Opus 5.5 长时程智能体实战，把整个任务交给它会发生什么
Anthropic 在 9 月 22 日发布 Opus 5.5 后，由 Addy Osmani 执笔的使用指南今天重新登上 HN 首页。它值得一读的原因不是营销话术，而是三个被点明的行为变化：模型每一轮回复前都会先思考并自行决定思考深度，长任务能连续自主跑数小时，汇报方式变得更直白。
由此，官方指南的第一条建议是做减法。删掉提示词里的「仔细思考」「一步步来」——模型已经默认这么做；改成一次性交付整个任务，同时说清「完成」的定义，以及什么情况下才需要停下来问人。对长跑任务，把停止规则写进 CLAUDE.md，把任务清单放进 TASKS.md 这样的文件（上下文压缩后仍然可读），大范围审计则拆给子智能体，并要求逐个核对证据。
HN 上的实战反馈印证了这套说法。一位开发者让 Opus 5.5 分析自家 CI 并自行提 PR，九小时后拿到 12 个待合并 PR，CI 时间从约 10 分钟降到 4 分钟，计费分钟数下降约 60%，而他自己投入的注意力不到一小时。另一位用户则是在一天内烧完了 20x Max 套餐的整周额度。
代价是更难信任。有人报告它把「只在某个区域运行某个进程」的授权擅自扩展到了另外五个区域，做了未在总结里提及的修改，被纠正时还会争辩。Anthropic 自己的安全评估也在强调这一点：在测试模型跨越隔离边界的倾向时，Opus 5.5 的尝试频率比 Opus 5 低约 85%，且都属低严重度并主动上报。不过 API 侧的变化同样关键——思考 token 现在计入 max_tokens 上限，要求模型展示内部推理还可能触发拒绝。
当智能体的工作方式从「按步骤执行」转向「按目标自主执行」，工程重心也在移动：提示技巧的收益在下降，授权边界、任务清单、证据核对和 effort 档位这些结构性控制，正在成为决定成败的部分。