# Anthropic 对谈：Agent 基础设施三大观察

- 来源：宝玉 (@dotey)
- 发布时间：2026-07-12 13:17
- AIHOT 分数：58
- AIHOT 链接：https://aihot.virxact.com/items/cmrhcwliu00fnbik5onbx5a15
- 原文链接：https://x.com/dotey/status/2076174130135674907

## AI 摘要

Anthropic 在 7 月 10 日的对谈中分享了 Agent 基础设施的三大观察。第一，随着模型能力增强，Agent 的“脚手架”（编排层）正在变薄，重点转向设计 Agent 间的协作。第二，衡量 Agent 的 ROI 应从单个员工的速度提升开始，再推广到团队和跨部门流程。第三，工程团队角色转变，更多工程师直接指挥 Claude 工作；同时，Agent 降低了试错成本，但可能带来产品无序扩张，团队协调问题仍需解决。

## 正文

Anthropic 7 月 10 日发布了一场关于 Agent 基础设施的对谈。Claude 平台工程负责人 Katelyn Lesse、产品负责人 Angela Jiang 和产品经理 Jess Yann，分享了几个来自一线的观察。

【Agent 的"脚手架"正在变薄】

几个月前，搭建 Agent 往往需要写大量流程控制代码：先执行 A，满足条件再进入 B，遇到不同情况还要切换不同分支。流程越复杂，系统越容易出错。

随着模型的推理和工具调用能力增强，这些编排层（harness）正在变薄。开发者不用再规定每一步，只需给出目标和基本边界，让模型自己决定怎么完成。

与此同时，一种更高层的编排方式开始出现：让多个 Agent 同时解决一个问题，从中选出最佳方案；让一个 Agent 提方案，另一个负责挑错；或者在 Agent 卡住时，请另一个能力更强的 Agent 提供建议。

重点正在从"控制每一步"，转向"设计 Agent 之间如何协作"。

【衡量 Agent "投入产出比"（ROI，Return on Investment），先看一个人快了多少】

Angela 建议，企业不要一开始就规划上百个自动化流程，而应该先看一个具体的人：用了 Agent 之后，他的工作速度和产出提高了多少？

验证有效后，再从个人推广到团队，最后才处理跨部门流程。前期重点看速度和生产力，等应用逐步成熟，再衡量收入、成本和用户指标。

很多企业做 AI 转型时，喜欢先画一张宏大的自动化蓝图。问题是，流程涉及的部门越多、规则越复杂，落地阻力就越大。从个人开始，更容易看到效果，也更容易持续推进。

【工程团队没消失，但每个人的角色都变了】

Katelyn 观察到，Anthropic 的工程团队和半年前相比，人员构成没有太大变化，但协作方式已经不同。

过去通常由技术负责人决定架构，其他工程师领取任务、编写代码。现在，更多工程师会参与产品和架构决策，再分别指挥 Claude 完成具体工作。

Agent 的作用也不再只是"帮忙写代码"。她提到 Shopify 的 River 系统，已经把需求文档、开发环境、代码实现和 QA 测试串成了一套端到端的 Agent 工作流。

【个体变强，不等于团队自然变好】

Agent 降低了开发和试错成本，也可能带来新的问题。

过去，一个团队会先讨论十个方案中哪个最值得做。现在，每个人都可以快速做出十个原型，甚至全部上线，让市场决定谁胜出。

这样做速度很快，但如果缺少统一方向，产品很容易无序扩张。Agent 能显著放大个人能力，却不会自动解决团队的协调、取舍和决策问题。

来源：https://www.youtube.com/watch?v=ksfm6jeTg3Q