Claude Code 这款 Anthropic 旗下最受关注的 AI 编程助手，正在被开发者社群集体吐槽"频繁假死"——这不是用户错觉，而是 Agent 工具链"未完工状态"的集中暴露。执行中突然停在 Churned、Stewing、Brewed 这类生僻英文词上，短的等几分钟，长的几十分钟不响应。背后有 6 类真实原因：上下文过载、批量重计算、工具调用超时、服务端限流、本地资源不足，以及最致命的"Agent 自我修正死循环"。
关键澄清：这些词不是错误码，是 Anthropic 前端做的趣味等待动画（官方叫 Spinner Verb），类似"思考中……"的角色扮演版。卡顿的锅不在文案，在底层任务阻塞。文章给出的排障路径很实用：/restart 重启清空上下文；拆小任务，别一次性重构整个工程；最准的方法是开 --debug 模式看底层日志——所有真实原因都写在日志里。
这是什么
Claude Code 是 Anthropic 推出的 AI 编程 Agent（能自主执行多步任务的 AI 助手），主打用自然语言直接改代码。这次"假死"问题的本质是：Agent 执行复杂任务时，撞上上下文窗口撑爆（模型一次能"看"的文本量有上限）、外部工具超时、服务器排队等场景，前端界面无法如实反馈，用户误以为程序坏了。
开发者社区的逆向分析（拆解软件内部机制）显示，这些花哨的状态词有上百个，分成烹饪隐喻、思考推理、运算执行、趣味彩蛋四大类。值得注意的是，Anthropic 官方文档里查不到这份清单——它属于前端彩蛋，不属于标准化 API 规范。
行业怎么看
支持方认为，这恰恰证明 Claude Code 已被重度用户拿来做真实的大型项目重构，否则踩不到这些坑；且 Anthropic 迭代速度很快，问题在每次更新后都会明显减少。一篇详尽的中文排障指南能出现，本身也说明生态在成熟。
反对意见更值得听：企业级 AI Agent 的"演示流畅、真用卡顿"是普遍现象，Anthropic 已是头部玩家尚且如此，其他厂商只会更糟。一位资深工程师的评论很直白："演示给老板看 5 分钟，自己用 5 小时。"另一个隐藏风险：工具调用死循环可能产生大量未计费的 token（模型按用量计费的最小单位）消耗，企业部署后账单不可控。
对普通人的影响
对企业 IT：别迷信"AI Agent 一键自动化"的厂商话术，关键流程必须保留人工复核和回滚机制，预算里预留排障人力。
对个人职场：非技术岗也能借鉴——任何号称全自动的 AI 工具，在复杂真实任务上的表现都远不如演示，内部推广时别急着全量上线。
对消费市场：AI 订阅按月收费，但生产力提升因任务复杂度波动大，按需使用、按效果付费的定价可能更受欢迎。