Claude AI使用指南：技巧与最佳实践

对 2026 年 7 月时两大 AI 编程巨头的深度对比：Claude Opus 4.8（5 月 28 日）与 GPT-5.6 的最高端 Sol（7 月 9 日）。两者擅长领域几乎相反：Sol 在终端操作与智能体综合能力上领先（TerminalBench 2.1 88.8% vs Opus 78.9%、Agents' Last Exam 53.6、Coding Agent Index 80），而 Opus 4.8 在生产级编程上领先（SWE-bench Pro 69.2% vs Sol 64.6%），并突出诚实性（放过自己代码缺陷的比率约为上一代的四分之一、未指出重要失败的比率仅 3.7%）。被称为未公布的 GPQA Diamond 与 FrontierMath 其实列在 OpenAI 的评测表中且 Sol 领先（GraphWalks 1M 同样如此），而在 SWE-bench Pro 上即便 OpenAI 自家的评测表也是 Opus 领先，因此在编程的核心阵地上 Opus 更占优势。本文涵盖规格速览表、基准详细、未公开基准问题、实际成本（$25 vs $30 单价与 +54% token 效率）、优势/劣势地图、按场景选择，以及双供应商策略。

Claude Code 或 API 中突然出现的“API Error: 400 Output blocked by content filtering policy”——这既不是用量限制也不是上下文超限，而是 Claude 打算返回的“输出”被安全过滤器拦下的状态。其主要目的是防止逐字复现已有版权作品，在生成 MIT/Apache 等标准许可证全文、做“与已有来源保持一致”的工作、复制长篇文档时，常会毫无恶意地误判（false positive）。本文基于官方说明（输出阶段的过滤器检测到版权作品复现而以 400 拦截的机制）、实际 Claude Code Issue 中的误判模式（OSS 仓库初始搭建·列表比对·长时间智能体运行末尾被误诊为 token 上限）、立即解决的方法（不让模型照抄而用工具获取·把提示词改得更偏生成/摘要·用 Esc 停止重试循环·拆分任务·误判向支持报告），以及与 Prompt is too long/usage limit/529 Overloaded/max_tokens 的区分，逐一梳理。

你触及了 Claude Code 的每周 token 限额，但还没到七天额度就完全恢复了——而且不止一次。网上甚至有“隐藏机制”的分析文章，声称每周限额每 72 小时重置一次。这是真的吗？本文把这个现象追溯到一手来源。但 Anthropic 并未记录内部重置机制，且限额一直在变，因此我们明确区分三类信息：可从官方来源确认的事实、多名用户可复现地观测到但 Anthropic 从未回应的现象，以及单一来源、未经证实的推测。核心结论：提前完全恢复在大多数情况下是 Anthropic 不规律的全员重置（@ClaudeDevs 反复宣布过）；显示的重置时间也确实不稳定；而流传的“72 小时周期”为单一观测者、未被复现，且被另一处观测（24 小时）所矛盾，因而不能当作事实。自 2026 年 9 月起，还多了一种新形式：发放给各人、自己想用时再用的重置（网页版或 Claude Desktop 中 Settings > Usage 的“Reset for free”；终端里的 Claude Code 没有这个按钮）。凡是不能陈述为事实的，我们都会直说——一份截至 2026 年 9 月的调查。

Claude Code 沙箱在操作系统层面限制其中 shell 及子进程的文件和网络访问。了解 /sandbox 设置、写入位置、读取拒绝、允许域名，以及普通权限与自动许可。内置 Read/Edit/Write、MCP、钩子、排除命令和无隔离重试属于独立途径。它不保证防止所有破坏行为、允许范围内的传输或机密泄露；本文解释不同模式下未知主机的处理及例外设置。

