Claude 挂了

Anthropic 的 Claude AI 出现大范围故障,恰逢 Microsoft 邮件服务也出问题,引发了人们对知识工作者对云端工具依赖程度的担忧。评论者一边分享故障经历和玩笑,一边也讨论更深层的问题:是否在把“思考外包”给 AI、技能退化、厂商锁定,以及基于 SaaS 工作流的脆弱性。许多人主张通过多元化 AI 供应商或运行本地/开源模型来对冲风险,即便这意味着能力更弱或复杂度更高。

故障影响与对 Claude 的依赖

  • 几位用户表示自己在工作中被突然中断,包括在敲定有时间敏感性的演示文稿或进行中的编码项目时。
  • 有人认为,如果 Claude 只是一个“生产力加速器”,那工作仍然应该能做,只是更慢;也有人回应说,现代的截止日期和预期本来就已经按 AI 带来的提速来设定了。
  • 有人担心,组织可能会默认 AI 永久在线可用,从而使这类故障在现实中造成显著干扰。

争论:用户是不是把思考外包给了 AI?

  • 一方声称,人们越来越不仅把体力活,连控制权和批判性思维也让渡给 LLM。
  • 另一方则反驳说,LLM 就像编译器或汽车一样:它们加快工作,但并不会从根本上取代人类推理;故障只是麻烦,不是生存级阻断。
  • 一段插论提到,过度依赖自动化会随着时间推移侵蚀技能,并拿 GPS 和医疗工具作类比。

本地 vs 云端、所有权与厂商锁定

  • 强烈观点认为,依赖专有云端 LLM 很脆弱:如果厂商或基础设施出问题,这个“工具”实际上就消失了。
  • 有人主张在本地或自有硬件上运行开源权重模型,并把这类选择类比为偏好离线软件而不是 SaaS。
  • 也有人认为“船已经开走了”,而且世界上大多数系统都运行在 SaaS 上,因为风险/成本权衡通常更偏向托管服务。

可靠性、SLA 与冗余类比

  • 故障被描述得像电网失灵:罕见但不可避免;如果事后处理得当,满意度甚至可能提高。
  • 批评者指出,面向消费者的 AI 套餐往往没有 SLA,甚至没有模型行为会保持稳定的保证,但人们却把它们当作关键基础设施。
  • 建议包括:备用 LLM 提供商、本地模型,或能在任务进行中切换模型的、与供应商无关的“代理”。

替代模型与多元化策略

  • 多位评论者描述了混用 Claude、其他商业 API、类似 open-router 的聚合器以及本地模型(例如 Qwen、基于 DeepSeek 的 harness)的配置,以对冲故障、额度限制或安全过滤。
  • 社区对那些以与模型无关的格式保存对话历史、从而支持无缝故障切换的工具生态表现出浓厚兴趣。

文化插曲与幽默

  • 线程里有关于 13 号星期五的玩笑、“因为 Claude 挂了而请病假”、把对 Claude 的依赖讽刺成毒品,以及关于 SNL 和 Monty Python 的旁支争论。
  • 几个人强调,到了紧急时刻,人们仍然应该能够靠白板或单纯口头讲解来做演示,不过也有人指出,现代会议室和工作流早已围绕幻灯片和在线工具进行了优化。