用好 Opus 5.5：定义完成态、精准操控与远离 Max 模式

Opus 5.5 发布一段时间后，越来越多深度用户认为这可能是一款非常出色的模型：代码质量高、交互体验好、能长时间独立工作。前 Chrome 团队成员、如今加入 Anthropic 的 Addy Osmani 撰写了一份使用指南，本文结合 YouTube 频道 Theo 的实战演示，梳理如何真正把 Opus 5.5 的价值榨干。

Opus 5.5 与旧版的关键差异

Opus 5.5 的用法与你已经熟悉的 Claude 基本一致，但有几处行为上的不同值得注意：它能更长时间自主工作、会用平实的语言说明自己做了什么、并且在每次回复前都会思考。

这些变化意味着，过去针对旧模型形成的一些习惯反而会拖累它。指南建议在最初几次使用时尝试三件事：把整个任务一次性交出去（prompting wider）、删掉那些「请仔细思考」的提示语、以及在长任务结束后先读它需要你做什么。这三点看似简单，却直接决定了你能否让模型跑得又远又稳。

怎么提问：先定义「完成」是什么

最核心的一条原则是——你必须明确告诉模型「完成」长什么样，然后放手让它跑。

与其说「开始做这个功能」，不如说「我要你构建它，要满足这三点，用截图向我验证，然后提一个 PR」。这样模型就有了清晰的终点：没截图、没 PR，就不算完成。Anthropic 和 OpenAI 的高阶模型在被告知明确的完成态后表现极佳，因为它们会一路推进直到抵达终点。

Addy 给出的范例极具参考价值：「把 payments 端点从旧客户端迁移到新客户端。完成意味着每个端点都用新客户端、旧的被删除、测试套件通过。只有当某个测试因你无法解释的原因失败时，才停下来问我。」这就是完美的三段式结构——你想要什么、什么算完成、以及当它困惑时的「出口」。

别再让它「深度思考」了

很多人仍在提示里写「think deeply about this」，这其实没有必要。模型很清楚自己该思考多少。更重要的是要理解推理档位的本质：低和中档意味着「思考到这个上限就停」，高和超高（X high）则是更高的思考上限。它们改变的是「天花板」，而非强制思考量。

为什么绝不要碰 Max 模式

Theo 在视频中反复强调：不要用 Max 推理。原因在于 Max 的机制与其他档位根本不同——它不是让模型「能思考更多」，而是「剥夺了它思考更少的能力」。

他用 skate bench 做了对比测试，结果触目惊心：在 X high 档下，平均每次响应 338 个 token、耗时 6 秒、最慢 31 秒；切到 Max 后，平均 token 飙到 5000（超过 10 倍），平均耗时涨到 50 秒——Max 的平均耗时甚至超过了 X high 最慢的一次，最慢响应更是慢了 20 倍达到 600 秒。

而这一切换来的收益是什么？准确率从 78% 提升到 79%，只多答对一道题，成本却高了 13 倍。结论很清晰：其他档位只是调整上限，X high 依然可以很快、也可以少思考；Max 是「will（强制）」而非「can（可以）」。日常把档位留在 high 或 X high 即可，两者差别微乎其微，X high 偶尔略慢但更少漏细节。

这里的「思考档位」对应 Claude 接口中的 extended thinking 预算参数（budget_tokens）。Low、Medium、High、X high 本质上是为模型的内部推理链设置不同的 token 上限：模型可以选择用得更少，但不能超过上限。Max 模式则取消了「用得更少」的选项，强制模型将思考 token 跑满，相当于把「可以思考这么多」变成了「必须思考这么多」。这一机制差异解释了为何 Max 模式在 token 消耗和延迟上与其他档位存在数量级差距，却不能带来等比例的准确率提升——对于大多数任务而言，超额的思考量属于无效计算。

操控长任务：Steering 的进化

一个重要能力是「steering」——在模型正工作时按下发送，把它往你想要的方向引导。

过去 steering 有个恼人的问题：RL 是按单条消息训练的。如果你说「做任务 1、2、4」，它开工后你补一句「忘了说还有 3」，它会立刻只做 3，然后宣告完成、把 1、2、4 全忘了。如今 Opus、Fable、Astra 等模型已被重新训练，能把中途插入的消息当作「操控」而非「重置」，这让长任务的实时纠偏成本大大降低。

Theo 演示了一个绝佳案例：他想把本地跑的任务迁移到另一台名为 Leftbook 的机器上运行。他没有手动 SSH、clone、拷环境变量，而是直接告诉模型要做什么。这条 prompt 有几个关键设计：

• 要求验证：「确保仓库已克隆、环境变量齐全、能正常运行」，让模型不只是做，还要自证能做成。
• 提前授权：明确允许它复制环境变量，避免它因安全顾虑而停下来征询许可。
• 说明不想要什么：「不要在我用电脑时用 computer use 和浏览器控制刷屏骚扰我」——明确禁止比明确要求更有价值。
• 给它一个出口：「如果迁移过程中有任何不符预期，别犹豫，直接问我。」这一句至关重要，因为这些模型被 RL 训练得极度不愿放弃任务，默认会自己硬扛，加上这句才更愿意在卡住时停下来求助。