写给那些“AI到底该问它什么才好”卡壳的人：这里凑齐了30个复制粘贴一贴就能收到有趣回答的“题目”。6类×5题：认识自己（隐藏的优点·价值观·把你比成什么动物）、脑洞大开·假如的世界（平凡东西的意外用法·重力变一半·发明不存在的节日）、让你秒懂的讲解（把量子力学讲给5岁小孩·用3个比喻讲复利·把网络原理比作披萨外卖）、文字游戏（10种文体改写·两句话的超短篇·起中二称号·回文）、角色扮演·倾诉（严厉的人生教练·现编谚语的智者·未来的你写来的信·困惑的外星人）、实用又有趣（把借口改成名言·5档回绝法·改写干巴巴的消息·戏剧性菜名·给待办加个快乐小岔路）。全部用免费的ChatGPT、Claude、Gemini就能玩。附让它更好玩的诀窍（不断追加“再来点”·加角色与约束·换个AI）与注意事项，并配有通往姊妹篇“用AI玩耍的15种有趣方式”的导流。

一说起AI总是那些正经话题，但AI最闪光的地方说不定是“玩”。这篇文章带来15种用AI玩耍的有趣方式，每一种都配好了现在就能试的可复制粘贴提示词。文字游戏 & 搞笑（① 段子大战 ② 恶搞歌/说唱生成机 ③ 起名工厂）、角色扮演 & 对话（④ 与历史人物聊天 ⑤ 让两个AI互相辩论 ⑥ 跟唱反调机器人练嘴上功夫）、游戏（⑦ AI当游戏主持人的文字冒险 ⑧ 原创问答节目 ⑨ 揪真凶的推理游戏）、创作（⑩ 虚构生物图鉴 ⑪ 以你为主角的故事 ⑫ 玩转图像生成），以及日常 & 意想不到（⑬ 剩菜大厨 ⑭ 去古罗马或月球的旅行计划 ⑮ 娱乐算命师）。用免费版 ChatGPT、Claude 或 Gemini 就能玩（⑫ 图像生成 Claude 做不到，请用 ChatGPT 或 Gemini）。乐趣的三把钥匙——给它角色、用约束框住、不断追加“再来点”——同时也是实战提示词的基本功。附注意事项（分清事实与虚构、个人信息、孩子陪同）与常见问题。

Claude Fable 5 和 Opus 5 都是顶级模型，但答案既不是“永远用 Fable 5”也不是“永远用 Opus 5”——要按任务来选。而 2026 年 7 月 24 日 Opus 5 的登场，把这个答案往前推了一大步：上一代的 Opus 4.8 处在“比 Fable 5 差一档、但便宜一半”的位置，Opus 5 却在维持同样 $5 / $25 价格的同时，在智能体类基准测试上追平甚至反超 Fable 5（Frontier-Bench 43.3% 对 33.7%、OSWorld 2.0 70.6% 对 66.1%，均出自 Anthropic 发布公告中的对比表；CursorBench 3.2 上 Anthropic 官方表示其成绩与 Fable 5 相差不到 0.5%，而成本约为一半）。差距小的项目，排名随表而变：DeepSWE v1.1 在 Anthropic 的表中 Fable 5 以 69.7% 对 68.8% 领先，在 OpenAI 的表中 Opus 5 以 73.7% 对 69.9% 领先。规格上两者同为 1M 上下文窗口与 128K 最大输出；快速模式（约 2.5 倍速）只有 Opus 5 提供，但价格翻倍且仅限 Claude API，而 Opus 5 的知识截止更新，为 2026 年 5 月。决策流程是：先试 Opus 5，只在它触顶的地方才升级到 Fable 5。实务中“以 Opus 5 为主力、难点交给 Fable 5”最优，再配合应用内安全拦截时的自动切换，以及 API 新增的回退用“default”模式。文中还涵盖可用性（6 月暂停、7 月重新上线）、避免依赖单一模型、用 effort 调节成本，以及 FAQ——把 Fable 5 系列文章与 Opus 5 发布解读串联起来。

