9月3日2026 · 星期四

@dotey

Anthropic 刚开源了一个 /claude-api 的 skill，内置到了 Claude Code。 这个 Skill 的使用场景是帮你优化 Claude API 调用的，针对 Agent 开发或者基于 Claude API 开发，如果你只是 Claude Code 用户，那么不需要管，或者你不是用的 Claude 模型，那效果估计要差一点，但也会有效果。 使用方法很简单，在 Claude Code 里输入 /claude-api 加子命令，就能触发对应的诊断或迁移流程。 它的代码在 GitHub 上公开：http://github.com/anthropics/skills/blob/main/skills/claude-api/SKILL.md 这个 skill 本身不是一个独立工具，而是一组结构化的参考文档和工作流指令。当 Claude Code 检测到你的项目里 import 了 Anthropic SDK，或者你主动输入 /claude-api，它就会把对应语言（Python、TypeScript、Java、Go、Ruby、C#、PHP 或 cURL）的 API 文档加载到上下文里，让 Claude 在帮你写代码时有准确的 API 知识可用。 支持 8 种语言，覆盖两个开发面：Messages API（常规的请求、流式输出、工具调用、批量处理、提示词缓存等）和 Managed Agents（Anthropic 托管的有状态 Agent，带沙箱环境）。 三个主要的子命令 /claude-api cost-optimize 分析你项目的实际 API 使用情况，按优先级排列省钱建议。它不是给你一份通用清单，而是看你具体的用量模式，逐项提出修改方案，你可以逐条批准或跳过。检查的项目包括缓存配置、Token 冗余、批量处理机会、effort 级别和模型选择。 /claude-api prompt-audit 扫描项目里的提示词和 skill 文件，找出针对当前模型来说已经过时或有问题的写法。比如过度验证（让模型反复确认自己的输出）、多余的强调语句、过时的 few-shot 示例、自相矛盾的规则。产出两样东西：一份审计报告（标出具体文件、行号和问题模式），以及一个修改建议的 diff。 /claude-api migrate 帮你把现有的 Claude API 代码迁移到更新的模型。它会先确认范围（哪些文件需要改），再逐个文件分类，然后按目标模型的 breaking changes 列表逐项处理。比如从 Fable 5 迁移到 Fable 5.1，或从 Opus 4.6 升级到 4.8，涉及的参数变化、废弃字段、新的默认行为，都会在这个流程里覆盖到。 这些命令在 Fable 5.1 发布的背景下尤其有用。Fable 5.1 的提示词缓存价格降了 75%，但你得先确认自己的缓存配置没有问题才能真正省到钱。cost-optimize 就是干这个的。同样，Fable 5.1 在低 effort 下就能达到上一代高 effort 的水平，但如果你的提示词里还塞着大量为旧模型写的验证指令和脚手架，实际效果就打折扣。prompt-audit 帮你清理这些。 除了这三个，还有一个 /claude-api managed-agents-onboard，用于从零搭建一个 Managed Agent，走一个交互式的引导流程。 如果你需要做 Claude 模型 API 的优化，值得试试。 --- 附加（翻译自原推）：常见提示词“反模式” (anti-patterns)： 1. 流于形式的“验证仪式” (Verification rituals)。 诸如“仔细检查你的工作”或“在回答前核对两次”这类指令，往往会被前沿模型从字面上死板理解。这不仅没必要，还会白白浪费你的 tokens。 2. 用力过猛的强调与“详尽感” (Thoroughness and emphasis boosters)。 “尽可能详尽”、“关键注意：你必须永远……”这类强调语，在指导前沿模型时，反而会导致模型变得异常啰嗦，甚至去执行大量不必要的工具调用。 3. 强制性的流程与“草稿本”脚手架 (Mandatory procedures and scratchpad scaffolds)。 强制性的固定步骤（比如“在草稿本 (scratchpad) 中一步步思考”）或者思维模板，对于前沿模型来说完全是多此一举。这些人为强加的“脚手架”会与模型原生的推理能力重叠，从而白白消耗掉不必要的词元。 4. 过时的示例 (Stale examples)。 有些少样本示例 (few-shot examples)（注释：在提示词中提供少量示范例子，以便让模型模仿学习的一种常见技巧） 往往是针对老一代模型常犯的错误来设计的。如果拿这些去教前沿模型，反而会让它在原本很简单、根本不需要复杂思考的任务上，刻意模仿出冗长的推理链条。 5. 自相矛盾的规则 (Contradictory rules)。 前沿模型在遵循指令方面非常听话。如果你给出的指令本身存在矛盾（例如同时规定“始终在政策范围内退款”和“未经上报绝不退款”），模型会非常实在地去执行这些冲突的规则，最终导致整体表现大打折扣。 6. 过时的配置 (Dated configuration)。 为老一代 Claude 编写的设置（例如手动设置思考预算 (thinking budgets)），在配合新一代模型使用时，可能会直接被 Claude 平台拒绝访问。 随着时间的推移，这些反模式会在你的提示词中不断累积。当你将大语言模型升级到最新版本时，它们就会在暗中悄悄拖累整体性能。这背后的一个常见原因是：前沿模型太擅长遵循指令了，以至于这些糟糕的规则反而会误导它们，让它们把精力花在毫无意义的地方，花费不必要的 Token。 举个真实案例：在一个内部的客户服务基准测试 (benchmark) 中，测试了从 Opus 4.8 升级到 Opus 5 的情况。结果发现，在使用 Opus 5（以及像 Fable 5.1 这样的其他前沿模型）时，那些所谓的“验证仪式”（比如“核对两次”）会让模型重复劳动，浪费大量的 Token。而那些“强调增强语”（比如“尽可能详尽”）则会触发几十次完全没必要的系统搜索。 执行提示词审计 (prompt audits) 可以显著提升大语言模型的性能并降低成本。

