Claude Code 3月26日缓存bug深度拆解：每轮清除思考历史如何毁掉长会话编码效率

但具体到执行层面，不同团队对“高质量”的定义仍有差距。

这一点目前行业内仍有不同声音：透明复盘是积极一步，但若类似叠加效应未来在其他厂商优化路径中重现，开发者单一依赖的风险将进一步放大。数据支持产品 harness 需要更谨慎把控的方向，但样本和时间窗口仍有限，值得持续跟踪，现在下结论为时尚早。

第三处是 4 月 16 日在 system prompt 中新增 verbosity 限制，工具调用间中间文本不超过 25 词、最终响应不超过 100 词，本为控制 Opus 4.7 的冗长特性，却与模型编码优势产生冲突，造成可量化的质量下滑。三处变更影响不同时间段和流量切片，叠加后问题显得随机且难以完全复现，内部团队初期也面临类似困境。这恰恰说明 harness 层的问题有多么隐蔽且系统性。

有意思的是，Claude的长上下文编码本应为生产级多文件重构提供稳定支持，通过保持长会话一致性减少重复劳动。但本次事件暴露的风险清晰可见：即使修复了缓存bug，长上下文的实际可用性仍受idle时长、缓存命中率和token预算等多重约束影响。数据支持这一观察，但行业内对1M窗口在复杂场景下的稳定表现，仍存在不同声音。值得持续跟踪，现在下结论为时尚早。

Hacker News 和 Reddit 上开发者吐槽集中于代码重复、上下文遗忘和响应变短，有人描述原本一气呵成的复杂任务现在需多次迭代补救。主流媒体跟进时多聚焦“用着不顺手”的用户体验，却少有人注意到质量下滑窗口内，AI 生成代码的漏洞引入率实际在上升。这一盲区让许多团队低估了问题严重性，以为只是临时不便。

Anthropic 在4月23日发布的 postmortem 报告中坦承，Claude Code 近期质量感知下降源于三个产品层变更：3月4日默认推理努力从 high 降为 medium 以缓解延迟，3月26日缓存优化出现 bug 导致会话中反复清除推理历史，4月16日为减少冗长而添加的系统提示词长度限制。这些调整虽已在4月20日前后修复，但期间生成的代码质量下滑带来的连锁影响远超体验层面，尤其在安全编码风险上形成了系统性放大。

Claude的1M上下文能力，本来在大型代码库的多文件重构中展现出独特价值。它能一次性把握跨文件依赖关系，并在长会话中维持逻辑一致性，避免开发者反复手动拆分上下文。可这次事件却让这一优势转为潜在隐患：长idle后全量重算不仅推高token消耗，有效的高质量上下文窗口也远低于宣称水平，实际可用的一致性理解大打折扣。历史上的类似上下文管理问题早已提示，长上下文模型的工程实现远比窗口大小本身棘手。

月16日第三个变更上线，在系统提示中新增长度限制，要求工具调用间文本不超过25词，最终响应不超过100词（除非任务需要更多细节）。这一调整原本针对Opus 4.7的冗长输出，却导致编码质量评估下降约3%。三个变更作用于不同流量切片，叠加后问题表现随机且难以复现，这也解释了为何早期内部调查难以快速对上用户真实反馈。用户喊了近45天，Anthropic才给出完整的技术拆解。

将三者在关键维度并列观察，修复后的Claude Code在顶级推理与大上下文多文件任务的可靠性上领先，Cursor胜在单环境深度编辑的流畅体验，Copilot则以生态成熟和企业兼容性取胜。数据支持的方向清晰：追求高强度架构调整时，Claude Code的模型底子加上透明复盘值得优先；日常丝滑workflow下，Cursor更匹配个人或小团队；已在Microsoft/GitHub环境的重企业用户，Copilot的广兼容仍是低风险选择。

harness的作用就像汽车的底盘和控制系统。引擎再强劲，如果底盘调校失准，整车也会发飘、失控，甚至显得“笨拙”。AI编码工具同样如此，底层模型能力再突出，harness层一旦小调整没把控好，用户端体验就会出现系统性波动。

有意思的是，这个缓存bug不仅影响推理连贯性，还间接推高了token消耗。因为频繁清除导致缓存持续miss，每次请求都需要重新处理更多内容，用户额度烧得比平时快得多。数据支持这个方向，但样本量仍有限，行业内对类似优化与thinking history交互的风险仍有不同声音。

这个现象的演化速度，可能超出部分观察者的预期。