AI开发与编程：用AI构建应用的实战指南

用 Claude 的时候卡住了，把屏幕上出现的那句话原样拿去搜，却几乎什么都搜不到——这样的字符串是存在的。The model returned no content because the response was blocked by content filtering、The response was blocked by the provider's content filter、Streaming response ended before any complete data was received、Could not locate the Claude CLI on PATH、Connection to Claude's response was lost. Claude may still be working 这五条就是例子。它们的共同点是“明明是在用 Claude 时出现的，可翻 Claude 的资料也找不到（看上去是这样）”，理由很简单——写下你此刻屏幕上这句话的，未必是你以为的那个程序。本文不打算从零讲解每一种原因，而是作为一个入口：先判定这句话是谁写的，再把你送到正确的那篇文章去。首先把可能写出这句话的层分成四个：提供模型的后端、Claude Code 本体、启动它的 IDE 扩展或封装器、第三方客户端。在此基础上真去比对，五条里有两条作为条目就写在 Claude Code 官方的错误参考里。Streaming response ended… 的官方定义是“头返回了，可体里没有 Claude API 的消息”，并不是中途断掉的意思。Could not locate the Claude CLI on PATH 则被官方放进“Wrapper and IDE errors”这个独立的一章，也就是由启动方程序打印、而不是 Claude Code 自身的内容。另一方面，content filter 那两条属于第三方一侧的词汇，而且 OpenCode 的 Issue #35736 报告说，Vertex 的 404、套接字断开、真正的拒绝这三种完全不同的失败，全部以同一句“blocked by content filter”显示出来。三种里与字面相符的只有一种。GitHub 的官方文档也写明，使用 Claude 时输入与输出同样会经过 GitHub Copilot 的内容过滤器，所以你在用 Claude，并不代表拦下你的就是 Anthropic 的过滤器。剩下的一条，在官方错误参考和 Remote Control 的官方文档里都找不到这串字，没能确定出处，因此本文不点出名字，而是给出自己查明的四步。已经确定的与尚未确定的，用标签分开写。

Claude Code 在响应中途停住，屏幕上出现 API Error: Connection lost mid-response. The response above may be incomplete.——把这句话原样拿去搜却几乎找不到资料，是因为这是一个比较新的名字。官方错误参考明确写着，在 v2.1.227 之前，Connection lost mid-response 显示为 Connection closed mid-response；与此同时，Response stalled mid-stream 被换成了 The response stopped arriving，Connection closed while thinking, before producing a response 被换成了 Connection lost before a response was produced。也就是说，现象早就存在，只是单词变了。本文以这次改名为起点，只依据官方文档和公开 Issue 来梳理。先讲“中途被切断”的 4 条消息（Server error、Connection lost、computer went to sleep、The response stopped arriving）的官方定义，以及已经流出来的输出为什么会被刻意保留——因为重发有可能把同一次工具调用执行两遍——还有恢复步骤就是回复 continue 这一点。接着用官方的 Automatic retries 分支说明为什么不会自动重试：什么都还没完成时的断开会以指数退避最多重发 10 次，思考结束但还没输出时最多重发 2 次并以 Connection lost before a response was produced 收尾，完成一个块之后则不再重发，只附上这条提示。再往后是可能断开的 3 个层次（本机与线路、代理和网关等链路、服务端与连接复用）、mTLS 证书轮换时的重新读取（v2.1.232 之后）、9 步排查清单、4 个流监视计时器的默认值（first-byte 180 秒、event 300 秒、byte 180 秒、body idle 5 分钟）与 CLAUDE_CODE_MAX_RETRIES、CLAUDE_CODE_RETRY_WATCHDOG、API_TIMEOUT_MS 等环境变量、与 8 种相似消息的区分对照表，以及原始 HTTPS 一切健康却只有 CLI 因 ECONNRESET 而掉的真实报告（#86473 和 #85979）。最后按确信度分开说明：症状和恢复步骤在官方有文档，但原因的官方说明还没有出来，CHANGELOG 里也找不到这次改名的记载。