skills/skills/claude-api/SKILL.md at main · anthropics/skillsgithub.com · 直连原文

@RLanceMartin

i recently added this command to the claude-api skill. run it in Claude Code to fix common prompting "anti-patterns" that can hobble frontier models: /claude-api prompt-audit patterns include: 1/Verification rituals. Instructions like "double-check your work” or "verify twice before responding” are often taken literally by frontier models and can waste tokens. 2/ Thoroughness and emphasis boosters. "Be maximally thorough," "CRITICAL: YOU MUST ALWAYS…" can lead to verbosity and extra tool calls when working with frontier models. 3/ Mandatory procedures and scratchpad scaffolds. Fixed step processes (e.g., "think step by step in a scratchpad") or reasoning templates are rituals that frontier models don't need. This scaffolding can stack on top of native reasoning and use unnecessary tokens. 4/ Stale examples. Few-shot examples tuned to an older model's failure modes can teach a frontier model to imitate long reasoning chains on requests that don't need them. 5/ Contradictory rules. Frontier models are better at instruction following. Contradictory instructions ("always refund within policy" vs. "never issue refunds without escalation") can be followed more literally by frontier models, resulting in degraded performance. 6/ Dated configuration. Settings written for an older Claude generation (e.g., manual thinking budgets) can be rejected by the Claude Platform with newer models. these patterns accumulate in prompts over time, and can quietly degrade performance when upgrading to newer models. a common reason is the frontier models are better at instruction following, so these anti-patterns steer them to spend unnecessary tokens. example: i tested a migration from Opus 4.8 to Opus 5 on an internal customer support benchmark. with Opus 5 (and other frontier models like Fable 5.1), verification rituals ("verify twice") use unnecessary tokens by duplicating work. emphasis boosters ("be maximally thorough") become dozens of unneeded searches. applying prompt audits can improve performance and reduce cost (as shown in example attached and will be sharing a full write-up soon). also, the skill is also open source and some of this guidance likely applies generally across frontier models https://github.com/anthropics/skills/tree/main/skills/claude-api https://x.com/petergyang/status/2094987791566622971?s=20

