InferClaw Tools

示例报告 · mock

Claude Code 浪费体检示例报告(mock / illustrative)

下面是体检报告的标准输出结构。所有数字、命令、session 名均为占位。 本页面不是真实用户数据

⚠️ 再次强调:本报告是示例 / 示意(sample / illustrative),不是真实用户数据。 任何与真实账户、真实 session、真实 token 计数的相似纯属巧合。

# 浪费体检示例报告(mock / illustrative)

> **⚠️ 本报告为示例(sample / illustrative),不是真实用户数据。**
> 所有数字、命令、session 名均为占位。
> 任何与真实账户、真实 session、真实 token 计数的相似纯属巧合。

---

## Verdict(结论)

**高度怀疑存在浪费**(基于 1 份已脱敏的近 30 天 Claude Code 使用摘要)。

没有给精确数字。理由:原文是摘要而非完整 telemetry,且模型版本、缓存命中率、定价合同均不可知。

---

## Top waste signals(Top 浪费信号)

1. **D2 重复上下文投喂(高置信度)**
   - 证据:session 平均 input tokens 约 18k,其中 system prompt + 项目约定 + 偏好声明占比 ≈ 75%。
   - 这意味着每次新 session 都要重读同一份背景。

2. **D3 build/test 失败循环(高置信度)**
   - 证据:近 30 天共出现 12 次同一类 build error 重试 ≥ 3 次。
   - 每次重试都把整段 stack trace 回灌。

3. **D6 任务没拆(中置信度)**
   - 证据:约 40% 的 session 没有明确 stop condition;session 平均时长偏长且无收敛趋势。

---

## Why it matters(为什么重要)

不承诺省钱数字。但定性地说:
- 重读同一份背景 = 重复消耗 input tokens;
- 失败循环 = 同一条错误被反复付账;
- 缺 stop condition = 容易超出周/月额度却没有告警。

这些是配额烧穿风险(quota burn risk)和容量烧穿风险(capacity burn risk),不是已发生的精确账单。

---

## Manual next step(手动下一步)

> 所有修复 text-only,由你手动执行;不存在"一键 apply"。

1. 把"项目约定 + 偏好声明"写到 `~/.claude/CLAUDE.md`,session 内只贴本次任务差异。
2. 在每个 session 启动时写 1 行 stop condition(例如"5 个 case 通过 + 0 warning 即停")。
3. 同一类 build error 连续 3 次失败,停下来自己看 diff,不要继续让模型改。

---

## What to do differently next session

- 在 prompt 第 1 行明确 scope:「只读 src/payments/ 下的 .ts 文件,不要看其他目录」。
- 要求模型回复时「第 1 段必须是可执行命令或 patch,再解释」。
- 拒绝一切「再改一版」的 follow-up,除非你给新的 stop condition。

---

## Limits / Unknowns(不知道的事 / 边界)

- 我们没有看到真实 token 计数、真实定价合同、真实缓存命中率;
- 我们没看到 prompt 之外的行为(model routing、provider-side cache);
- 我们不知道 Anthropic / Cursor 是否已经为你的工作流做了内置优化;
- 本报告**不替代**官方 telemetry;它只是一份人工可读的浪费线索清单。

报告里出现的 cost / 数字一律只能称为 近似暴露 / 配额烧穿风险 / 容量烧穿风险 , 不承诺 USD/CNY 金额,也不承诺"省 X%"。

配套入口:回到主页 · 查看 D1–D9 checklist