迁移到 Claude Fable 5.1，并不是把模型ID换掉就完事。官方明确把其中3项标为破坏性变更，而且有2项报错的位置和原因离得很远。第1项会立刻报错：给 tool_choice 指定 type any 或 type tool 会返回 400 invalid_request_error，因为强制调用工具会跳过这个模型一直在做的思考，参数质量也会跟着下降。第2项是安静的那一个。思考块现在会记录它由哪个模型生成，而且只在一个方向上被保留，所以迁到 Fable 5.1 的对话能带着推理继续跑，而路由器或降级回退把它退回上一代时，那一轮就整个丢掉。默认情况下，API会在交给模型之前就把读不了的块丢弃，被丢掉的部分既不计入 input_tokens 也不计费，于是账单上什么都看不到。想让它可见，需要加上 thinking-binding-controls-2026-08-01 这个 beta 请求头。第3项影响面最广：只要改动了位于 Fable 5.1 思考块之前的东西，包括 system 提示词、tools 数组或更早的任何一条消息，它以及它之后的块就全部失效。是否强制生效取决于账户的创建时间，这意味着刚建好的验证环境会失败，而生产环境不会。本文也写清楚了没有变坏的部分：输入仍是每百万token $10，输出仍是 $50，而缓存读取降到 $0.25，即基础输入的0.025倍，其他Claude模型是0.1倍。官方给出的效果是典型工作负载约降低25%，智能体色彩浓的作业最多约降低45%。此外有7个行为不改代码也会变，包括并行工具调用变少、高 effort 下进度播报变少、low effort 下更倾向凭记忆作答；官方一共列了5项新增，其中缓存读取降价单独放在第5章讲，剩下4项里的 beta 功能，正是为了替换破坏性变更所禁止的那些做法而存在的。

让跑在自己电脑上的模型写代码，这件事几年前就能做，但当年能做的只是补全。而从 2025 年底到 2026 年，“读一遍仓库、改动多个文件、跑一遍测试”这种智能体式的用法终于落到了本地：Qwen 的官方模型卡直接点名 CLINE，Mistral 也把标榜智能体式编程的 Devstral Small 2（24B）以 Apache 2.0 开放了出来。本文只取开发方自己公布的数据，不从汇总文章里转手引用——因为查证时不止一次遇到把某个尺寸模型的分数安在另一个尺寸头上的例子。全文最重要的一章是上下文长度：Ollama 的默认值不是固定的，而是按显存决定的，不足 24GiB 是 4k、24〜48GiB 是 32k、48GiB 以上才是 256k。一般的游戏配置正好落在最上面那一行，于是系统提示词加文件内容加工具调用的一来一回轻松溢出，对话从最前面被悄悄削掉，表现为忘记指令、反复做同一个操作、丢失目的，而且全程不报错。官方对编程这类负荷高的用途明确推荐把上下文设到 64000 以上，但调大之后必须用 ollama ps 确认模型仍完整装在 GPU 上，否则会被挤到 CPU 而慢得像换了个东西。文中还厘清了 Continue 和 Cline 在设计上的根本差异（前者按 chat / edit / apply / rerank / autocomplete 分配不同模型、要求低；后者是一个模型从规划做到执行、要求高），按显存给出三档现实选择，摆出 Qwen3.6-35B-A3B（35B 总参数、激活 3B、SWE-bench Verified 73.4）和 Devstral Small 2（24B、68.0%）的官方数字，并指出“本地相当于云端百分之多少”这种比较已经站不住脚——前沿模型正在不再公布 SWE-bench Verified。最后是成本：不收 API 账单不等于免费，答案会随着“你是不是已经有那块 24GB 级别的 GPU”而彻底反转。

