Anthropic 公开内部 Claude 进化实践：从单兵到协同智能体团队

PaperAgent 2026-10-02 13:10 河南  大家好，我是PaperAgent，不是Agent！ Anthropic官宣：开发者的新家 **claude.dev** 正式上线：**有工程深挖、Claude Code 与 API 指南，以及来自打造 Claude 的团队的一线经验**。[近期大火的Personal Agent被这篇综述讲透了](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247512303&idx=1&sn=7ad1e6733cdde9be2a60937a02b7b2e3&scene=21#wechat_redirect) Anthropic 把过去两年内部怎么用 Claude、怎么让 Claude 从**单兵**进化成**协同智能体团队**的方法论，系统性公开了。  全站内容分成四个栏目，恰好对应 Agent 工程的四个层面：  * **AGENTS**：怎么编排多智能体 * **SKILLS**：怎么沉淀和分发能力 * **ENGINEERING**：怎么做新模型时代的上下文工程 * **PLAYBOOKS**：怎么用 eval 把改进变成可测量的数字 * **TUTORIALS**：指导开发者使用 Claude 的各项功能的指南 ## AGENTS：Claude 现场给自己写作战编队  A harness for every task: dynamic workflows in Claude Code 过去想让多个 Claude 协同，得人事先写好固定流程（静态 harness），对所有任务一视同仁。Claude Code的能力是：**Claude 现在可以为眼前这个任务，现场编写并指挥一支定制的多智能体团队**——这就是 dynamic workflows。  静态 harness 与动态 workflow 的对比\_ 为什么要多智能体？单上下文窗口的三大失败模式： * **Agentic laziness**：安全审查 50 项，做到 35 项就宣布"完成" * **自我偏好偏差**：让 Claude 给自己的结果打分，它总会手下留情 * **目标漂移**：长任务反复压缩上下文后，"别做 X"这类约束悄悄丢失  解法是三个积木：`agent()` 派生一个子智能体，`parallel()` 扇出并发，`pipeline()` 流水线串联。每个子智能体拥有**独立、干净的上下文窗口**，目标单一，互不污染。  Claude 组合使用的六种工作流模式 Anthropic给出六种可组合的模式：分类路由、扇出-综合、**对抗验证**（每个干活的智能体配一个唱反调的）、生成-过滤、锦标赛排序、循环直到收敛。Bun 从 Zig 到 Rust 的整体重写，就是用这套编队完成的。  安全设计也被结构化地考虑进去了：处理不可信内容（比如公开渠道的用户反馈）时，**reader 智能体只有只读权限，actor 智能体永远只看摘要**，这道"隔离区"防线是架构级的，而不是靠提示词叮嘱。配合 `/loop` 可以让分拣团队 7×24 小时值班。  当然也有代价。作者明确提醒：**workflows 烧 token 明显更多，适合复杂、高价值的任务**；一次深度研究跑到 22 个智能体、110 万 token 是常态。  一句话总结这个栏目：**并行与专业化必须挣回它们的协调成本**——不是所有任务都配拥有一支团队。 ## SKILLS：数百个内部技能压出的九类清单  Lessons from building Claude Code: How we use skills Anthropic 内部正在活跃使用的 skill 有**数百个**。团队把它们全部盘点一遍，发现干干净净落入**九个类别**：库与 API 参考、产品验证、数据获取分析、业务流程自动化、脚手架模板、代码质量评审、CI/CD、值班 runbook、基础设施运维。  Anthropic 内部技能的九大类别 有几个判断相当反直觉： * **验证类技能价值最高**。团队认为值得让一个工程师花整整一周，只为把验证 skill 打磨到极致 * **description 不是写给人看的简介，而是写给模型看的触发条件**。模型每次开会话都要扫一遍技能清单决定"这事归谁管"，所以描述里要塞进触发词 * **Gotchas（踩坑记录）是任何技能里信号最强的内容**，应该随使用持续累积  Gotchas 板块随使用持续生长 另一个要点是别把 skill 当"一个 markdown 文件"：它是一个文件夹，SKILL.md 只做枢纽，具体情况指向具体文件——**整个文件系统都是渐进式披露的上下文工程**。  分发和治理也有完整答案：小团队直接把 skills 提交进仓库的 `.claude/skills`；规模上来以后改用**内部插件市场**，让团队按需安装。 ## ENGINEERING：删掉 80% 系统提示词，模型反而更强  The new rules of context engineering for Claude 5 generation models 这可能是全站最"炸裂"的一个数字：面向 Claude 5 这一代模型，Anthropic **删掉了 Claude Code 超过 80% 的系统提示词，编码评测没有任何可测量的损失**。 原因很扎心：很多旧规则是在给老模型"打石膏"。