自適應思維是大多數人尚未補上的提示升級
Anthropic 在 Claude Sonnet 4.6 與 Claude Opus 4.8 推出了自適應思維（Adaptive Thinking），認真做提示工程的方法因此被改寫。你不再需要在提示裡寫「請逐步思考」，而是在 API 設定一個叫 effort 的參數，模型會自己決定何時深度思考、何時快速作答。但大多數人仍在寫 Claude 已不需要的思維鏈指令。
自適應思維不是「延伸思考」的改名。延伸思考強制每次請求都進入推理步驟。自適應思維是一個開關：只在這個問題值得時才動用延伸思考。對於代理工作流程、多工具管線與長對話來說，這個差異就是「專注又快速的模型」與「對微不足道訊息浪費大量 token 過度思考的模型」的分別。
本文提供自適應思維的實用心智模型、四個 effort 等級與各自的使用時機，以及你現有提示中應該刪掉、因為 Claude 現在比你還聰明的三個指令類別。
Claude 的自適應思維是什麼？
自適應思維是 Claude Sonnet 4.6 與 Claude Opus 4.8 的一種模式：模型在每次請求時自行決定是否動用延伸推理，以及推理該走多深。啟用方式是在 API 呼叫中設定 thinking.type 為 "adaptive"，再選擇 effort 等級。Claude 即時評估提示的複雜度，據此分配思考 token。
這個機制取代了舊版的做法：你指定 budget_tokens，給每次呼叫一個固定的推理預算。Budget tokens 迫使你在模型還沒看到提示前就預測任務難度。自適應思維把這個決定權交回模型，而模型現在分配推理的表現，比開發者用猜的還好。根據 Anthropic 文件，自適應思維也會自動啟用 interleaved thinking，意即 Claude 可以在代理工作流的工具呼叫之間思考。
實際影響：任何混合任務類型的應用（一個客服代理同時處理「你們的營業時間？」與「處理這張涉及 5 項退款的退款申請」），自適應思維會讓模型在簡單情況下滑過去，在複雜情況下深入下去，而你不需要把請求路由到不同模型設定。
四個 effort 等級分別在什麼情況使用？
自適應思維的 effort 參數有四個值：minimal、low、medium、high。每個值控制 Claude 在輸出前探索推理路徑的積極程度。Sonnet 4.6 預設為 high。每個等級都有清楚的最佳使用情境，用錯等級不是浪費 token 就是犧牲準確度。
minimal 用於速度比深度重要的任務：分類、簡單抽取、友善閒聊、固定風格的內容改寫。Claude 幾乎從不進入延伸思考。延遲最低，token 成本最低。高量第一線客服、簡單表單資料抽取、短答 FAQ 回應，用這個等級。
low 是大多數業務任務的校準中位：短報告、需要準確度的摘要、結構化資料轉換、基礎 SQL 或程式碼生成。Claude 遇到棘手部分時才選擇性思考。如果你不希望每次請求都觸發延伸思考，但又希望輸入複雜時模型自動深入，這是大多數內部工具的合理預設。
medium 用於真正困難、預期 Claude 要推理的問題：多步分析、非小型程式庫的程式碼審查、邏輯錯誤除錯、從原始數據出發的策略建議。Claude 會穩定進入延伸思考。延遲上升，但在延伸思考真正有用的任務類型上，品質差異很明顯。
high 是最高推理設定：複雜研究綜述、多文件推理、需要在多次工具呼叫間規劃的代理工作流、艱深數學、新穎證明。Claude 幾乎一定會思考，且通常思考得很深。這是 Sonnet 4.6 的預設，也是任何「答錯的代價高於答慢」的任務的正確選擇。
如何實際呼叫自適應思維？
自適應思維的 API 呼叫結構很簡單。你在請求 body 中加入一個 thinking 物件，type 設為 "adaptive"，並指定 effort 等級。其餘 Claude 自行處理。同一個呼叫在 Anthropic API、Amazon Bedrock 或 Vertex AI 都能用，只有參數命名上的小差異。
馬上試試以下提示結構（Anthropic API）：
--- POST https://api.anthropic.com/v1/messages
--- Headers: x-api-key, anthropic-version: 2023-06-01
--- Body (JSON)：
{
--- "model": "claude-sonnet-4-6",
--- "max_tokens": 4096,
--- "thinking": { "type": "adaptive", "effort": "medium" },
--- "messages": [ { "role": "user", "content": "Your prompt here" } ]
}
當 Claude 選擇推理時，回應會在最終答案旁附上一個 thinking 內容區塊。你可以為了透明度而讀它，為了稽核而記錄它，或在呈現給終端使用者前把它剝掉。決定權在你。