@dotey

Google 今天发布了 Gemini 3.8 Flash，同时推出的还有一个专门用于网络安全的变体 3.8 Flash Cyber。 Google 最近这个发布节奏很有意思。7 月底发 3.6 Flash，8 月中发 3.7 Flash，今天又发 3.8 Flash，间隔都只有大约三周。而与此同时，今年 6 月本该发布的 Gemini 3.5 Pro 至今没有出现。Google 在 Flash 这条线上疯狂迭代，但更高端的 Pro 系列迟迟没有动静。 再加上 8 月初 DeepMind 经历了一轮震荡，创始人兼 CEO Demis Hassabis 从日常管理退出，转任 DeepMind 主席和 Alphabet 首席科学家，首席科学家 Jeff Dean 也离职创业。新任 SVP Koray Kavukcuoglu 接管了 Gemini 的开发。这种背景下连续推 Flash，不知道是不是某种程度上的刷存在感。 回到模型本身。 3.8 Flash 和 3.7 Flash 一样的价格，每百万输入 Token 0.75 美元，每百万输出 Token 3.75 美元。 注意这个价格是促销价，2026 年底到期后翻倍变成 1.5 和 7.5 美元。 跑分上，3.8 Flash 在 DeepSWE v1.1（一个衡量模型自主解决复杂工程问题能力的评测）上拿到 73.7%，仅比 Claude Opus 5 的 74% 低 0.3 个百分点，超过了 GPT-5.6 Sol 的 72.7%、Claude Sonnet 5 的 53.8%，以及上代 3.7 Flash 的 65.3%。 至于为什么评分高，Google 自己的解释是 3.8 Flash “works harder”，遇到复杂任务会多想几步、多调用几次工具，代价是消耗更多 Token。 另一个跑分细节：3.8 Flash 在 Gray Swan 提示词注入（prompt injection）评测中被攻破的概率只有 5.5%，对比 DeepSeek V4 Pro 的 60.1%、Grok 4.6 的 51.8%。也就是说，用 3.8 Flash 做 AI Agent 被恶意指令劫持的风险要低得多。 跟着 Gemini 3.8 Flash 一起发布的还有 3.8 Flash Cyber，这是一个专门为网络安全防御训练的模型，只通过 Google 新推出的 Fairwind Program 向经审核的政府机构、关键基础设施运营商和安全研究人员开放，目前全球有 650 多个合作伙伴。普通开发者用不了。 Google 把这个模型的能力框定在安全防御上，强调它擅长找漏洞和修漏洞，而非攻击利用。在 CyberGym 漏洞发现评测中，3.8 Flash Cyber 拿到 86.2%；在覆盖 20 种编程语言的内部评测中，漏洞发现成功率超过 70%。在 CWE-Bench 自动修补评测中，它以 47.2% 的 pass@1 逼近了前沿模型的 47.8%，但成本低得多。 一些实际应用案例： Chrome 安全团队发现 3.8 Flash Cyber 比最好的商用大模型多修复了 2.6 倍的 Chrome 漏洞； 安全公司 Wiz 的内部渗透测试中，它的召回率高出 7.5% 到 9.7%，成本却低了 2.3 到 5.2 倍； Google Cloud 漏洞研究团队用它在不到两小时内发现了一个关键漏洞，这类漏洞通常需要数月的人工研究。 3.8 Flash 已经可以通过 Gemini API、Google AI Studio、Android Studio、Antigravity 等渠道使用，Google AI Pro 和 Ultra 订阅用户在 Gemini App 中也能用上。企业版通过 Gemini Enterprise 接入。Cyber 版需要申请 Fairwind Program。

@OfficialLoganK

Introducing Gemini 3.8 Flash, another jump in Gemini's agentic + coding capabilities, and our 3rd updated Flash model in only 6 weeks... This model has been a ton of fun to work with, excited to see what you all think!

@dotey

看起来 gpt-6-astra 要发了

@synthwavedd

🚨 BREAKING: "gpt-6-astra" has been staged on the OpenAI API The OpenAI Responses API now returns a 404 Not Found for "gpt-6-astra", where garbage/actually non-existent slugs return 400s - a 404 is also returned for 5.6 Cyber, which we know exists. A similar quirk exists in the Bedrock API used to find Fable 5.1 a day prior to launch.

