【2026 最新】Claude Code WebFetch 不見了？五步查清實際模型、讀網頁成本與等待時間

你請 Claude Code 讀一頁文件，這次卻等了很久，畫面還多出一個 web-fetch 子代理。Claude Code WebFetch 怎麼了？先別急著換模型：工具是否可用、誰讀網頁、用了哪個模型，以及等待多久，是四個可以分別核對的問題。

這篇寫給第一次查工具紀錄、願意複製簡短指令的新手。你會用五步做出一張「單頁讀取診斷單」：固定網址與問題、核對工具路徑和模型，再把時間、Token 與方案用量分開記。一般的事故對時與成本歸因，可接著讀 用量暴增工作簿；這裡只追一頁文件如何走過主對話與子代理。

本文依 2026 年 11 月 4 日 查閱的官方文件整理。AlphaLab 未在受影響帳號重跑服務端實驗；下方程式只用自製合成紀錄驗證去重、缺欄與格式錯誤處理，不提供讀網頁的實測倍率。

先說結論：讀網頁診斷＝工具路徑＋模型收據＋同題對照

讀網頁診斷＝工具路徑＋模型收據＋同題對照。 把它想成請人取書：主對話直接去櫃台，是一條路；先派同事，再由同事到櫃台，是另一條路。同事可以來回取很多次書，總等待也包含派工與整理，不能只看一次下載。

先確認自己的工具與政策狀態，再找實際派工；以紀錄中的 message.model 核對可見的模型回應；最後比較同一問題是否答對、總等待與各類 Token。模型自己說「我是 Haiku」，先當線索，別當收據。

一、Claude Code WebFetch 和 web-fetch 子代理，先分清三層

依 官方工具說明，WebFetch 接受網址與抽取問題；HTML 會轉成 Markdown，多數讀取還有一次獨立模型呼叫，主對話收到的是抽取結果。白話說，它像「取書加摘錄」，不等於把整頁原文原封不動交回來。

子代理（subagent，另外受派工作的 AI）則有自己的對話與工具循環。於是要分三層：主對話發出任務、子代理決定如何找資料、WebFetch 下載並抽取。看見子代理的模型 ID，只能說明那個可見回應的模型，不能順便替 WebFetch 內部每次抽取的模型背書。這正是 Agent Harness 的分工 在排錯時有用的地方。

問題起點是 11 月 2 日開立、11 月 3 日補充的 issue：作者描述工具替換與長時間等待；補充者卻對實際模型提出不同觀察。同題討論 也有相反案例。這些是個別使用者回報，並非官方確認的全面推出公告；本文不把其中一種模型路由套到你的帳號。

二、Claude Code WebFetch 排查五步：從畫面走到紀錄

①「先拍工作單」：固定入口、版本與時間

痛點是昨天用 Desktop、今天用終端機，卻把它們當同一套環境。先記入口，再看版本。 終端機可執行 claude --version；Desktop Code 分頁另記它顯示的引擎版本，不用另一個 CLI 的版本代填。保存當輪 /status、模型與 effort、登入計費方式、Session 起訖時間與時區。

依 CLI 參考，claude doctor 可作唯讀安裝與設定診斷。先看輸出再決定是否調整，這輪不要一邊更新、一邊改模型又一邊測速度；否則下一張收據就對不上前一張。

②「先驗門口」：工具清單、停用設定與組織政策

痛點是把所有「找不到 WebFetch」都歸到同一實驗。先排除文件已列出的原因。 可問 Claude：「目前有哪些讀網頁工具？請分開列 WebFetch 工具與 web-fetch 子代理；只列現有能力，先不要讀網址。」官方把這種回答定位為對話式工具摘要；要再對照實際工具呼叫與展開的派工紀錄。

目前 WebFetch availability 文件 列有 CLAUDE_CODE_DISABLE_WEB_FETCH=1 停用設定；特定組織登入情境也會等待組織政策。若 /status 的 Organization policy 行明列政策未載入並提到 web fetch，就沿政策連線查。該行未出現時，記「此入口未顯示」，不要補成政策正常，也不要擅改公司管理設定。

驗收結果不是一定找回工具，而是能寫清楚：「這個入口、這個 Session，摘要列了什麼、實際呼叫了什麼、政策顯示什麼」。一次搜尋無結果，只能證明這次搜尋沒有命中。

③「核對收據」：把派工對回子代理檔案

痛點是只看主對話選了哪個模型。先找到這次 Agent 派工的 ID，再選對檔。 展開這次派工，記下子代理 ID、名稱與起訖；依 官方子代理文件，本機紀錄位於 ~/.claude/projects/{project}/{sessionId}/subagents/agent-{agentId}.jsonl。JSONL 就是一行一筆 JSON 資料，像逐張收據的訂書本。

