最近在调试一套人手视频转换成机械臂视频的pipeline，其中有一步是擦除人手，claude code 总是喜欢用更简单的模型去擦除，但是之前我强调过用 Minimax-remiver。 
还有就是预测深度的时候他为了节省时间，单帧调用 DA3，而跑这种pipeline显然是整个视频喂给DA3 效果好…… 
这种该怎么向 claude 说明呢？感觉是我 vibe coding 水平太烂了