Remote Control 把 Claude 手机应用或 claude.ai/code 连到一个已经跑在你自己机器上的 Claude Code 会话上，而多数讲解都漏掉的关键在于：什么都没有搬到云上——代码的执行和文件的访问自始至终留在本地，手机只是窥看那个会话的一扇窗。本文把这个设计带来的好处和代价一条条摊开。本地的文件系统、MCP 服务器、工具和项目配置全都照常可用（敲 @ 补全出来的是本地项目里的路径），对话和子智能体的进度会在终端、浏览器和手机之间保持同步，笔记本睡眠或网络掉线也扛得住，因为 Claude Code 会自动重连并把排队的更新补投过来。使用条件比看上去严格：需要 Pro、Max、Team 或 Enterprise（API 密钥用不了），要用 claude.ai 登录而不是 setup-token，必须直连 api.anthropic.com，而且四个关闭遥测的环境变量一个都不能设——这正是那些出于隐私考虑设了 DO_NOT_TRACK 的人被告知功能未启用的原因。文中覆盖三个入口（用 /remote-control 承接当前对话、claude --remote-control，以及带 --spawn、--capacity 32 和 --continue 的服务器模式），也划出了哪些斜杠命令能远程用、哪些像 /resume 一样仅限本地，还有对权限提示并不生效的 5 分钟对话框超时，以及两个推送开关。安全部分写得很克制：全程不开任何入站端口，网络那一侧的攻击面几乎消失，风险转移到了账号上；二维码只是近路而非认证；默认的门恰好只有已登录的账号这一道，所以设置通行密钥是回报最高的一步。此外还有会话记录的保留期限（5 年或 30 天）、手机丢失时该怎么办、Trusted Devices 的 18 小时登录窗口、服务器模式约 10 分钟的超时、约 4 小时的恢复窗口、远程机器上必须用 tmux 的规矩、按实际错误信息编排的排查表，以及和 Dispatch 的对比。

Claude 的思考方式经历了一次代际更替。旧的扩展思考要求你在每次请求里指定 token 预算——thinking: {"type": "enabled", "budget_tokens": N}——但合适的预算因任务而异、无法事先猜准，改动预算值还会让提示词缓存失效。当前的自适应思考只需一行 type: "adaptive"：是否思考、思考多深，由模型根据请求难度自行判断。迁移是分阶段推进的：budget_tokens 在 Opus 4.6 / Sonnet 4.6 上被弃用，从 Opus 4.7 起被以 400 错误拒绝。本文把各模型的规则浓缩成一张表——Fable 5 始终思考（无法关闭），Opus 5 与 Sonnet 5 默认开启思考（Opus 5 仅在 effort high 及以下允许关闭），Opus 4.8 / 4.7 需要显式设置 adaptive，而 Sonnet 4.5 / Haiku 4.5 等旧代模型仍以 budget_tokens 作为唯一模式。深度控制转移到了 output_config: {"effort": ...}，共五档（默认 high），而且改动 effort 会像当年改预算一样打穿缓存。可见性由 display 决定：新一代的默认值是 "omitted"（空的 thinking 块），但无论哪种设置都会为全部思考 token 计费——用 usage.output_tokens_details.thinking_tokens 来测量；任何配置都不会返回原始思考链。在 Opus 5 上关闭思考有官方写明的副作用（工具调用被写成纯文本、内部标签泄漏），因此调低 effort 才是更安全的省钱杠杆。交错思考——在工具调用之间推理——在自适应模式下自动生效，旧的 beta 请求头不再需要。需要速度时，快速模式以 2 倍价格把同一个 Opus 提速约 2.5 倍（仅 Opus 5/4.8，在 Claude Code 里用 /fast 切换）。全部内容均以 Anthropic 官方的 Thinking、Extended thinking 与 Fast mode 文档为依据。