用 CLAUDE.md 定义何时停、何时继续

Opus 5.5 在长任务中有时会停下来「汇报」而非继续，比如给一段总结、问「要我继续吗」。解决办法是在 CLAUDE.md 里写清停止规则：「当某步不需要我的输入时，继续。把状态说明放进同一条消息里。只有在没有我就无法继续、或执行破坏性操作（删数据、force push、改动仓库外内容）前才停下问我。」

对于需要更多参与的结对编程场景，你也可以反过来要求它开工前给一行计划、结束时给简短回顾。此外，对于大型代码库的审计、迁移、评审，明确告诉它「用 sub-agents」——Opus 5.5 除非被告知，否则并不总是主动拆分子代理。

RL（强化学习，Reinforcement Learning）在这里指的是训练这些模型时所用的技术路径。模型通过对大量对话样本的奖励信号进行优化，逐渐学会「哪种行为更好」。旧版模型的 RL 训练以单条消息为基本单位打分，因此模型默认把每一条新消息视为独立的新指令，而非当前任务的补充。Opus 5.5、Fable、Astra 等新模型在训练时引入了更长的上下文窗口和多轮任务追踪，使模型能区分「中途插入的修正信息」和「全新任务指令」，从根本上改变了长任务交互的稳定性。

CLAUDE.md 是放置在项目根目录（或用户级配置目录）的 Markdown 文件，Claude 在每次启动新会话或读取项目上下文时会自动加载它的内容。你可以把它理解为「给模型的持久性工作协议」——不同于每次对话都要重新粘贴的系统提示，CLAUDE.md 一次写好后在整个项目生命周期内持续生效。Sub-agents（子代理）则是指模型将一个大任务拆分后，以并行或串行方式派发给多个独立代理实例分别执行的工作模式，适合代码库审计、多文件重构等需要大规模并行处理的场景。

设计任务：说清你不想要什么

有人反馈 Opus 5.5 的设计不如 Fable 5.1，Theo 起初也这么认为。但真相是：Opus 5.5 的强项不是「让你说变好看就变好看」，而是「按设计指令走对方向」。

没有任何设计方向时，它会退回到几种默认风格；泛泛地说「避免通用外观」只会把一种默认换成另一种。真正有效的是列出具体要避开的模式，比如「不要用米色或灰白背景、斜体强调词、1-2-3 编号标签、等宽字体标签、胶囊形按钮」。

Theo 补充了一个实用技巧：用截图工具画个箭头指出问题区域，直接粘进对话说「这里很糟，改好它」，效果出奇地好。

检查结果：跨模型评审与风险评估

长任务结束后，先看 Claude 在等你做什么（未决决策、待批改动），再读它的总结。Opus 5.5 的汇报比 Opus 5 清晰得多，值得一读。

Theo 强烈推荐跨模型家族做代码评审。他做的一个 T3 代码库改进点「基准测试」显示：Astra 和 Grok 4.7 各找到 8 个有据可依的改进点，GPT-6 Sol 找到 9 个（但质量稍逊），Fable 仅找到 5 个。Opus 5.5 相比 Opus 5 几乎翻倍成功率，且没有出现无法证实或自相矛盾的发现——而 Opus 5 每两个有效发现就夹带一个无效的。

他最常用的两个 prompt 是：「今天合并这段代码有什么风险？」「如果现在就合并，最糟会发生什么？」这比逐行读几百行看不懂的 diff 更能帮你判断该不该合并。同时记得让模型标注它无法确认的部分——给它浏览器、测试套件、computer use 等工具去验证，它验证不了的会如实告诉你。

使用 Claude 应用的注意事项

Opus 5.5 是首个搭载 Fable 级生物与网络安全防护的 Opus 模型。大多数被标记的消息会被切换到旧模型继续工作。在源码中寻找安全漏洞是允许的，日常健康与教育类问题也应正常工作，但防护偶尔会误伤合法任务。

一个坑是：不要让模型「展示它的推理过程」。任何提及 reasoning 的表述都有被标记风险，因为 Anthropic 隐藏推理轨迹以防被蒸馏。想问它为什么这么改时，换个说法更稳妥。

结语：给 agent 更多缰绳

把这些要点浓缩成一份清单：告诉模型完成态长什么样；别让它努力思考（它本来就会）；设计请求要同时说明想要和不想要的风格；多用截图传递上下文；远离 Max 模式。

我们已经走到需要给 agent 更多自主权的阶段——它们能自我验证、能高度自主、能把活干完，唯一还没学会的是「如何与人协作」。但只要你告诉它你需要什么、期待什么，尤其是像 Opus 5.5 这样的模型，它通常都能给你。你越信任它、越给它验证自身工作所需的条件，它就能走得越远。