Anthropic 工程导读

Anthropic 最新一篇文章《Scaling Managed Agents: Decoupling the brain from the hands》，讲的是将“大脑（Claude+Harness

2025 年 8～9 月，路由、TPU 输出、近似 top-k 三类问题曾经叠在一起，表现成「同一款产品，有人觉得一切正常、有人觉得明显不对」——排障像抓幽灵。原文写得很直白：从来没有因为需求、时段或

很多人的盲区是把多 Agent 理解成多开几个会话。  Anthropic 这篇工程文拆的是另一件事：Research 类任务是开放题——步骤事先定死会翻车，路径会边做边改；一条线性 one-shot

很多人把 Extended thinking 和「think 工具」当成「换皮」——这是我读材料时最常看到的盲区。  前者更像是 开口输出前，给模型一块长考空间；后者是 已经在走工具链了，中间要等一铲

通用 Agent 已经能操作完整计算环境（例如 Claude Code 的本地执行与文件系统），但要稳定干真实工作，缺的不只是「能调什么」，而是程序性知识和组织上下文——报销怎么填、发布 checkl

做知识库检索的人几乎都踩过这种坑：切片里只剩一句「收入增长 3%」，却说不清哪家公司、哪一季——传统切块很容易把文档级语境弄丢，后面无论是向量召回还是 BM25，都在「半句话」上打转。Contextu

上下文再长，也绕不开一个老问题：交接。上一轮干了啥、做到哪、坑踩到哪了，下一轮往往并不知道。Anthropic 这篇写得比较直：把“长程执行”从“靠模型记”改成“靠工程交接”——用 git + fea

为什么这篇在现在特别有用 Agent 一旦开始“真干活”，评测就不能只盯一句回答。它会调工具、改状态、走分支；你要同时看两件事：最后做没做成，以及过程能不能接受。这篇真正有用的地方，不是再发明新词，而

为什么这件事现在更关键 这两年代码 Agent 变得越来越“能动手”：以前更像提建议，现在更像直接下场干活。问题也随之变了——弹窗多了，人会麻；弹窗少了，又怕兜不住风险。Anthropic 这篇真正想

Agent 侧的未来很可能是成百上千个工具同时在线：IDE 一串、运维又一串 MCP。麻烦在于：若把工具定义全塞进首轮上下文，用户话还没读完，token 先烧光，选错工具、乱填参数的概率也跟着上去。[

这篇最值得看的，不是一句「能省 98.7% token」，而是一个工程转向： 过去我们让模型一轮轮直连 tool call；现在越来越多团队在做另一件事——让模型先写一段程序，在执行环境里把 MCP

支撑 Claude Code 的那套 agent harness 被泛化成 Claude Agent SDK：同一套「能写文件、跑终端、迭代验证」的底座，不只服务写代码，也能搭 金融助理、客服、深研 

堆进窗口的 token 越多，context rot 越真实——不是某一家模型不行，而是长上下文里「大海捞针」普遍变难。Anthropic 把 context engineering 说成 promp

MCP 一接，工具数量很容易冲到三位数。但堆接口不等于变强——原文那句 Agents are only as effective as the tools we give them 说得刻薄也实在：工

Claude Code 把「读文件、跑命令、改代码」塞进同一条对话里——窗口越满，越容易忘指令。文档的底线就一句话：让模型能自证（测试、截图、期望输出），别让你当唯一反馈环。Plan Mode、短 C

一、为什么需要 Skill？两条路线先选边 1.1 人话版：从「每次重新教」到「装了一个常用动作包」 想象一下：你每个新项目都要跟同事重头讲一遍「我们代码风格怎样、周报格式怎样、提测前要检查哪几条」—

「Agent」在业内的叫法很杂：有人指长跑全自动系统，有人指按剧本走的流水线。Anthropic 先把帽子统一成 agentic systems，再切开 Workflows（代码写死路线）与 Agen