努力程度

努力程度参数允许您控制 Claude 在响应请求时花费令牌的积极程度。这使您能够在响应完整性和令牌效率之间进行权衡，所有这一切都可以通过单个模型实现。

努力程度如何工作

默认情况下，Claude 使用最大努力程度——花费尽可能多的令牌来提供全面的响应。通过降低努力程度，您可以指示 Claude 更保守地使用令牌，将令牌视为更昂贵的资源。

努力程度参数影响响应中的所有令牌，包括：

• 文本响应和解释
• 工具调用和函数参数
• 扩展思考（启用时）

努力程度级别

基本用法

import anthropic

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-4-5-20251101",
    betas=["effort-2025-11-24"],
    max_tokens=4096,
    messages=[{
        "role": "user",
        "content": "Analyze the trade-offs between microservices and monolithic architectures"
    }],
    output_config={
        "effort": "medium"
    }
)

print(response.content[0].text)

按努力程度的行为

努力程度参数主要控制输出冗长度和解释深度，而不是响应正确性。Claude 无论努力程度如何都执行类似的内部推理，但调整该推理在输出中出现的程度。

低努力程度响应

• 直接陈述答案，最少解释
• 简洁、高效的响应（1-2 句上下文）
• 显示公式但不推导
• 假设读者可以验证答案
• 工具使用的简洁确认（"完成。"、"已修复。"）

中等努力程度响应

• 答案前的简要上下文
• 具有关键中间步骤的简洁理由
• 可能包括一个已解决的示例
• 仍然专注于效率

高努力程度响应

• 用部分标题结构化
• 问题设置和变量定义
• 分步解决过程
• 验证和合理性检查
• 丰富的 markdown 格式

用例

何时使用低努力程度

• 速度优化：较低的令牌数意味着更快的响应时间，对延迟敏感的应用有益
• 自动化管道：当响应由代码处理而不是由人类阅读时
• 高容量应用：减少日常简单查询的成本
• 有经验的用户：当用户不需要详细解释时
• 快速确认：简单的是/否或状态响应

何时使用中等努力程度

• 生产 API：清晰度和成本效率的平衡
• 面向用户的应用：足够的上下文而不过度冗长
• 成本意识部署：显著节省，质量影响最小

何时使用高努力程度（或不使用努力程度参数）

• 复杂分析：当完整性至关重要时
• 教育内容：当用户需要理解推理时
• 文档：当响应作为参考资料时
• 调试：当详细解释有助于识别问题时

努力程度与工具使用

使用工具时，努力程度参数影响工具调用周围的解释和工具调用本身。较低的努力程度倾向于：

• 将多个操作合并为更少的工具调用
• 直接进行操作而不进行前言
• 完成后使用简洁的确认消息

较高的努力程度可能：

• 在采取行动前解释计划
• 提供详细的更改摘要
• 包含更全面的代码注释

努力程度与扩展思考

当启用扩展思考时，努力程度参数与思考令牌预算一起工作。这两个控制服务于不同的目的：

• 努力程度参数：控制 Claude 如何花费所有令牌——包括思考令牌、文本响应和工具调用
• 思考令牌预算：设置专门针对思考令牌的最大限制

努力程度参数可以在启用或不启用扩展思考的情况下使用。当两者都配置时：

1. 首先确定适合您任务的努力程度
2. 然后根据任务复杂性设置思考令牌预算

为了在复杂推理任务上获得最佳性能，使用高努力程度（默认值）和高思考令牌预算。这允许 Claude 充分思考并提供全面的响应。

最佳实践

1. 从中等开始：对于大多数应用，中等努力程度提供了质量和效率的良好平衡。

2. 对自动化使用低努力程度：当响应由代码而不是人类使用时，低努力程度可以显著降低成本而不影响正确性。

3. 测试您的用例：努力程度的影响因任务类型而异。在部署前评估您特定用例的性能。

4. 监控质量：虽然正确性通常在各个努力程度上保持，但解释质量会有所不同。确保您选择的级别满足用户的需求。

5. 考虑动态努力程度：根据任务复杂性或用户偏好调整努力程度。简单查询可能需要低努力程度，而复杂分析受益于高努力程度。