在终端输入claude，然后靠回椅背，看着AI自动完成重构或写测试——这种体验曾经让我以为找到了开发效率的终极答案。但没过多久，我开始盯着终端里那个旋转的加载动画发呆，心里只有一个念头：它到底在里面干什么？
这个黑箱问题最终演变成时间和预算的双重浪费。我意识到，如果不解决它，所谓的"自主AI开发"就只是空谈。这篇文章记录了我如何将Claude Code的效率提升10倍，以及我开发Argus来解决这个黑箱问题的全过程。
无人值守时的三大隐性危机
当我把Claude Code丢进复杂的生产代码库、转身去干别的事时，三种沉默的危机正在后台悄然消耗我的资源：
第一，不可见的重试循环。当agent在bash命令或测试用例中遇到错误时，它有时会在后台用完全相同的错误步骤反复调用同一工具。终端只显示一个无害的加载动画，但token和我的预算正在飞速燃烧。等我察觉异常停止进程时，损失已经造成。
第二，上下文膨胀与幻觉。找不到正确路径的agent会不必要地反复读取同一份大文件，导致上下文窗口急剧膨胀。一旦触及上限，agent就开始遗忘几步前刚做过的事，逐渐偏离轨道，陷入幻觉循环。
第三，事后追责的无力感。等一切结束、任务失败后才发现"agent在这里犯了错"，这并不能节省任何时间。我需要在agent偏离航向的瞬间就察觉并干预，而不是事后读日志。
这让我想到网络安全领域的一个基本原则：没有端点行为或系统遥测的实时监控，就无法管理系统。AI agent同理——没有实时遥测，就是在盲飞。
Argus：给黑箱装上实时视野
为了突破这个瓶颈，我设计了一个现代遥测站，用于即时追踪、分析和管理Claude Code会话：Argus。
Argus是一个开源的VS Code扩展，配备极简、性能优先的界面，作为分析引擎让自主过程完全透明。集成Argus后，我的Claude Code效率确实达到了10倍提升。核心能力包括：
实时会话追踪：我能精确看到agent正在检查哪个文件、触发哪个子agent、执行哪条命令——全部实时呈现。
成本可视化：token消耗速率、API调用次数、当前步骤的预估成本，一目了然。重试循环一旦启动，我能在预算失控前秒级响应。
上下文健康监控：实时显示上下文窗口使用比例、最近访问文件列表、重复读取警告。当agent开始"健忘"，我能立即察觉。
干预接口：发现偏离时，一键暂停、回滚到指定步骤、或注入修正指令——无需等它跑完再收拾残局。
从盲飞到可控自主
Argus的本质是把"委托后祈祷"变成"委托后监控"。它不改变Claude Code的能力边界，而是消除了使用过程中的信息不对称。这种透明性带来的效率提升是复合的：省下的不只是烧掉的token，还有等待时的焦虑、事后排查的时间、以及反复试错的心理成本。
对于正在用或打算用AI agent的开发者，我的建议很直接：在把复杂任务交给agent之前，先确保你能看见它在做什么。黑箱里的效率是幻觉，可视化的自主才是真的生产力。
热门跟贴