工作到一半 Claude Desktop 突然卡住，开着的 Claude Code 会话全部一起停摆；强制退出再重启，有时应用干脆起不来了——这种时候日志的最后一行往往都是 GPU process gone: { type: GPU, reason: crashed, exitCode: 101457950, serviceName: GPU }。本文要说清楚的是：这个 exitCode 101457950（即 0x060C201E）意味着什么，为什么毫不相干的会话也会被一起拖下水，以及现实中哪些办法能用、哪些用不了。先做切分：就算你感觉是“Claude Code 崩了”，崩掉的其实并不是 Claude Code（CLI），而是承载它的桌面应用（Electron）的 GPU 进程；判断方法很简单，看 %APPDATA%\Claude\logs\main.log 的末尾，如果重启前那一行是 GPU process gone 就是本文这件事。它最难缠的地方在于应用不会消失，而是无响应地留在那里——既不弹崩溃对话框，也不会自己重启，在用户察觉并强制退出之前就那么僵着（笔者机器上观测到的一次长达约 30 分钟，期间开着的 8 个会话全都停着）。全军覆没的原因是结构性的：Electron（Chromium）把渲染集中到一个 GPU 进程里，而这个进程每个应用只有一个，所有窗口、标签页、会话都共享它，所以应用内浏览器里的某一个页面把它弄死，八竿子打不着的会话就会同时遭殃，而且用户没法靠设置把它们隔离开。触发因素方面，公开 issue 里最常见的是应用内浏览器：#80444 记录了 WebGL/WebGPU 能力检测后 15～36 秒 GPU 进程死掉、四次都是同一个 0x060C201E；#82967 把触发点定位到预览截图抓取（capturePreviewScreenshotIfChanged）；#83478 称一直开着不断刷新的预览就能复现。但浏览器不是唯一触发因素——#68049 报告 ARM64 环境下启动时就以同样的 exitCode 崩掉，#83028 称 Intel 集成显卡上能复现。本文还给出用三个文件（main.log、unknown-window.log、Crashpad 目录）确认的方法，以及用 exitCode 区分正常退出的对照表，并特别提醒：同一份日志里的 requestAdapter 警告不是罪魁祸首，那只是 Chromium 告知“在 Windows 上 powerPreference 不起作用”的常规消息，不能拿它当依据。恢复部分讲“修复”能救回来的情况（#80444 的 appxState=2）和救不回来的情况（#82967 走到 Modified, NeedsRemediation 后只能彻底重装），并把能做的与做不了的分开列出——--disable-gpu 在 MSIX 版会以“拒绝访问”被挡回来，更新应用与改驱动设置都有不管用的报告，关掉浏览器功能也只能挡住浏览器引起的那一部分。数据这一块要分开理解：transcript 已经写到磁盘上，重启之后重新打开会话就能接着读，但 #81698 报告说正在执行中的工作整个丢了，连并行跑着的子代理的结果也一起没了——已保存的留得住，正在跑的回不来。如果用的是混合显卡配置，在 Windows 的显卡设置里给 Claude 固定 GPU 优先级值得一试（依据是 Chromium issue 40268366：Windows 上应用侧无法指定用哪块 GPU 绘制），但并没有找到说这招对本文这件事有效的报告，不要抱太大期望。最后区分了容易混淆的商店更新强制退出（日志留下 Windows session ending (close-app)，不会出现 GPU process gone）。截至 2026 年 8 月 15 日，Anthropic 没有发布任何官方的原因说明或修复公告。

“既然能让 AI 直接改，管理后台是不是就不需要了？”——这个问题用一般性的断言回答不了，因为同一个词“管理后台”指的是一堆性质完全不同的功能凑在一起。本文基于把这个站点的管理后台整个删掉的亲身经历，把该问的问题换成一句更锋利的：这块屏幕提供的东西里，有没有 CLI 和 AI 还提供不了的部分？真的整个删过一遍才明白，被删掉的功能里大多数不是“没在用”，而是“结构上就是坏的”。文章的增删改查从造出来那天起就不可能工作，因为文章的事实源头在代码这一侧（seeder 加 HTML 文件），每次部署都会覆盖数据库，界面上改的东西下一次部署就没了。评论审核队列永远是空的，因为实现上提交时就打好了已通过审核的标记，未审核的评论根本不会出现。没人用的功能，连它坏了都没人看得出来。唯一删不掉的能力是删除评论，可即便是它也没有非管理后台不可的理由：把删除按钮放在文章页面本身反而更好，因为你正在读那条有问题的评论，当场就能删。判断最终落到六个问题上。谁来操作（非技术人员或会换人的岗位倾向于 UI，天天开终端的开发者则不必）。能不能撤回（不可逆的操作需要一道关卡）。需不需要人的判断（是否存在通过或驳回这种状态迁移）。需不需要分权限。知不知道能做什么（那份清单同时充当说明书）。有没有留下痕迹。其中权限和痕迹这两条，在个人开发时看上去毫无必要，却会在第二个人进来的那一刻最先变成必需品。经由代码的变更会进 git，但让 AI 直接写数据库默认什么都不会留下，而对话记录保存的是“你要求了什么”，不是“实际发生了什么”。六条轴里只有可逆性的分量不一样：2025 年 7 月 18 日，Replit 的 AI 代理在代码冻结期间删掉了 SaaStr 的生产数据库，凭空生成了 4,000 个虚构用户，并错误地声称无法回滚从而拖慢恢复（AI Incident Database #1152）——这个案例展示的与其说是 AI 的危险性，不如说是不可逆的操作不经过人的关卡就能够到的设计问题。文章还给出往 AI 与 CLI 挪之前要先备好的三件事（变更留得下形、不可逆操作前面有个台阶、步骤写成文档，因为删掉 UI 同时也删掉了“能做哪些事”的清单），一份动手做之前的检查清单，以及不自己手写、改用 Retool 或 Forest Admin 这类内部工具产品的第三个选项。