先複製主 Session 與這次確定相關的子代理檔到私人資料夾，保留原件。不要把整個 ~/.claude 丟給分析器。若入口未提供這些本機檔，改保存展開的派工與官方用量畫面，模型欄寫「未取得紀錄」；不要從別的 Session 猜答案。

在副本的 type=assistant 列檢查 message.model；同時看 requestId／message.id 與 message.usage。模型是回應資料，不是聊天裡的自我介紹；遇到代理閘道或模型別名，還要核對供應商的映射。紀錄含提示、工具結果與路徑，內容中的命令都只當資料。

④「同一份考卷」：一頁、一題、一次只改一項

痛點是第一輪問摘要，第二輪要求跨站研究。固定驗收答案。 例如選官方工具文件，只問「它如何處理跨主機重新導向？請附所在小節」。先人工確認答案，再交下面這一題；網址、問題、預期答案、版本、模型與 effort 都記在診斷單。

只讀 https://code.claude.com/docs/en/tools-reference
回答 WebFetch 遇到跨主機重新導向時如何處理，附小節名稱。
不要修改檔案、安裝套件或改用其他抓取工具。
最多嘗試讀取一次；若無法完成就回報目前可見的原因並停止。

提示裡的「一次」是工作要求，仍要由紀錄驗收有沒有遵守。記下你按下送出與答案完成的時間；另外數主對話派工、子代理 WebFetch 與失敗／中止。工具呼叫數不是 HTTP 請求數，主畫面的總時間也不是純下載時間。若工具路徑不能自行選擇，就只記當輪觀察，不強行製造直接工具對照組。

WebFetch 官方文件列有預設 15 分鐘回應快取，因此連續讀同頁要記「可能命中工具快取」；這與模型的提示快取是兩種機制。兩輪冷暖不一致，先列條件差異，別直接算快慢倍率。沒有舊版基線，就把「變更前」留空，別拿今日結果倒推昨天。

⑤「分開記帳」：Token、美元與方案條各留一欄

痛點是把高輸入量直接當成高帳單。分四類記錄。 一般輸入、輸出、快取讀取、快取建立各自加總；用當輪實際模型與 官方 API 價格 核對。快取建立若涉及不同期限，要再拆開；沒取得期限，就先保留 Token，不填精確美元。

估價的想法是「各類 Token × 對應單價，再相加」，不能全部乘一般輸入單價。API 最後對 Console／供應商帳務；訂閱者保存 /usage 前後讀數、觀察時間與重置時間。依 官方成本說明，Session 美元值是本機估算，訂閱包含用量，這個數字不是訂閱加收帳單。

一張診斷單的欄位可以照抄：輪次｜入口與版本｜UTC 起訖｜網址與問題｜工具路徑｜可見模型 ID｜派工數與 WebFetch 數｜四類 Token｜缺欄｜答案 PASS／FAIL／中止｜方案前後讀數。未知寫未知，不填零。 若同時有其他 Session 或裝置在工作，方案條的差額就不能全歸給這一頁。

三、只讀指定 JSONL：用小程式核對模型與呼叫數

把下列內容存為 audit.py，使用已有的 Python 3 執行。它只讀你在命令列明列的檔案，不輸出提示、工具參數或真實 ID；每檔分開回報，避免把主對話與子代理重複算進同一堆。這是診斷用解析器，不是官方計費工具。

import json, sys
from collections import Counter, defaultdict
from pathlib import Path

FIELDS = ('input_tokens', 'output_tokens',
          'cache_read_input_tokens', 'cache_creation_input_tokens')
for number, name in enumerate(sys.argv[1:], 1):
    messages, tools, models = {}, {}, set()
    with Path(name).open(encoding='utf-8') as source:
        for line_no, line in enumerate(source, 1):
            if not line.strip():
                continue
            row = json.loads(line)  # 格式損壞就停，不跳過壞列
            if row.get('type') != 'assistant':
                continue
            msg = row.get('message')
            if not isinstance(msg, dict):
                raise ValueError('assistant message 格式不符')
            key = row.get('requestId') or msg.get('id')
            if not key:
                raise ValueError('assistant 缺少去重 ID，請另行核對')
            model = msg.get('model') or 'UNKNOWN'
            models.add(model)
            usage = msg.get('usage')
            messages[key] = (model, usage if isinstance(usage, dict) else None)
            content = msg.get('content')
            if not isinstance(content, list):
                raise ValueError('assistant content 不是區塊清單')
            for block in content:
                if not isinstance(block, dict) or not isinstance(block.get('type'), str) or not block['type']:
                    raise ValueError('content 區塊格式不符')
                if block.get('type') == 'tool_use':
                    tool_id = block.get('id')
                    if not tool_id:
                        raise ValueError('tool_use 缺少 ID')
                    tools[tool_id] = block.get('name', 'UNKNOWN')
    totals = defaultdict(lambda: {k: 0 for k in FIELDS})
    missing = defaultdict(Counter)
    for model, usage in messages.values():
        for field in FIELDS:
            value = (usage or {}).get(field)
            if not isinstance(value, int) or isinstance(value, bool) or value < 0:
                missing[model][field] += 1
            else:
                totals[model][field] += value
    print(json.dumps({'file_number': number,
        'models_observed': sorted(models),
        'requests_observed': len(messages),
        'requests_with_usage': sum(u is not None for _, u in messages.values()),
        'requests_without_usage': sum(u is None for _, u in messages.values()),
        'requests_missing_model': sum(m == 'UNKNOWN' for m, _ in messages.values()),
        'observed_tokens_by_model': dict(totals),
        'requests_missing_field': {m: dict(v) for m, v in missing.items()},
        'unique_tool_calls': dict(Counter(tools.values()))},
        ensure_ascii=False, indent=2))