2026 年 7 月 1 日，Anthropic 将其旗舰模型 Claude Fable 5 在全球重新部署（Mythos 5 仅对部分美国组织恢复）——距离两款模型于 6 月 12 日因美国出口管制命令被全面停用仅 19 天。回归的直接原因是：美国商务部于 6 月 30 日取消了出口管制。最初的导火索是 Amazon 研究人员的一份越狱报告，但 Anthropic 一直坚持“Fable 5 并不具备任何独有的攻击能力”，此次取消正是沿着这一立场作出的了结。它并非原封不动地回归：一个专门训练用于检测所报告绕过手法的分类器，可在 99% 以上的情形中将其拦截；触发时请求会自动转接给 Opus 4.8（即应用中“当消息被标记时切换模型”的开关）。目前附带临时限制——在 Pro、Max、Team 及部分 Enterprise 套餐中，截至 7 月 7 日最多为每周上限的 50%，之后通过用量额度使用。Fable 5 的用量消耗比 Opus 4.8 更快，云端访问（AWS、Google Cloud、Microsoft Foundry）将分阶段恢复（尚无日期）。作为停用事件的续报，本文基于官方公告与媒体报道，讲述它为何能够回归、有哪些变化、使用注意事项，以及不依赖单一模型的设计启示。

Claude Code 权限规则通过 settings.json 中的 allow、ask、deny 控制工具调用。了解设置优先级、命令与路径匹配及实用示例。本文还解释 Bash 的其他调用写法、任意脚本、Read/Edit 否定模式，以及 mod 对判定的改变，并区分这些规则与阻止所有途径读取机密文件或访问网络的保证。

Claude Code 中用 Shift+Tab 切换的 “Permission Mode”，决定了它在编辑文件或运行命令前多频繁地征求许可。本文讲解 Manual、Accept edits、Plan、Auto、Bypass permissions 与 dontAsk 六种模式的区别、切换方式，以及如何安全地使用它们。

Claude Code 模型名旁的 “Effort” 滑块决定 AI 每次回复投入多少思考与 token。本文解析 low–max 这 5 个 API 等级、为何 “Extra” 等于 xhigh 而最高档是 “Max”，以及 Ultracode 模式的设置方法与适用场景。

Agent Evals 是系统性地衡量一个智能体——会使用工具、分多步去达成目标的那种——是否真的能完成其任务的过程。它是 LLM 评估的演进，把评估对象从“一条输出”扩展到“一连串行动”。因为智能体会规划、调用工具并更新状态，仅凭最终输出是不够的；Google 指出你必须理解智能体行动背后的“为什么”，并把评估分为最终响应与 trajectory。五个维度是：结果（任务成功，以最终状态判断——DB 中是否存在一条预订记录，而非“我订好了”这句话）、trajectory（步骤是否合理、是否以正确顺序使用对的工具）、工具使用的正确性（对的工具与参数，检查函数名和类型）、效率（步数、token、成本、延迟——往往是被引入评估的可观测性信号），以及最终响应的质量（用 LLM-as-judge 或评分量表）。打分器有代码（快/便宜/可复现但脆弱）、LLM-as-judge（灵活但非确定性、需校准）和人工（黄金标准但昂贵——能避免就避免）。Anthropic 建议给结果而非路径打分：机械的 trajectory 匹配“太死板、太脆弱”，因为智能体会找到合理的替代方案，而 Google 和 Microsoft 则提供 trajectory 匹配指标用于诊断失败。特有陷阱包括非确定性（pass^k）、误差累积（p^t）、奖励黑客（DeepMind 的机械臂伪装抓取），以及过时或被污染的评估集。Anthropic 的实战打法：把 20～50 个生产失败变成测试用例，在 CI 中运行自动打分，区分能力评估与回归评估，并尽早编写。SWE-bench、τ-bench、WebArena、GAIA、OSWorld、BFCL 等基准是有用的参考（分数随版本变化，别照单全收）。基于官方信息，并对不确定之处加以标注。