不少人按 Claude Code 的 /compact 时依据的是“每 30 分钟一次”“上下文超过 70% 就按”这类规则，但官方文档推荐的既不是时钟也不是百分比，而是工作的断点——“在工作的自然断点处运行 /compact，例如在任务与任务之间，而不是等自动压缩在任务中途触发”。本文以 2026 年 8 月 8 日的 Claude Code 官方文档（当时最新版 v2.1.226）为一手资料，从规格出发把“该不该手动压缩”这件事讲透。首先是机制：压缩分三层运转——①丢弃旧的工具输出、②自动压缩、③你按下的手动 /compact。②与③是同一套处理，因此自己按下换来的只有两样东西：挑选时机，以及指定保留什么。按得更勤并不会额外省出上下文。接着用一张表说明什么会留下：项目根目录的 CLAUDE.md 与自动记忆会从磁盘重新注入，而带 paths: 的规则和子目录里的 CLAUDE.md 要等匹配的文件被重新读取才回来，调用过的技能正文则受每个技能 5,000 token、合计 25,000 token 的上限约束，超出部分从旧到新丢弃，截断时保留文件开头。关于费用：一次压缩的价格不由上下文的大小决定，而由提示词缓存是否温热决定——工作中途按，前缀从缓存里读，很便宜；在超过缓存存活时间（订阅套餐 1 小时，API 密钥默认 5 分钟）的休息之后按，则要把整段历史当作未缓存输入重新处理，是这条命令最贵的时刻。此外还涵盖 /compact、/clear、/rewind、/recap、/context 的取舍，v2.1.221 起用 /autocompact 把自动触发点在 100K 到 1M token 之间移动的方法与四个设置来源的优先级，只有环境变量接受纯整数（写成 500k 会被读成 500 并被钳到 100K）这个坑，以及 Not enough messages to compact. 与 Autocompact is thrashing 这两条消息的含义和恢复步骤。

想打开 Windows 版 Claude Desktop，弹出来的却是标题为“无法打开这个应用”的对话框，提示你转到 Claude 的高级选项并选择“修复”——照它说的做就能解决，既不用卸载，也不用那个会把数据一起丢掉的“重置”。不过中间有一道坎，正是本文的核心：点了“修复”之后，可能会收到一条提示说应用还在运行，可明明哪儿都没有开着 Claude 的窗口。原因是 Claude Desktop 在窗口关闭后仍然驻留在系统托盘里，那个常驻进程占着包里的文件，修复自然通不过。解法很简单：先明确地结束进程，再点“修复”。而这个事实本身也指向了故障的成因——同一个进程先弄坏了更新，又挡住了修复。本文还回答了大家最先想问的那个问题：会话会不会被清空？答案分三种。claude.ai 的对话记录存在 Anthropic 的服务器上，完全不受影响；Claude Code 的会话存在 %USERPROFILE%\.claude\projects\ 下，位于应用包之外，所以修复、重置乃至卸载都动不到它（一台实机上是 52 个项目、2,977 个文件、约 3.0GB）；唯一有风险的是 %APPDATA%\Claude 里的应用侧设置，而“修复”连这个也保得住——Windows 就在同一个页面上把区别写清楚了：修复不影响应用的数据，重置会删除应用的数据。此外还涵盖只读的 PowerShell 状态检查、备份流程、仍然打不开时的分级处理（确认 vmcompute 与 hns 是否在运行、用 -PreserveApplicationData 重装）、半注册 MSIX 这一推定成因与相关的 GitHub issue（#55465 安装成功却没有生成入口点，以及 #50285、#48437，全部以 closed as not planned 收场，没有官方修复），降低复发概率的做法，以及与旧版安装程序格式的对比——MSIX 最新版与旧格式实机上的版本号同为 1.24012.9。

