Claude Code 品質下降事件：真正該記住的是 agent observability 與產品層風險
FinLab Threads 轉述 Claude Code 2026 年 3–4 月品質下降事件。補查 Anthropic 官方 4/23 postmortem、GitHub issue #42796 與 The Register 後，核心結論是：模型本身未必變差，但 reasoning effort、thinking history cache、system prompt 等產品層改動，足以讓 AI coding agent 在實務上退化。成熟團隊需要 agent observability、回歸測試、fallback vendor 與審查制度。
這篇 Threads 轉述 Claude Code 2026 年 3–4 月品質下降事件：AMD AI 團隊資深總監 Stella Laurenzo 用大量 Claude Code session log 指出，Claude Code 在複雜工程任務上變得更淺、更急、更常不讀完整上下文就動手改。後來 Anthropic 在 4 月 23 日發布官方 postmortem，承認確實有三個產品層問題疊加，造成 Claude Code、Claude Agent SDK、Claude Cowork 的體驗下降；但官方也特別說明，Claude API / inference layer 沒有受影響。
這件事值得記錄，不只是因為「Claude Code 變笨」這個八卦，而是它暴露了 AI coding 工具的真正風險：模型本身可能沒變，但產品外圍的 reasoning effort、prompt、cache、context trimming、預設值，都足以讓同一個模型在實務工作中變成另一個人。
先拆事實。
Stella Laurenzo 在 GitHub issue #42796 裡提出的資料包含：
- 6,852 個 Claude Code session files
- 17,871 個 thinking blocks
- 234,760 次 tool calls
- 觀察到 2026 年 2–3 月後，Claude Code 在 complex engineering tasks 上明顯退化
- 讀碼行為從平均約 6.6 reads before edits，下降到約 2
- stop-hook violations、過早停止、逃避責任、未完整研究就修改等行為增加
- 估算 Bedrock equivalent cost 從 2 月約 345 美元，3 月暴增到約 42,121 美元；部分原因是團隊同時擴大 concurrent agent sessions，但品質下降讓反覆修正成本放大
Threads 用「思考字數從 2,200 掉到 720」、「6.6 個關聯檔案變 2 個」、「帳單燒到 40,000 美元」來轉述，方向大致符合 GitHub issue / The Register 報導中的核心數據，但要注意一點：Anthropic 官方 postmortem 並沒有逐項承認 Stella 所有推論，也沒有說 API 受影響。官方確認的是產品層三個問題。
Anthropic 4 月 23 日 postmortem 的三個原因：
- 預設 reasoning effort 從 high 改成 medium
Anthropic 說，Opus 4.6 在 Claude Code 裡推出時，預設 reasoning effort 是 high。但有些使用者覺得 high mode 會想太久、UI 看起來像凍住，也會消耗更多 token。於是 Anthropic 在 3 月 4 日把 Claude Code 預設 reasoning effort 從 high 改成 medium，希望降低延遲與 token 使用。
官方後來承認：這是錯誤 tradeoff。使用者寧願預設更聰明，再自己對簡單任務調低 effort。這個變更在 4 月 7 日 revert，影響 Sonnet 4.6 與 Opus 4.6。
這裡的教訓很直接：AI coding 工具的預設值就是產品承諾。把 high 改 medium，不只是「省一點 latency」，而是在改變工程師以為自己正在使用的 agent 能力邊界。
- thinking history cache / pruning bug 造成「健忘」
Anthropic 在 3 月 26 日做了一個效率優化：如果 session 閒置超過一小時，為了降低恢復 session 的成本，清掉舊 thinking sections。設計上應該只清一次，之後恢復正常送完整 reasoning history。
但實作有 bug：一旦 session 跨過 idle threshold，之後每一輪都會清 thinking history。結果 Claude 看不到自己前面為什麼做那些 tool calls / edits，就會變得 forgetful and repetitive。這在 4 月 10 日修復，影響 Sonnet 4.6 與 Opus 4.6。
這是整起事件最關鍵的工程點：agent 不是只靠模型智商工作，而是靠 history、tool traces、reasoning context、cache policy 共同構成工作記憶。清錯 context，就像把資深工程師的工作筆記每分鐘撕掉一次。
- 降低 verbose 的 system prompt 傷害 coding quality
Anthropic 在 4 月 16 日為了降低 Claude Code 太囉嗦的問題，在 system prompt 裡加入類似這樣的限制：
Length limits: keep text between tool calls to ≤25 words. Keep final responses to ≤100 words unless the task requires more detail.
這個限制在一般對話可能合理，但在 coding agent 場景會傷害品質。因為工程工作需要把假設、風險、檔案脈絡、修改理由、測試結果講清楚。Anthropic 後來做 ablation，發現相關 prompt line 對 Opus 4.6 / 4.7 評測造成約 3% drop，並在 4 月 20 日 revert。這影響 Sonnet 4.6、Opus 4.6、Opus 4.7。