Anthropic 是一家以 Claude 系列模型、对齐研究与 agent 工程实践著称的 AI 公司。在这份 wiki 当前的语境里，它的重要性已经不只是“模型提供者”，而更像一个持续输出 agent 工程判断的参考系。
在本 wiki 中的形象
根据 building-effective-ai-agents、how-we-built-our-multi-agent-research-system 与 scaling-managed-agents-decoupling-the-brain-from-the-hands，Anthropic 对 agent 的立场有几个鲜明特点。我之所以愿意把这几篇文章反复串起来看，就是因为它们确实构成了一套相对一致的方法论：
- 偏向简单起步：先用直接 API 和最小模式验证问题；
- 重视可调试性：反对被过度抽象遮蔽 prompt 与工具细节；
- 强调工具接口质量：把 ACI 视为 agent 成败关键；
- 强调环境反馈：让 agent 通过测试、工具结果与检查点持续校正；
- 强调任务匹配：多智能体只在高价值、可并行、开放式任务里值得使用；
- 强调运行时架构：长程 agent 需要会话、harness 与 sandbox 的清晰分层。
方法论特征
与许多把“agent”包装成宏大概念的叙事不同，Anthropic 的工程方法更像一条渐进式设计路径：从增强型 LLM 到 workflow，再到真正自治的 agent；再进一步，则是把 agent 从 demo 提升到 production 所需的运行时、评估、部署与安全机制。这个视角有助于避免把所有多步系统都笼统称为 agent，也让我更愿意把它看作一家公司风格鲜明的工程表达，而不是单篇文章的偶然结论。
关联主题
Anthropic 在本 wiki 当前主要连接两条主题：
- agentic-systems：关于 workflow 与 agent 的边界，以及复杂度升级时机；
- agent-computer-interface：关于工具接口设计、文档与测试的重要性。
最近两篇文章又把范围扩展到：
- multi-agent-systems：多智能体何时值得采用，以及如何分工、评估与并行；
- long-horizon-agents：长程任务中的状态恢复、上下文管理与运行时解耦；
- managed-agents：Anthropic 对 agent 基础设施的产品化表达。
来源：building-effective-ai-agents · how-we-built-our-multi-agent-research-system · scaling-managed-agents-decoupling-the-brain-from-the-hands
相关页面：overview · agentic-systems · agent-computer-interface · multi-agent-systems · long-horizon-agents · managed-agents