Anthropic新產品，強大到能讓AI Agent基礎設施團隊失業？

原文標題：《Anthropic 今天發了一個新產品，可能會讓一批做 AI 智能體基礎設施的團隊失業》

原文作者：寶玉，AI 工程師

這個產品叫 Claude Managed Agents。一句話概括：你告訴 Anthropic 你想要什麼樣的 AI 智能體，它幫你在雲端跑起來，基礎設施全包，按用量收費。Sentry 用它幾週就上線了自動修 bug 的全流程，Rakuten 一週部署一個專項智能體。之前這些事需要一整個工程師團隊幹幾個月。

與此同時，Anthropic 的年經常性收入剛突破 300 億美元，是去年 12 月的三倍。大部分增長來自企業客戶。華爾街已經開始緊張了，WSJ 說投資者對傳統 SaaS 公司的股價越來越謹慎，擔心 Anthropic 這類產品會讓一些傳統軟件服務變得多餘。

這個產品到底是什麼？和你已經在用的 Claude Code 有什麼區別？技術上怎麼做到的？

它是什麼？和 Claude Code 有什麼區別？

如果你用過 Claude Code，你知道 AI 智能體怎麼工作：你給它一個任務，它自己規劃步驟、調用工具、寫程式碼、改文件，一步步把事做完。

Claude Code 跑在你自己的電腦上，是給開發者個人用的命令行工具。你關了電腦，它就停了。

Managed Agents 跑在 Anthropic 的雲上，是給企業用的 API 服務。它可以 24 小時不間斷運行，斷線了也不丟進度，你的產品可以直接內嵌智能體能力。

Notion 就是這麼幹的：用戶在 Notion 裡把任務分配給 Claude 智能體，智能體在後台幹完活把結果交回來，用戶全程不需要離開 Notion。

幾種典型用法：

· 事件觸發型：系統發現 bug，自動派智能體修復並提 PR，中間不需要人介入。

· 定時型：每天早上自動產生 GitHub 活動摘要或團隊工作簡報。

· 即發即忘型：在 Slack 裡給智能體派個活，它做完把表格、PPT、App 交回來。

· 長時間任務型：跑幾個小時的深度研究或程式碼重構。

和企業自己搭的雲端智能體有什麼區別？

能自己搭，但很貴很慢。

一個能上線的智能體，需要的東西遠比「調一下 API」多得多：沙盒環境（sandbox，一個隔離的安全空間，AI 在裡面跑程式碼、改檔案，不管怎麼折騰都不會影響外面的真實系統，相當於給 AI 一台專用虛擬電腦）、憑證管理、狀態恢復、權限控制、全連路追蹤……

很多企業客戶之前需要一整個工程師團隊專門搞這些。現在開箱即用，工程師可以去做產品真正核心的部分。

但 Managed Agents 解決的痛點還不只是省人力。

馬東錫（@dongxi_nlp）有一個精辟的總結：

Anthropic 工程部落格裡有一個具體的例子：

Claude Sonnet 4.5 快到上下文視窗極限時會「焦慮」，草草結束任務。他們在排程框架裡加了上下文重置來應對。但 Claude Opus 4.5 出來後，這個毛病消失了，之前的補丁反而變成了累贅。

你自己搭排程框架，每次模型升級你都得跟著改。交給 Anthropic，他們替你優化，嚴格來說他們優化了賣給你。

誰在使用？如何使用的？

Notion 讓用戶在工作區裡直接把編碼、做 PPT、整理表格這些活丟給 Claude，幾十個任務並行跑，整個團隊在同一個輸出上協作。Notion 產品經理 Eric Liu 說，用戶可以把開放式的複雜任務直接委托出去，不用離開 Notion。

Sentry 做了「從發現 bug 到提交修復程式碼」的全自動流程。他們的 AI debug 工具 Seer 找到問題根因後，Claude 直接寫補丁、開 PR（程式碼提交合併請求）。工程總監 Indragie Karunaratne 說，幾週就上線了，還省掉了持續維護自建基礎設施的運營開銷。

Atlassian 把它接進了 Jira，開發者可以直接在 Jira 裡把任務分配給 Claude 智能體。

Asana 做了 AI Teammates，在專案管理裡加入 AI 協作者，能接任務、交付物。

General Legal（法律科技公司）的玩法最有趣：他們的智能體能根據用戶的提問，臨時寫工具來查數據。以前每個用戶問題都得提前預測並開發檢索工具，現在智能體自己按需生成。CTO 說開發時間縮短了 10 倍。

Rakuten 在工程、產品、銷售、市場、財務各部門都部署了專項智能體，每個一週內上線，通過 Slack 和 Teams 接任務，交回來的是表格、PPT、App 這些實際交付物。

