claude-code ai

Claude Code — jak wymusić wysoką jakość odpowiedzi

Workaroundy na spadek jakości Claude Code po zmianach z lutego/marca 2026. Effort, adaptive thinking, settings.json.

MO Maciej Olszewski ·
Claude Code — jak wymusić wysoką jakość odpowiedzi

W lutym i marcu 2026 Anthropic cicho zmienił trzy rzeczy w Claude Code, które obniżyły jakość odpowiedzi o 67%. Tu opisuję co się stało, dlaczego i jak to naprawić.

Co się stało

Między 9 lutego a 12 marca 2026 Anthropic wrzucił trzy zmiany naraz:

  1. Adaptive thinking (9 luty) — model sam decyduje ile „myśli” przy każdym turnie. Wcześniej budżet tokenów na reasoning był stały.
  2. Domyślny effort spadł do medium (3 marca) — bez żadnego ogłoszenia. Wcześniej default to było high.
  3. Thinking redaction (5-12 marca) — bloki reasoning zostały ukryte z UI. Nie widać nawet, że model myśli płycej.
timeline title Zmiany w Claude Code, luty-marzec 2026 9 Feb : Adaptive thinking : Model sam decyduje o głębokości reasoning 3 Mar : Default effort → medium : Cicha zmiana bez ogłoszenia 5-12 Mar : Thinking redaction : Bloki reasoning ukryte z UI

Twarde dane

Stella Laurenzo z AMD (inżynier pracujący z MLIR/IREE) przeanalizowała 6 852 sesji, 17 871 bloków thinking i 234 760 tool calls. To nie jest „feels worse”, to statystyka:

  • Mediana głębokości thinking spadła z ~2200 do ~720 znaków (67% mniej)
  • Stosunek read:edit spadł z 6.6 do 2.0 — model przestał czytać kontekst przed edycją
  • Model zaczął fabrykować wersje API, SHA-ki commitów, nazwy pakietów — bo na turnach z zerowym thinking po prostu zmyśla

Boris Cherny (head of Claude Code) potwierdził zmiany i udostępnił workaroundy.

Szybki fix — dwa ustawienia

Jeśli odczuwasz spadek jakości, te dwa ustawienia rozwiązują 90% problemu:

1. Ustaw effort na max

Na początku sesji Claude Code:

/effort max

Albo przez zmienną środowiskową (trwale):

export CLAUDE_CODE_EFFORT_LEVEL=max

Uwaga: max dostępny jest tylko na Opus. Na Sonnet najwyższy to high. Effort max nie persystuje między sesjami — resetuje się po zamknięciu. Jeśli chcesz trwale high, dodaj to do settings.json (szczegóły w podartykule o settings.json).

2. Wyłącz adaptive thinking

export CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING=1

To wymusza stały budżet tokenów na reasoning zamiast pozwalać modelowi decydować per-turn. Bez tego adaptive thinking potrafi przydzielić zero tokenów na myślenie — co prowadzi do halucynacji.

Oba ustawienia można też wrzucić do settings.json, żeby nie ustawiać ich za każdym razem:

{
  "effortLevel": "high",
  "env": {
    "CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING": "1"
  }
}

Plik settings.json wrzuć do ~/.claude/settings.json (globalnie) albo .claude/settings.json (per projekt).

Co kontroluje effort

Effort to nie jest jedno ustawienie — zmienia trzy rzeczy naraz:

EffortGłębokość thinkingApetyt na narzędziaDługość odpowiedzi
lowPomija reasoningMinimalnyKrótkie
mediumMyśli gdy trzeba, pomija gdy nieUmiarkowanyZbalansowane
highPrawie zawsze myśliCzyta powiązane pliki sam z siebieSzczegółowe
maxPełny budżet, bez limituEksploruje agresywnieNajdłuższe (tylko Opus)

Thinking triggers — słowa w prompcie

Oprócz /effort możesz wpływać na głębokość reasoning słowami w prompcie:

SłowoEfekt
thinkLekki boost reasoning
think hardŚredni boost, zbliżony do high
think harderExtended thinking, zbliżony do max
ultrathinkMaksymalna głębokość reasoning

Używaj ich selektywnie na trudne problemy. Na rutynowych zadaniach ultrathink spowolni pracę bez realnej korzyści.

Szczegółowe przewodniki

Tradeoff: wyłączanie adaptive thinking

Warto wiedzieć o jednym kompromisie. Adaptive thinking na Opus 4.6 włącza „interleaved thinking” — model myśli między wywołaniami narzędzi, nie tylko na początku turnu. Wyłączenie adaptive thinking wyłącza też interleaved thinking, cofając model do starszej ścieżki kodu.

W praktyce dla większości użytkowników stały budżet reasoning z effort high daje lepsze wyniki niż adaptive thinking, które na części turnów przydziela zero tokenów. Ale jeśli pracujesz z bardzo prostymi zadaniami (formatowanie, drobne edycje), adaptive thinking oszczędza czas i tokeny.

Rekomendacja: wyłącz adaptive thinking na złożone sesje inżynieryjne, zostawiaj włączone na rutynowe zadania.

Zależność od pory dnia

Wiele osób (w tym nasz zespół) zauważyło, że jakość spada w europejskich godzinach porannych (8:00-12:00 CET). To pokrywa się z nocnymi godzinami w San Francisco, kiedy Anthropic prawdopodobnie przerzuca zasoby na inne workloady. To nie jest oficjalnie potwierdzone, ale community udokumentowało korelację.

Jeśli masz wybór, praca w godzinach popołudniowych CET (kiedy SF budzi się) zwykle daje lepsze wyniki.

Źródła

← Wszystkie artykuły