01
一次交全任务，写明终点
一次交出整个任务，写明「完成」长什么样，然后放手让它跑。
机制拆解
据原文，Opus 5.5 相比以往 Opus 进步最大的是多步骤长任务，比如在大仓库里一路改到测试通过。有明确的终点，它就知道什么时候算做完；再写清「什么情况下停下来问」，就能少掉中途不必要的确认。这一条成立的前提是完成判据能被检查（测试通过、旧 client 已删）。判据写得模糊，长跑就没有收敛点。
“its biggest gains are on multi-step work” ¶7
Opus 5.5 能独立长跑：写清终点和停顿规则，并提防被标记后静默换成旧模型
一次交出整个任务，写明「完成」长什么样，然后放手让它跑。
据原文，Opus 5.5 相比以往 Opus 进步最大的是多步骤长任务，比如在大仓库里一路改到测试通过。有明确的终点，它就知道什么时候算做完；再写清「什么情况下停下来问」，就能少掉中途不必要的确认。这一条成立的前提是完成判据能被检查（测试通过、旧 client 已删）。判据写得模糊，长跑就没有收敛点。
“its biggest gains are on multi-step work” ¶7
这一点暂无对应的审视。
删掉 prompt 和保存的指令里所有「think carefully / step by step」类句子，思考深度改用 effort 调。
Opus 5.5 每次回复前都会思考，而且自己决定想多深，催它思考是多余的。厂商在聊天产品上测过：删掉这类句子后回复开始得更早，质量没有明显下降。需要快答就直接说「Answer directly」，需要更深的推理就调 effort，不要靠 prompt 措辞。
“Opus 5.5 always thinks before it replies, and it decides how much.” ¶10
「删掉 think carefully 后质量没有明显下降」测的是聊天产品，「明显」没有具体指标，也不一定适用于长任务或研究类任务。
在 CLAUDE.md 里写一条短规则，说清哪些停顿要、哪些不要；但破坏性操作前的检查点必须保留。
长任务中模型有时会停下来汇报：写个总结、说下一步但不做，问「要不要继续」，或者列出一些并不阻塞工作的选项。它会遵守点名了这些停顿的指令。代价是：规则让它少停，人工检查点也跟着变少，所以要单独写明删数据、force-push、改仓库外内容之前必须停，同时保持权限提示开启。
“It follows instructions that name these stops.” ¶20
停顿规则和任务文件的效果可以低成本复现。
长任务的进度清单写进文件（如 TASKS.md），看进度读文件，不翻滚屏。
长任务会把上下文窗口填满，之后 Claude Code 会总结较早的轮次，滚屏里的细节随之丢失。文件里的清单不受压缩影响，人一眼就能看到哪些做完、哪些还剩，模型续跑时也有可靠的状态来源。
“A list in a file survives that” ¶29
这一点暂无对应的审视。
做设计类请求时，逐项点名不想要的样式，比笼统的「别做得太普通」有效。
没有设计指引时，Opus 5.5 会退回到少数几种默认风格。笼统的「avoid a generic look」大多只是把一种默认换成另一种。列出具体样式（米白背景、标题里的斜体强调词、「01 / 02 / 03」编号、等宽标签、胶囊按钮）才能真正排除。出结果后看它换成了什么，不满意就加进清单再要一次。
“A list of specific patterns works much better.” ¶16
这一点暂无对应的审视。
Opus 5.5 是第一个带 Fable 级 bio/cyber 安全护栏发布的 Opus 模型。被标记的消息大多会转到更旧的模型，工作在那里继续。
审查范围是整个对话，包括文件和搜索结果，所以标记可能来自前面的内容，不一定是最后一条消息。在 Claude Code 里会出现一条写着旧模型名字的通知，会话就在那个模型上继续跑。可以用 /model 切回，也可以在 /config 里把它改成先询问。另外，要求它在回复里复现内部推理本身就是被标记的类别之一。对无人值守的流水线来说，这等于多了一种不报错的模型替换。
“most flagged messages move to an older model, and your work goes on there” ¶54
原文只讲了 Claude apps 和交互式 Claude Code 里怎么看到模型切换，没讲非交互运行（脚本调用、定时任务）里会不会切换、有没有可解析的信号，也没点名会切到哪个旧模型。
作者没有直接谈到这一点。
「比 Opus 5 汇报更清楚」「表格和文档要改的更少」「图表读得更准」这些对比都只有定性描述，没有任何数据，属于厂商自评。
作者没有直接谈到这一点。
「最低 effort 抓到的 bug 比 Opus 5 high 还多」只来自一位早期测试者，样本量、bug 怎么定义、误报怎么统计都没交代。
作者没有直接谈到这一点。
