Anthropic 发布 Long Running Claude

Long-running Claude for scientific computing 是 Anthropic Discovery 团队研究员 Siddharth Mishra-Sharma 撰写的一篇方法笔记，介绍如何把多日 agentic coding 工作流套用到科研计算任务上，即使任务超出科学家本人的核心领域。文章以一个具体案例贯穿：用 Claude Opus 4.6 实现一个 differentiable 版本的宇宙学 Boltzmann solver，与 CLASS、CAMB 这类核心科研基础设施对齐，配合 JAX 提供自动求导与加速器兼容性。

方法层面有三件核心工件。一是 CLAUDE.md 放置项目级目标、设计决策与禁区，由 Claude 自身随项目推进编辑；二是 CHANGELOG.md 作为可移植的长期记忆，记录当前进度、失败尝试与精度表，让后续 session 不会重复踩同一个坑；三是 test oracle，本案例以 CLASS C 源码为参考实现，要求 Claude 主动扩充测试并在每次提交前运行 pytest。Git 充当无人值守监控通道，agent 每完成一个有意义的工作单元就 commit and push。

运行层面采用 HPC 集群加 SLURM 调度，作者给出了一份示例 batch 脚本：在 GPU 节点上启动 tmux 会话，把 Claude Code 跑在其中，作者可随时 SSH 接入或断连。文章还介绍了 Ralph loop 等 orchestration 模式，用以应对当前模型偶尔出现的 agentic laziness。最终 Claude 在数天内把求解器精度做到与 CLASS sub-percent 一致，作者甚至从 commit 历史里反向学到了 Boltzmann solver 的物理细节。