技術原理：大腦和手分開

Anthropic 工程團隊寫了一篇技術部落格 Scaling Managed Agents: Decoupling the brain from the hands，講了 Managed Agents 背後的架構演進。

最早他們把所有東西塞進一個容器：AI 的推論迴圈、程式碼執行環境、會話記錄，全在一起。好處是簡單，壞處是雞蛋全在一個籃子裡，容器一掛，整個會話就丟了，而且沒法單獨替換某個部分。

後來他們做了一個關鍵拆分：

·「大腦」是 Claude 和它的調度框架，負責思考和決策。

·「手」是沙盒和各種工具，負責執行具體操作。

·「記憶」是獨立的會話日誌，記錄發生的一切。

三者互不依賴，任何一個掛了都不影響其他兩個。

這個拆分帶來幾個實際好處：

快

不是每個任務都需要啟動完整的沙盒環境，現在只有 AI 真的需要跑程式碼時才按需啟動。首次回應延遲中位數降了約 60%，極端情況降了超過 90%。

安全

AI 生成的程式碼跑在沙盒裡，而訪問外部系統的憑證存在沙盒外面的安全保險櫃裡，兩邊物理隔離。例如訪問 Git 倉庫，系統初始化時就把程式碼克隆好了，AI 正常用 git push/pull，但 Token 本身對 AI 不可見。對於 Slack、Jira 這類服務，通過 MCP 協議接入，請求經過代理層，代理層去保險櫃取憑證調服務，AI 全程不經手憑證。

靈活

大腦不關心手是什麼。工程部落格裡有句話很有趣：調度框架不知道沙盒到底是一個容器、一部手機、還是一個寶可夢模擬器。只要符合「名字和輸入進去，字串出來」的介面就行。

這也意味著多個大腦可以共享手，一個大腦可以把手交給另一個大腦，為多智能體協作打下了基礎。

局限性

Managed Agents 並不是萬能的。幾個需要注意的點：

部分功能還在研究預覽階段。多智能體協作、高級記憶工具、自我評估迭代（讓智能體自己判斷任務完成質量並反覆改進）這些能力目前還沒有全面開放，需要申請才能使用。

平台綁定。選擇 Managed Agents 意味著你的智能體基礎設施綁在了 Anthropic 生態裡。如果未來想換模型或換平台，遷移成本不可忽視。

上下文管理仍然是難題。雖然會話日誌獨立存儲，但長時間任務中哪些信息該保留、哪些該丟棄，仍然涉及不可逆的決策。這是一個持續挑戰，他們目前的做法是把上下文存儲和上下文管理分開：存儲保證不丟，管理策略隨模型進化調整。

成本可預測性。0.08 美元/會話小時聽起來不多，但智能體跑幾個小時的複雜任務，Token 消耗加上運行時費用，成本可能不低。企業需要做好預算評估。

Managed Agents 說明大多數企業離「全面用 AI 智能體幹活」還有很長的路要走。

基礎設施的門檻降低了，但怎麼定義好的任務、怎麼設計好的工作流、怎麼建立信任讓 AI 接觸核心業務數據，這些問題 Managed Agents 幫不了你。

AI 智能體基建的「AWS 時刻」

看起來 Managed Agents 走的是 AWS 當年的老路：先有了計算能力，然後把運行環境也包了。

十年前企業紜結「上不上雲」，現在紜結「Agent 基礎設施自建還是托管」。歷史經驗告訴我們，大多數企業最終會選擇托管，因為基礎設施從來不是核心競爭力。OpenAI 也推出了自己的 Agent 平台 Frontier，這個賽道的競爭剛剛開始。

從技術角度看，「大腦和手分離」這個架構思路值得關注。它讓系統的每個部分都可以獨立演進：模型升級了，換大腦；需要新工具，加一雙手；存儲方案改了，替換記憶層。

工程部落格中的比喻说得很好：操作系统的 read() 命令不在乎底层是 1970 年代的磁盘还是现代 SSD，抽象层保持稳定，底层实现可以随意更改。

从用户角度来看，如果您是企业开发人员，并希望在自己的产品中嵌入 AI 智能体能力，托管智能体 可能会节省您数月的基础设施工作。

六种语言（Python、TypeScript、Java、Go、Ruby、PHP）都有 SDK 支持。如果您已经在使用 Claude Code，请升级到最新版本，然后输入 /claude-api managed-agents-onboarding 即可开始。

如果您是普通的 AI 爱好者，短期内最直接的感受可能是：您使用的那些 SaaS 产品中，将会有越来越多的 AI 智能体在后台帮助您，而这些智能体很可能正在运行在托管智能体上。

定价参考：代币费用按 Anthropic API 的标准价格计费，运行时为每个会话 0.08 美元（空闲时不收费），网页搜索为每千次 10 美元。

您认为 AI 智能体的基础设施最终会像云计算一样被几家大公司垄断吗？

原文链接