Anthropic 复盘如何让 claude.ai 和桌面应用快 3 倍

用户可通过 Claude 的 MessageDisplay Hook 机制自定义词汇替换。编写 Python 脚本，将"seam"替换为"whatchamacallit"、"you're absolutely right"替换为"I'm a complete clown"、"honest take"替换为"spicy doodad"、"load-bearing"替换为"cooked"，保存为 `~/.claude/hooks/wordswap.sh` 并赋予执行权限，再在 …

该篇文章标题涉及"Claude Code"的可配置选项，但提供的正文内容仅包含一张图片和一个外部链接，未给出任何关于模型版本、参数、性能、价格或功能的具体信息。根据规则，无法在摘要中提及原文不存在的细节。

作者提出用 LLM 做文字编辑而非代笔的两条规则：不采用模型建议的任何措辞，并禁止模型给出鼓励。方法是自己写初稿，再让模型分轮次找出被动语态滥用、动词名词化、口头禅和可移动段落等问题，对比改写时可交给无上下文的模型判断，并配套用 Python、HTMX、SQLite、Tailwind 搭建写作工作台，经 Codex、Claude 或 Antigravity CLI 运行编辑提示词。

一位从业者发文称，每天直接或间接处理 AI 事务的时间已超过 75%，这让他几乎失去了工作乐趣。他批评没有工程背景的人用"智能体泛滥的 homelab"拼凑出所谓"行业变革"方案，并指出 Anthropic 和 OpenAI 的漏洞研究项目耗费数百万美元工程资源、发现数千个漏洞，却未让安全状况变好，因为真正的瓶颈始终是打补丁。

开发者展示 Claude 通过自然语言指令，将网页中"加入购物车"按钮颜色改为蓝色。该操作体现了 AI 智能体对前端界面元素的直接操控能力，无需人工编写代码或定位 DOM 节点，即可完成视觉样式修改任务。

Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。

Anthropic 的每兆瓦收入从 2024 年的负毛利（每 1 美元收入对应 1.94 美元算力成本）扭转为 2026 年 40-50% 的毛利率，并在 2026 年首次实现盈利季度：109 亿美元营收、5.59 亿美元营业利润。

Warp 在 Claude 平台上构建了基于 Agent Skills 的自我改进循环，通过基础技能与改进技能两个文件型技能，将人类反馈转化为对智能体的持续优化。该模式已应用于其整个开源仓库，覆盖数百名贡献者与数千次代码审查。团队建议以原则而非规则编写技能，并强调低摩擦反馈与改进技能的可复用性。

OpenRouter 提出一套模型选型框架：先定义任务，从实时用量和第三方基准中筛选候选，再对比各提供商的定价与延迟，最后用自有提示词测试。判断标准是"每完成任务的成本"而非"每 token 成本"。其 MCP 服务器可直接在 Claude Code、Cursor 等编辑器中查询实时排名、价格和基准，并用 openrouter/auto-beta 按请求路由。

Anthropic 发布 AI 原生 SDLC 实战手册，提出将传统六阶段软件开发生命周期重构为 AI 嵌入各环节的闭环流程。手册指出，当代码不再是瓶颈时，规划、审查、部署等人速环节成为新约束，需通过 Claude 将需求压缩为 intent.md、以技能编码标准、用持续评测替代阶段门禁，并保留人工对关键代码的审查。