逆向工程?逆向工程是解构、剖析和分析硬件设备、软件程序或系统以了解其内部工作原理、设计、漏洞和功能的过程;它也代表一把双刃剑。虽然它对开发人员来说是一个有用的工具,但在恶意行为者手中,逆向工程用于发现和利用应用…...

告别Spyder导入报错:Anaconda环境中PyTorch安装后的终极调试指南

告别Spyder导入报错:Anaconda环境中PyTorch安装后的终极调试指南 在数据科学和深度学习的世界里,PyTorch无疑是当前最受欢迎的框架之一。然而,许多初学者在成功安装PyTorch后,却常常在最后一步——在Spyder或Jupyter Notebook中导…...

别再只盯着模型权重量化了!深入拆解KV Cache量化如何成为LLM推理服务的‘降本增效’关键

KV Cache量化:解锁大模型推理服务的成本与性能平衡之道 在大型语言模型(LLM)的商业化部署浪潮中,企业技术团队正面临一个关键矛盾:如何在不牺牲服务质量的前提下,显著降低推理服务的运营成本?当…...

实战复盘:我是如何用R包SpiecEasi里的Sparcc,从土壤微生物数据中挖出关键互作关系的

从土壤微生物数据到共现网络:我的Sparcc实战经验分享 去年在研究连作障碍土壤微生物群落变化时,我遇到了一个棘手的问题:如何从海量的OTU数据中找出那些真正有生态学意义的微生物互作关系?经过反复尝试,最终通过SpiecE…...

从D触发器到13进制计数器:一个同步时序电路的设计实践

1. 从零开始理解D触发器 第一次接触D触发器时,我完全被这个小小的数字元件搞懵了。直到在实验室里亲手搭建了一个简单的电路,才真正理解它的精妙之处。D触发器全称Data触发器,是数字电路设计中最基础的存储单元之一,也是我们构建1…...