Anthropic 官方发了一篇 Claude Opus 4.7 在 Claude Code 里的最佳实践指南，信息量不大但很实用，核心就是告诉你怎么用这个新模型才能既省 token 又出好活。

最重要的一条建议是：把 Claude 当成一个你要委派任务的资深工程师，别当成一个你逐行指导的结对编程搭档。具体来说就是在第一轮对话里把任务说清楚，包括意图、约束条件、验收标准、相关文件位置，一次性给全。如果你把信息分散在很多轮对话里慢慢透露，token 效率和输出质量都会下降。因为 Opus 4.7 每次收到用户消息都会做一轮推理，轮次越多，推理开销越大。

effort 档位方面，Claude Code 默认已经拉到新增的 xhigh，插在 high 和 max 之间。官方建议大多数编程和 agentic 场景都用 xhigh，尤其是设计 API、迁移老代码、审查大型代码库这类对智力要求高的任务。max 档位在极难的问题上能多榨一点性能，但容易过度思考，收益递减明显。low 和 medium 适合成本敏感或范围很小的任务，即便在这些低档位上 Opus 4.7 也比 4.6 同档位强。一个实用技巧是在同一个任务里根据不同阶段切换 effort 档位。

思考模式也变了。Opus 4.7 不再支持固定 thinking budget，改成了自适应思考。模型会自己判断哪些步骤需要深度思考、哪些可以快速回答。如果你觉得它想太多了，可以在 prompt 里加一句「优先快速回答，别想太深」。反过来如果你觉得它想少了，就加「仔细想，一步一步来，这个问题比看起来难」。

几个行为变化值得注意。Opus 4.7 的回答长度会根据任务复杂度自动调节，简单问题给短答案，复杂问题给长答案，不像 4.6 那样默认啰嗦。它调用工具的频率降低了，更倾向于自己推理。生成子代理的次数也减少了，更谨慎地判断什么时候该并行拆分。如果你的场景需要更多工具调用或并行子代理，得在 prompt 里明确说出来。

最后官方建议可以大胆尝试那些过去因为需要频繁监督而做不好的任务，比如复杂的多文件修改、模糊的 debug、跨服务的代码审查、多步骤的 agentic 工作。保持 xhigh effort，看看第一轮对话能走多远。

原文地址：claude.com/blog/best-practices-for-using-claude-opus-4-7-with-claude-code

#科技先锋官##How I AI#