如果你用 Claude.ai 或 Claude Code：支援的模型已預設開啟自適應思維，你不需要做任何設定。同樣的動態適用，模型自己決定每一輪要不要深度思考。這也是為什麼「幫我摘要這封郵件」感覺很快，而「審查這段 4000 行腳本的競爭條件」則需要較長時間。
哪些提示指令現在應該刪掉？
自適應思維讓許多人仍在生產環境寫的提示鷹架失效。在 Sonnet 4.6 與 Opus 4.8 上，三類指令現在會主動帶來反效果。刪掉它們會縮短提示、降低 token 成本，往往還會提升輸出品質，因為 Claude 不再需要對抗你寫的指令與它自己的推理行為。
刪掉：「請逐步思考再作答。」Sonnet 4.6 在 effort 為 medium 或 high 時，會自行逐步思考。加上這個指令反而可能把 Claude 推向在簡單請求上冗長推理。改用 API 層的 effort 參數。如果你無法設定 API 參數（消費版 Claude.ai），直接省略這個指令即可，預設行為已比提示更聰明。
刪掉：「請慢慢來，仔細推理。」同樣的問題。Claude 已根據任務校準推理深度。這類軟性指令要不被忽略，要不就把模型推向過度思考。改為指定你的輸出要求，例如「你的答案必須為每一個提議步驟提供推理依據」。
刪掉：「請好好思考使用者真正想要的是 X 還是 Y。」改成結構化的歧義處理指令：「若使用者的意圖在 X 與 Y 之間有歧義，在繼續之前先問一個釐清問題。」Claude 會用自適應思維評估這個條件，但這個指令告訴它在判斷後該做什麼，這比要它「更努力思考」有用得多。
如何為你的應用選擇正確的 effort 等級？
effort 等級的選擇對應一組清楚的應用問題。每個問題會縮窄你的選項。五分鐘內你就能為任何新建應用鎖定正確等級，再根據實際運作觀察調整。以下框架是大多數生產團隊在實作中收斂出來的版本。
問題一：你的容錯空間有多大？如果答錯會以實質方式耗費使用者的時間或金錢（財務計算、法律審查、醫療情境、客戶升級邏輯），預設 high effort。如果答錯只是惱人但下一輪可以補救（閒聊、基礎搜尋、隨意內容初稿），minimal 或 low 就夠。
問題二：你的延遲預算多少？如果你的使用者盯著聊天視窗等三秒內回應，你不可能每一輪都跑 high effort。自適應思維有幫助，因為 Claude 只在需要時推理，但 high effort 觸發時仍會增加延遲。在每個等級實測你的 p95 延遲，挑符合的等級。
問題三：你的輸入變異有多大？如果你的應用輸入分佈很窄（結構化登記表單、固定範本請求），你可以預測正確的 effort 等級並鎖定它。如果輸入變化極大（開放式聊天、跨領域 Q&A、通用代理），用 medium 或 high，讓自適應思維在難題上自行升檔，你不需要事先偵測。
問題四：帳單看起來如何？延伸思考產生更多 token。Token 成本隨 effort 上升。對高量應用，分別在 low 與 medium 上跑一個代表性樣本，量化品質差異。差異小，low 是理性選擇。差異大，多花的成本通常值得。
哪些錯誤會破壞自適應思維工作流程？
三個錯誤會穩定地把自適應思維從升級變成倒退。每個一旦你知道往哪看都很容易診斷。避開它們，這項升級就會照設計運作。
錯誤一：把思維指令與 effort 設定混用。如果你在 API 把 effort 設為 medium，又在提示寫「請逐步思考」，Claude 收到雙重訊號，可能在無關緊要的情境過度思考。挑一個思考控制通道：用參數，不用提示。設定 effort 時，把提示中的推理指令清乾淨。
錯誤二：把 budget_tokens 與 adaptive 一起硬編碼。兩個系統互斥。如果你的程式碼仍有 Sonnet 4.5 時期的 budget_tokens 設定，切換到 adaptive 時要移除它。否則請求會失敗或產生不一致行為。部署前審查所有模型呼叫的封裝層。
錯誤三：把 effort 當成「越高越好」的品質旋鈕。High effort 不是「比較好」。它是「比較多推理」。對不需要推理的任務（格式化、翻譯、簡單抽取），high effort 反而會因為加入無關的中間步驟而傷害品質。effort 對應任務類型，不對應「請給我你最好的答案」。
結論：推理成為基礎設施
自適應思維把 Claude 的推理從「提示層的小技巧」搬到「基礎設施層的設定」。你不再用普通語言哄誘模型，而是調整一個它比你還會處理的參數。這是正確方向。接住這次升級的人，會減少在思維鏈措辭上耗費的時間，把心力放在工作流程中真正需要人類的部分。
懂AI，更懂你 UD相伴，AI不冷。自適應思維是一個例證：AI 工具現在已聰明到工作不再關於聰明提示，而是關於乾淨配置與清晰的產品決策。
想把它整合進團隊的工作流程嗎？
了解這個參數是一回事。把它接進團隊實際的 Claude 工作流程，客服代理、內部工具或內容管線，又是另一回事。UD 的 AI Employee Hub 提供可在數日內部署的 Claude 工作流程範本，我們手把手帶你完成每一步，從模型選擇、effort 調校到生產上線。