@Alibaba_Qwen

🏆 #1 overall on Code Arena, and top of the Pareto frontier at $5/MToken. Thanks! @arena Give Qwen3.8-Max-0902 a spin on QwenCloud.🥳

@arena

Qwen3.8-Max-0902 by @Alibaba_Qwen just debuted at #1 overall in Code Arena: WebDev with 1,691 pts, and became the highest-scoring model on the Pareto frontier at a blended $5/MToken! On the updated frontier, Qwen3.8-Max-0902 sits above HY4 Preview (1,629 pts at $2.08/MToken) and Qwen3.8-Flash-Next (1,620 pts at $0.39/MToken). With this release, three models at the top of the overall leaderboard have moved off the Pareto frontier despite remaining #2–#4 overall: - Claude Opus 5 (Max): #2, 1,688 pts, $20/MToken - Kimi K3 (Max): #3, 1,674 pts, $12/MToken - Qwen3.8 (Max): #4, 1,669 pts, $5/MToken Congrats to the @Alibaba_Qwen team on the release!

@GitHub_Daily

一只开源版机器鸭，会走路、捡东西、踢球，摔倒了还能自己站起来，看完演示我都想买一只。 该机器鸭叫 Microduck，整机卖 399 美元，软件这层整个开源，感觉华强北很快就动手了。 鸭子身高 25 厘米、体重 800 克，15 个舵机由神经网络策略驱动，控制循环每秒跑 50 次，走得稳稳当当。 GitHub：http://github.com/pollen-robotics/microduck 走路靠的不是写死的动作，是在仿真环境里用强化学习练出来再搬到真身上，训练那套配方也一并开源了。 装上轮子按个键，它会换一套「脑子」改成滚着走。拿游戏手柄就能开，也能用蓝牙连电脑指挥。 拿来入门强化学习和机器人正合适，买不起人形机器人的，先养只鸭子过过瘾。

@dotey

/doctor 不错，确实有效果

@wquguru

@dotey 老师给了一个节省Claude消耗的秘诀~/.claude/settings.json中设置 CLAUDE_CODE_DISABLE_1M_CONTEXT=1，禁用 1M 上下文，同时把部分模型会话按 200K 窗口来预算和自动压缩。还有一个几乎很少有人用到，但效果十分显著的技巧：/doctor。 它可以清掉没用的 skills、MCP、识别过长的 CLAUDE.md。我用它两分钟清掉了 10K 常驻垃圾占用。按一天 50 个 Agent Session 算：每天少烧 50 万 token，一个月少烧 1500 万 token。这还没算长上下文带来的反复读文件、延迟 compact、质量变差后的返工。

@dotey串推 2 条

我一直讲我在用 Claude Design （我是用的本地 skill http://github.com/JimLiu/baoyu-design ）做原型，加新功能修改功能会先修改原型。 我来举个例子我是怎么为新功能做原型的。我正在开发 BaoCut 的 v2，还是决定加上 Agent 功能（打脸自己了），因为从用户角度来说，确实还是能从 App 直接调用 Agent 更方便，不过我不自己做 Harness，只是用本机已经安装好的 codex 或者 cluade code cli。 正好今天 Fable 5.1 发布，拿它来测试正好不过的。提示词很简单，基本上就是我想要什么。（参考图1） 第一轮下来结果就还不错了。（参考图2-图4） --- 我的提示词 ---- 帮我站在用户的角度重新思考 designs/baocut/BaoCut.html ，尤其是新用户如何更容易上手去优化原型结构，不要局限于当前的设计，跳出当前设计更多从用户功能角度思考。 把 Agent 提到左侧主入口：左侧有历史会话和最近项目，可以方便的进入agent新开会话（图片重点参考对话框和对话消息历史） Agent 底层是 Claude cli、Codex cli 等现成的 Harness 和订阅 要结合当前 baocut 的功能特点 打通翻译字幕等位置的入口 从右侧tab去掉agent tab 原有 LLM API 翻译等功能使用 API 调用 LLM 的保留，但是形式可以重新思考 请基于这个思路升级改造原型 > 引用 @dotey: https://x.com/i/article/2094620108811390976

