努力程度

努力程度參數允許您控制 Claude 在回應請求時花費代幣的積極程度。這使您能夠在回應完整性和代幣效率之間進行權衡，所有這些都可以使用單一模型完成。

努力程度的運作方式

預設情況下，Claude 使用最高努力程度—花費盡可能多的代幣來提供完整的回應。透過降低努力程度，您可以指示 Claude 在代幣使用上更加保守，將代幣視為更昂貴的資源。

努力程度參數會影響回應中的所有代幣，包括：

• 文字回應和解釋
• 工具呼叫和函數參數
• 擴展思考（啟用時）

努力程度

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)

按努力程度的行為

努力程度參數主要控制輸出冗長度和解釋深度，而不是回應正確性。無論努力程度如何，Claude 都會執行類似的內部推理，但會調整該推理在輸出中出現的程度。

低努力程度回應

• 直接陳述答案，最少解釋
• 簡潔、高效的回應（1-2 句上下文）
• 顯示公式但不推導
• 假設讀者可以驗證答案
• 工具使用的簡短確認（「完成。」、「已修復。」）

中等努力程度回應

• 答案前的簡短上下文
• 簡潔的理由和關鍵中間步驟
• 可能包括一個已解決的範例
• 仍然專注於效率

高努力程度回應

• 使用章節標題進行結構化
• 問題設置和變數定義
• 逐步解決過程
• 驗證和合理性檢查
• 豐富的 markdown 格式

使用案例

何時使用低努力程度

• 速度最佳化：較低的代幣計數意味著更快的回應時間，對延遲敏感的應用程式有益
• 自動化管道：當回應由程式碼處理而不是由人類閱讀時
• 高容量應用程式：減少日常簡單查詢的成本
• 經驗豐富的使用者：當使用者不需要詳細解釋時
• 快速確認：簡單的是/否或狀態回應

何時使用中等努力程度

• 生產 API：清晰度和成本效率的平衡
• 面向使用者的應用程式：足夠的上下文而不過度冗長
• 成本意識部署：顯著節省，品質影響最小

何時使用高努力程度（或不使用努力程度參數）

• 複雜分析：當完整性至關重要時
• 教育內容：當使用者需要理解推理時
• 文件：當回應用作參考資料時
• 除錯：當詳細解釋有助於識別問題時

努力程度與工具使用

使用工具時，努力程度參數會影響工具呼叫周圍的解釋和工具呼叫本身。較低的努力程度傾向於：

• 將多個操作合併為更少的工具呼叫
• 直接進行操作而不進行前言
• 完成後使用簡短的確認訊息

較高的努力程度可能：

• 在採取行動前解釋計畫
• 提供詳細的變更摘要
• 包含更全面的程式碼註解

努力程度與擴展思考

當啟用擴展思考時，努力程度參數與思考代幣預算一起運作。這兩個控制項用於不同的目的：

• 努力程度參數：控制 Claude 如何花費所有代幣—包括思考代幣、文字回應和工具呼叫
• 思考代幣預算：設定思考代幣的最大限制

努力程度參數可以在啟用或不啟用擴展思考的情況下使用。當兩者都配置時：

1. 首先確定適合您的任務的努力程度
2. 然後根據任務複雜性設定思考代幣預算

為了在複雜推理任務上獲得最佳效能，請使用高努力程度（預設值）和高思考代幣預算。這允許 Claude 進行深入思考並提供全面的回應。

最佳實踐

1. 從中等開始：對於大多數應用程式，中等努力程度提供了品質和效率的良好平衡。

2. 用於自動化的低努力程度：當回應由程式碼而不是人類使用時，低努力程度可以顯著降低成本，而不會影響正確性。

3. 測試您的使用案例：努力程度的影響因任務類型而異。在部署前評估您特定使用案例的效能。

4. 監控品質：雖然正確性通常在各種努力程度上保持，但解釋品質會有所不同。確保您選擇的級別符合使用者的需求。

5. 考慮動態努力程度：根據任務複雜性或使用者偏好調整努力程度。簡單查詢可能需要低努力程度，而複雜分析則受益於高努力程度。