为什么 Claude Agent 写代码动辄耗时数小时？长思考模式的效率悖论

近日，有开发者在技术社区 Linux.do 发帖询问，在使用 Claude CLI 工具调用 Opus 模型进行代码编写时，出现了一个令人困惑的现象：即便网络响应速度正常，处理非复杂任务也往往需要一两小时。该用户采用的是 Max 模式，即允许模型进行最大程度的推理。这一现象引发了关于 AI Agent 实际工作效能的讨论。虽然模型输出文本的速度看似不慢，但长时间的任务执行暗示了 AI 在后台可能进行了大量的“隐性思考”或自我迭代循环。这表明，当前的高级 AI 智能体在处理复杂逻辑时，其推理链路的长度和自我修正的频率可能远超用户预期，导致了任务总耗时的显著增加。同时也暴露了 Agent 在缺乏有效反馈机制时，可能陷入无效的长时间计算闭环，从而影响了实际开发体验。

事件分析

该事件揭示了当前 AI Agent 在工程应用中面临的“推理时延”问题。不同于传统网络延迟，Agent 在 Max 模式下可能触发了极长的思维链。模型在生成最终代码前，可能生成了大量不可见的“思考 Token”用于分析上下文、规划路径并自我纠错，这直接导致了耗时激增。

此外，这也反映出单一大模型 Agent 架构的局限性。如果缺乏有效的分层规划或外部工具辅助，模型容易在局部逻辑上过度消耗算力，陷入“钻牛角尖”式的无效推理。这对开发者提出了新要求：在追求模型高智商输出的同时，必须通过优化 Prompt 工程或引入人机交互反馈点，来限制推理边界，从而平衡思考质量与时间成本，解决“虽然聪明但太慢”的落地痛点。

💡 核心观点：AI Agent 的长任务耗时并非技术故障，而是模型高密度推理计算与低效执行路径并存的结构性体现，需警惕无限思考的计算陷阱。