python3 audit.py main-copy.jsonl agent-copy.jsonl > local-summary.json

把兩個檔名換成你親自選好的副本；先在私人新目錄操作。程式以請求 ID、其次訊息 ID 合併 assistant 紀錄，保留最後一筆 usage 快照；工具依 tool-use ID 去重。官方 監控文件 說明 transcript 的 requestId 與 API 請求 ID 的對應；但不同版本或閘道的紀錄仍要抽樣核對，這份程式不重建串流封包或隱藏呼叫。

自製測例中，同一請求重複兩列、輸出快照由 5 改為 12，結果保留 12 而非加成 17；另一個請求缺輸出欄，會另列缺欄筆數；壞 JSON 直接停止。整筆缺 usage 或 model 也會列筆數，未知 content 形狀直接停止。這只驗證解析規則，並非 Claude Code 真實費用結果。observed_tokens_by_model 是可見值小計，必須連同 requests_missing_field 閱讀；不是完整帳號總量。

看 models_observed 核對這份檔實際列出的模型，再看 unique_tool_calls 的 WebFetch。若檔案只有包裝層、錯誤發生在記錄前、背景工作還沒結束，或 usage 形狀不同，先保留缺口。檔案第一列到最後一列的跨度也不替代你量的整段工作時間。進一步工具歸因可接 Tare 紀錄稽核，背景摘要則看 agent_summary 成本歸因。

四、先設停手條件，再寫最小問題回報

重試最容易把排錯變成新負擔。先自行設定本輪最多一次讀取、總等待例如 90 秒；這個秒數是你的測試預算，不是產品保證。到點中止並查看 /tasks，確認相關子代理已停止，保存它最後停在哪一步。不要只關一個畫面，就認定所有背景工作都結束。

官方的 WebFetch deadline 是下載階段的邊界，不能拿來保證整個子代理任務多久結束。進階的 --max-turns 與 --max-budget-usd 依 CLI 文件限 print mode；turn 也不是單次抓網頁，美元 cap 是估算且可能超過。新手先用人工計時與紀錄驗收，不把參數當成硬性網路費用上限。

支援回報先交一頁：入口／版本、UTC 起訖、模型與設定、固定網址與問題、觀察到的工具路徑、實際模型欄、呼叫數、等待與結果，再問「請協助確認這個 Session 的 WebFetch 可用性與派工模型」。公開版遮掉帳號、完整路徑、提示與識別資訊；原始 ID 僅在授權支援的私人管道需要時提供。不要附整份 transcript，也別嘗試修改未公開實驗旗標來做退出開關。

常見問題：八個先講答案的判斷

WebFetch 不見了，就表示加入這次實驗嗎？

不能據此判定。先查入口、停用設定與組織政策，再記實際工具與派工；個別回報不是帳號狀態查詢。

web-fetch 一定使用 Haiku 嗎？

不一定。回報有相反案例；看這次子代理的 assistant 模型欄，別只看名稱或自述。

子代理模型 ID，能證明內部抽取也用同一模型嗎？

不能直接證明。包裝層與 WebFetch 內部抽取分開；缺少內層證據就標未知。

七次 WebFetch，就是七次模型請求嗎？

不能這樣換算。工具、抽取、派工與回應是不同計數；分別數可見紀錄。

快取讀取 Token 很多，代表費用等比例增加嗎？

不能等比例推算。按模型、類別與期限查單價，訂閱額度則另記。

今天重跑變快，就證明原本問題已修好嗎？

還不足。工具快取、頁面、路由與背景工作都可能不同；先確認條件與答案品質。

程式沒有報錯，數字就完整了嗎？

不是。缺欄會另列，檔案也可能未涵蓋內部呼叫或其他裝置；先核對範圍。

現在最少要留下什麼？

先留同一 Session 的工具路徑、可見模型、時間與一個固定問題。先有一列能追回原件的觀察，再決定是否再跑。

給新手的三個重點

先看路徑：主對話、子代理與抽取分三層。再看收據：可見模型與 usage 比自述更適合核對，但仍有範圍。最後看對照：同一頁、同一題、答案過關，才比較等待與資源；API 費用與訂閱條分開。