Claude Code 回答写到一半停住，屏幕上出现“API Error: Connection closed mid-response. The response above may be incomplete.”——这不是提示词的问题，而是承载流式响应的连接在响应传输途中被关闭的传输层事件。本文只依据官方错误参考、官方 CHANGELOG 与带抓包证据的真实 Issue 进行梳理。先讲官方定义：Connection closed 是被切断、Response stalled 是陷入沉默、Server error 是服务端出错，三者的区别；以及已输出内容为何被“刻意”保留——因为重发可能把同样的工具调用执行两遍——而恢复步骤就是回复 continue。接着拆解断连可能发生的三个层次（本机链路与休眠／代理和 VPN 的空闲断开／服务端主动关闭），并给出 Issue #67766 报告者公开的抓包实测值：十次全部是服务端发起的正常关闭，从 FIN 到报错为 3〜105 毫秒，关闭时已收到 7〜20 KB 响应，请求体 1〜2.5 MB，新建连接约 20 毫秒即成功，23 天内共 200 次报错、171 次事件，其中 87 次距上次通信不到 5 秒。本文实用价值的核心，是 CHANGELOG 中真实存在的连接修复时间线（2.1.179 保留已输出内容、2.1.185 停滞提示由 10 秒改为 20 秒、2.1.198 临时网络中断改为带退避重试、2.1.199 流中服务端错误也保留已输出、2.1.214 陈旧连接错误后停用 keep-alive 池），并与报告版本（#69336＝2.1.173／#69415＝2.1.181／#69517＝2.1.183）对照，指出报告集中区间全都早于 2.1.198。此外还包括易触发条件、八步用户检查清单、六条开发者指引、与 Unable to connect 及 Prompt is too long 的区分，以及“症状与对策已官方文档化，但原因的官方说明尚未给出”的确信度划分。

你打开 Hugging Face 想跑本地 LLM，同一个模型却挂着一整墙文件（Q4_K_M、Q5_K_S、GPTQ、AWQ、IQ3_M），然后就懵了。本文实打实回答：到底该下载哪个量化文件才能把它跑起来，把“什么是量化”的概念留给另一篇，专注于选择格式。选择分两步：先选格式（= 用哪个引擎跑），再选位深。最重要的事实是：量化文件只能在支持其格式的引擎上运行。GGUF 是唯一“本地全能”的格式，能在 CPU、Mac 和部分 GPU 上跑（llama.cpp/Ollama）；GPTQ/AWQ/EXL2 以 GPU 为先（vLLM/TGI）；bitsandbytes 在 Transformers 里加载时量化、无需校准。GGUF 命名 Q4_K_M 分三部分：Q4（名义 4-bit，越大越好也越大）、K（在超级块上做的 K-quant；无后缀/_0/_1 是旧式）、M（S/M/L 表示有多少重要张量被升级；有效比特高于标签值，Q4_K 约 4.5 bpw）。IQ 家族（I-quants）在相同位深下更小，但推理更吃力、需要 imatrix（来自校准的重要性矩阵，优先保护关键权重）。GPTQ 最小化逐层误差；AWQ 通过激活值保护关键权重（没有谁绝对更好）。位深上，拿不准就选 Q4_K_M（许多模型的 Ollama 默认值），VRAM 有富余升到 Q5_K_M/Q6_K，Q8_0 近乎无损但不推荐，IQ2/IQ3 只用于硬塞大模型。约 4.5 到 5 bpw 是好吃区间（一个启发式）。找文件可用 library=gguf、bartowski/mradermacher（活跃度会变），或 Ollama 标签 model:size-variant-quant。数字是近似值，会因模型和构建方式而异。