安全护栏的误报率、具体有哪些类别，以及「复现内部推理」这一类的边界在哪，原文都没给。比如要求思考用中文算不算触发，原文没说。
作者没有直接谈到这一点。
subagent 并行和 fast mode 的成本都只提了一句或完全没提。fast mode 只说了每 token 更贵，没给价格；subagent 的 token 开销完全没讲。
用一条短规则分清何时继续、何时停下来问，让长任务少停，但破坏性操作前一定要停
一次交出整个任务，写明「完成」长什么样，然后放手让它跑。
据原文，Opus 5.5 相比以往 Opus 进步最大的是多步骤长任务，比如在大仓库里一路改到测试通过。有明确的终点，它就知道什么时候算做完；再写清「什么情况下停下来问」，就能少掉中途不必要的确认。这一条成立的前提是完成判据能被检查（测试通过、旧 client 已删）。判据写得模糊，长跑就没有收敛点。
its biggest gains are on multi-step work
¶7 ↗
删掉 prompt 和保存的指令里所有「think carefully / step by step」类句子，思考深度改用 effort 调。
Opus 5.5 每次回复前都会思考，而且自己决定想多深，催它思考是多余的。厂商在聊天产品上测过：删掉这类句子后回复开始得更早，质量没有明显下降。需要快答就直接说「Answer directly」，需要更深的推理就调 effort，不要靠 prompt 措辞。
Opus 5.5 always thinks before it replies, and it decides how much.
¶10 ↗
在 CLAUDE.md 里写一条短规则，说清哪些停顿要、哪些不要；但破坏性操作前的检查点必须保留。
长任务中模型有时会停下来汇报：写个总结、说下一步但不做，问「要不要继续」，或者列出一些并不阻塞工作的选项。它会遵守点名了这些停顿的指令。代价是：规则让它少停，人工检查点也跟着变少，所以要单独写明删数据、force-push、改仓库外内容之前必须停，同时保持权限提示开启。
It follows instructions that name these stops.
¶20 ↗
长任务的进度清单写进文件（如 TASKS.md），看进度读文件，不翻滚屏。
长任务会把上下文窗口填满，之后 Claude Code 会总结较早的轮次，滚屏里的细节随之丢失。文件里的清单不受压缩影响，人一眼就能看到哪些做完、哪些还剩，模型续跑时也有可靠的状态来源。
A list in a file survives that
¶29 ↗
做设计类请求时，逐项点名不想要的样式，比笼统的「别做得太普通」有效。
没有设计指引时，Opus 5.5 会退回到少数几种默认风格。笼统的「avoid a generic look」大多只是把一种默认换成另一种。列出具体样式（米白背景、标题里的斜体强调词、「01 / 02 / 03」编号、等宽标签、胶囊按钮）才能真正排除。出结果后看它换成了什么，不满意就加进清单再要一次。
A list of specific patterns works much better.
¶16 ↗
Opus 5.5 是第一个带 Fable 级 bio/cyber 安全护栏发布的 Opus 模型。被标记的消息大多会转到更旧的模型，工作在那里继续。
审查范围是整个对话，包括文件和搜索结果，所以标记可能来自前面的内容，不一定是最后一条消息。在 Claude Code 里会出现一条写着旧模型名字的通知，会话就在那个模型上继续跑。可以用 /model 切回，也可以在 /config 里把它改成先询问。另外，要求它在回复里复现内部推理本身就是被标记的类别之一。对无人值守的流水线来说，这等于多了一种不报错的模型替换。
most flagged messages move to an older model, and your work goes on there
¶54 ↗
「比 Opus 5 汇报更清楚」「表格和文档要改的更少」「图表读得更准」这些对比都只有定性描述，没有任何数据，属于厂商自评。
「最低 effort 抓到的 bug 比 Opus 5 high 还多」只来自一位早期测试者，样本量、bug 怎么定义、误报怎么统计都没交代。
「删掉 think carefully 后质量没有明显下降」测的是聊天产品，「明显」没有具体指标，也不一定适用于长任务或研究类任务。
停顿规则和任务文件的效果可以低成本复现。
原文只讲了 Claude apps 和交互式 Claude Code 里怎么看到模型切换，没讲非交互运行（脚本调用、定时任务）里会不会切换、有没有可解析的信号，也没点名会切到哪个旧模型。
安全护栏的误报率、具体有哪些类别，以及「复现内部推理」这一类的边界在哪，原文都没给。比如要求思考用中文算不算触发，原文没说。
subagent 并行和 fast mode 的成本都只提了一句或完全没提。fast mode 只说了每 token 更贵，没给价格；subagent 的 token 开销完全没讲。