比如旧提示词强硬规定"永远不要写多行注释"，因为老模型会写错；新模型有判断力了，石膏反而成了束缚。内部 transcript 里甚至能看到系统提示、skill、用户请求三方指令互相打架。  六条旧规则与新规则的对照 给出六条"过去→现在"的翻转，每一条都值得抄下来： * 给规则 → **给判断力** * 给示例 → **设计好接口**（示例会把模型限制在特定探索空间里） * 全部前置 → **渐进式披露** * 反复强调 → **简洁的工具描述** * CLAUDE.md 当记忆 → **自动记忆** * 简单规格 → **富引用**（HTML mockup、测试套件、rubric 都可以是规格）  组装后的上下文分层 落到你的项目上，文章的建议是：CLAUDE.md 保持轻量，token 主要花在代码库特有的"坑"上；系统提示词绑定产品语境，自建 harness 时最值得投入；引用优先用代码而不是自然语言描述——**一个 HTML mockup 传达的设计，胜过一段文字或一张截图**。 配套动作也很实在：Claude Code 里跑 `/doctor`，它会帮你给 CLAUDE.md 和 skills "瘦身"。 ## PLAYBOOKS：把感觉变好了变成数字  Automating eval design and hillclimbing with Claude 前面三个栏目讲的都是"怎么做"，这个栏目回答"怎么证明做对了"。文章给出好 eval 的四要素：**任务分布贴生产、更强模型得分更高、前沿模型仍有headroom、多次运行方差低**。 还有一个容易踩的坑叫对抗采样：**因为"今天的模型做错"而挑选的case，测的其实是这个模型的失败指纹**，而不是任务本身的难度。正确姿势是人能说出"这题为什么难"再收录，case 来自生产流量、bug 报告和工单。打分器则按输出空间选择：封闭输出用程序化校验，开放输出用 LLM-as-judge，且**裁判模型不能是被测模型**。  好 eval 的四个要素 更精彩的是 hillclimbing（爬山法）的防自欺机制：评估集切成 train/test，**train 涨、test 平就判过拟合、回滚补丁**；永远不把失败样例原文粘进提示词，防止模型"奖励黑客"。 实战数字相当能打。内部客服 benchmark 上，从 Opus 4.8 高 effort 起步（74.4% 准确率、每单 4.6 美分），爬山法一路降模型、降 effort、改提示词，最终在**从未见过的 held-out 集上拿到 90.5% 准确率，成本只有原来的约五分之一**。  面向成本的爬山过程 连 claude-api skill 自己也被爬了一遍：通过率从 **66** %一路爬到约 **88**%，中途还顺手抓出两个"任务本身写错了"的评估 bug。  还有很多Featured videos，很不错，推荐 ## 写在最后 Anthropic 的方法论其实是一条闭环：**用 workflows 组队干活，用 skills 沉淀经验，用新上下文工程给模型松绑，用 eval 验证每一步**。Claude 进化成协同智能体团队的背后，不是某个单点突破，而是这套可以复利的工程纪律。 [OpenAI Dots背后的Always-on Agents技术全被扒出来了](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247512303&idx=1&sn=7ad1e6733cdde9be2a60937a02b7b2e3&scene=21#wechat_redirect) ``` https://claude.dev/   https://x.com/ClaudeDevs/status/2105391694741119047   ``` [动手设计AI Agents：（编排、记忆、插件、workflow、协作）](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247492838&idx=2&sn=1e25832e7300ef312721325d0def30b4&scene=21#wechat_redirect) Loop工程已死，Graph工程永生 [一篇Loop+Harness的自进化Agent最新综述](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247508769&idx=1&sn=1c079514aee90450f55fccb41c7ec282&scene=21#wechat_redirect) [2026，做Agentic AI，绕不开这两篇开年综述](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247508495&idx=1&sn=309c84ca5c2822416fddc1a9dd4f6048&scene=21#wechat_redirect) 已经读到这了，不妨点个👍、❤️、↗️三连，加个星标⭐，不迷路哦~ [跳转微信打开](https://wechat2rss.bestblogs.dev/link-proxy/?k=1efdb35b&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzk0MTYzMzMxMA%3D%3D%26mid%3D2247512329%26idx%3D1%26sn%3Dad5cc13240b49e23adca2ee2cba47b72)