@dotey

https://x.com/i/article/2094620108811390976

第一个版本我觉得存在一些问题，比如 Project 和 Session 关系不清楚，比如和右侧边的 AI Tool Tab 的关系不清晰。 所以我提出了修改意见（参考图1，之所以是新会话，是因为第一个账号到了 5 小时限额，不得不换账号） 注意我并没有让它严格按照我的要求做，而是让它提出自己的观点，不要一味执行，比如你看 图2 它就反对了我的一条观点。 新版本它根据讨论后的修改意见做了调整，然后我再对一些细节让它做了微调，几轮下来结果就还不错了（看图3-图4） --- 提示词 --- 帮我站在新用户的角度重新思考 @designs/baocut/BaoCut.html 设计，看怎么体验更友好。 重新梳理 Project 和 Agent Session 之间的关系，让它们能更无缝的切换 思考： 一个agent session会话是不是应该只和一个projects绑定，但是输入框应该能通过 @ 方便的引入其他 Project 作为上下文参考 如果一个会话只能绑定一个项目，是不是可以把最近会话和最近项目放一起，变成二级的，一级是项目，展开是 agent 会话？ 重新思考 Project 中 AI Tools 功能，让它更好的和 Agent 打通，同时又能使用 Cloud Model API 重新思考 Home，是不是应该改成 Agent 入口？ 重新设计左侧 Agent Skill 入口，可以合并到 Settings？ Settings 里面添加对 Agent Providers 的设置（参考附图） --- 以上是我的问题和建议，你可以综合分析后给出你的见解

@Pluvio9yte

开发者放假放爽了，用户可就糟老罪了啊😭😭 Hy4 的火爆程度远远超出预期了，感觉不仅仅是因为性能表现好，应该是在腾讯自己 AI 全家桶里面都能免费体验，大伙都在凑热闹了。 这就很搞心态了啊，什么叫开发团队美美放假去了，结果用户闻风而来给模型服务挤爆了？？ 我知道你们很累，但是先别急着累，大伙需要你们！现在的情况就是基本没得用，甚至其他模型都受到了影响，这两天的Workbuddy只能挂第三方供应商的API。

@GitHub_Daily

让编码 Agent 画个产品原型，出来的页面配色花哨交互酷炫，评审时大家光顾着评颜色，结构对不对反而没人看。 effective-html 是一套教 Agent 做 HTML 视觉产物的 Skill 集，从低保真线框图到能点的交互原型分工明确。 一共 6 个 Skill，线框图、原型、计划图、架构图各管一摊，还有一个总入口负责把活路由给对的专家。 GitHub：http://github.com/plannotator/effective-html 有意思的是它讲究「线框图就该长得没做完」，看的人自然把注意力放在结构和流程上，而不是纠结样式。 原型则只实现一条走得通的主流程和相关状态，产物全是自包含的单文件 HTML，浏览器打开就能用。 不装也能用，当参考手册翻着抄就行。Claude Code、Codex 也都有一键安装的插件。

@GitHub_Daily

作者三岁的女儿看电视里的恐龙总被吓到，节目净是追逐和搏斗，没有一个安静看动物的地方。 于是他做了一座网页上的 3D 史前动物博物馆，免费开放，不用注册没有广告，打开就能逛。 陆地、海洋、天空三个展区一共 24 位史前动物，用手指拖着转圈看，讲解要点了才播，不会突然出声吓到孩子。 GitHub：http://github.com/s010s/prehistoric-animal-museum 配了家长指南，孩子问「它吃什么」「化石在哪挖的」这类问题时能接得住，每条信息都标了出处。 最贴心的是「和我比一比」，输入孩子的身高，展厅里就站一个等比例的小人，恐龙到底多大一眼就有概念。 支持中英文切换，手机平板电脑都适配。家里有 2 到 6 岁小朋友的，周末可以带着一起逛逛。

@GitHub_Daily

一位小说家 Hugh Howey 开源了一款写作工具 NEO，README 里还自称「一个想当作家的人」，挺有意思。 装上就默认我们在写书，界面就一张白纸，控件不碰不出现，章节自动编号，排版就是成书的样子。 按一下回车换段，连按两下出分节符，三下直接开新章，就是要让人一直写下去。 GitHub：http://github.com/hughhowey/neo 最妙的是「舍不得删」功能，写得漂亮但碍事的段落拖进专门的收留区，哪天想通了还能一键放回原位。 拼写检查只在主动召唤时出现，写到一半不会有红波浪线跳出来打击信心。写作目标、每日冲刺、进度图也都有。 书稿是磁盘上的纯文本文件，连续自动保存，每天的打包备份保留两周，不用注册账号。 能导出符合亚马逊出版规范的 EPUB 3 电子书，Word、PDF 也行。macOS、Windows 都有安装包。