如何在 Claude 中选择合适的 effort 设置

1. Claude 的 effort 设置控制什么

随着 Claude 模型变得更具自主性（agentic），它们往往会在返回给您之前完成更多任务。Effort是一项设置，用于控制 Claude 在向您返回答案之前，独立完成任务的深入程度。Claude 仍然会根据您给出的问题来调整其工作量；effort 只是将这个基准上下调整。

当您提高 effort 时，Claude 会思考更长时间、进行更多工具调用，并在回答之前检查更多自己的工作。它可能会尝试一种方法、检查自己的输出，并重做未成功的部分，所有这些都发生在您看到第一个回复之前。当您降低 effort 时，Claude 会采取更快、更直接的处理方式，并更快地返回结果。

您可以将 effort 视为给 Claude 的一种行为信号。较低的 effort 会引导 Claude 减少操作，比如缩短思考时间、减少检查次数。较高的 effort 则为其尝试和验证工作提供更多空间。

2. effort 如何影响您的用量限制

所有这些工作（思考、工具使用、检查和修订）都会影响您看到答案的速度，以及每个任务消耗多少用量限制。

在 claude.ai 上，您的用量限制以令牌（token）为单位衡量，令牌是 Claude 处理的文本小单位。Claude 所做的一切（读取您的提示、处理文件、思考、撰写回复）都以这种方式衡量，并消耗您的用量限制。较低的 effort 意味着 Claude 使用更少的令牌，从而使每个任务消耗的限额更少。提高 Claude 的 effort 则相反。这就是为什么将 effort 与任务相匹配很重要。

3. 为什么调整 effort 而不是切换模型

您有两个杠杆可以用来平衡任务的成本。更改所选的 Claude 模型会同时改变能力和成本。从 Opus 这样的模型切换到 Sonnet，每个令牌的成本更低，但能力也较弱。与此同时，切换 effort 设置会改变成本，同时保持模型核心能力不变：其高级判断力、推理能力和模式识别能力。

降低前沿模型的 effort 并不会削弱这些能力，而是减少模型花在诸如更充分地规划和探索选项，或反复阅读并验证其工作等事情上的时间。

这就是实际的区别：如果您考虑切换到更旧或更小的模型以避免触及限额，不妨改为降低新模型的 effort。处于中等或低 effort 的前沿模型，往往优于处于高或最高 effort 的旧模型。

4. 每任务成本与每令牌成本

大多数人认为，每令牌更便宜的模型意味着整体成本更低。但实际上，更重要的衡量单位是完成每个任务的成本，这可能与每令牌成本有很大差异。

前沿模型高效解决一个困难问题时，即使其每令牌成本更高，每个任务的总成本往往也低于苦苦应对该问题的较小模型。前沿模型拥有更好的判断力，这意味着它们能更好地把令牌用在真正重要的地方。它们能够更快地理清问题，并更有可能通过一次仔细的处理就解决问题，而无需那么多的后续提示和重新引导。

举例来说： 假设您正在分析上个季度客户流失的原因。一个处于高 effort 的较小模型能在数据中找到规律，但没有注意到您的定价在季度中途发生了变化，这使分析产生了偏差。您不得不进行后续追问和澄清。而一个处于中等 effort 的前沿模型会自动识别定价变化的背景，并相应调整其分析。

前沿模型一次处理就完成了任务。较小的模型则需要额外的澄清和修订。对前沿模型而言，更少的总轮次意味着更低的单任务成本，即使它的每令牌成本更高。

5. 如何判断任务需要什么样的 effort 设置

通常，与其切换到更便宜的模型以拉长用量限额，不如降低前沿模型的 effort，这往往优于处于最高 effort 的旧模型。关键在于让 effort 与任务的实际需求相匹配。

Claude 默认设置为一个默认 effort，这是日常工作推荐的平衡点。默认设置在全面性与速度和用量之间取得平衡，适用于大多数任务。但没有一种平衡能适合所有工作，因此 effort 控制项让您可以在您认为值得的任务上投入更多，而在不值得的任务上投入更少。

如何找到您的最佳平衡点：在您经常执行的任务上尝试不同的 effort 设置会很有帮助。先以默认 effort 运行一次，记录耗时多长、答案完整度如何，以及您需要修订多少内容。然后，将 effort 降低一档再运行一次。在三种不同类型的任务上比较结果。

可以考虑根据任务的形态来选择 effort：

一旦 Claude 做出回复，请留意 effort 设置是否与任务相匹配的迹象：

• Effort 过低： 指令被遗漏，或长篇工作在尚未完成时就草草收尾。请调高 effort，再次提问，并观察新的答案是否遵循了您的指令。
• Effort 过高： 回复变得更冗长却没有提升质量，或者范围扩展到超出您的要求。模型可能已经得出正确答案，却继续进行验证，最终又把自己说服放弃了这个答案。请调低 effort，看看这些问题是否得到解决。
• 恰到好处的 effort： 您的任务在一轮或几轮对话内成功完成，无需太多后续追问。Claude 的响应时间让人感觉与任务相称。

了解更多

• 在 Claude Code 中选择合适的 effort 级别：Claude Code 中的同一设置，包括 /effort、控制它的设置，以及一个实际示例。
• 在 Claude Code 中选择 Claude 模型和 effort 级别：来自 Claude Code 团队，关于模型选择和 effort 背后的概念。
• Claude 模型详解：Claude 模型之间的差异，以及如何为您的使用场景选择合适的模型。