Claude 托管智能体会「做梦」了：会话间自我优化，支持多 Agent 编排

想象一下，你雇了一群干活很卖力但健忘的实习生。他们每次做完大项目，下周一又把踩过的坑全忘了；写完文案还得你一遍遍人工打回重改；遇到大活儿时，一个人硬扛更是一团糟。

Anthropic 刚刚给 Claude Managed Agents 推出的三项更新，就是冲着这几个毛病来的。这次上线了「做梦」（dreaming）研究预览，以及进入公开测试的「结果评估」（outcomes）和「多智能体协同」（multiagent orchestration），还顺带补上了完成任务通知用的 webhooks。

晚上让 AI「做个梦」，白天少踩坑

所谓 dreaming，实际上是一个定期的后台梳理机制。

AI 智能体以前也有记忆，但那只是工作时顺手记笔记。dreaming 则是让它在会话结束后，像人类睡觉一样，去翻看历史记录和记忆库，专门抓出反复出现的错误、团队的通用偏好和跨智能体的规律，把杂乱的记忆整理成高信噪比的信息。

开发者可以选择让系统自动把新认知写回记忆库，也可以要求人工审核后再更新。

搞法律 AI 的 Harvey 拿它来做长篇草拟和文书生成。据测试，智能体靠着在「做梦」里记住了文件格式绕行方法和具体工具的使用模式，任务完成率直接翻了大约 6 倍。

独立阅卷人与多工种分工

另外两项功能则在解决「怎么交卷」和「怎么分工」的问题。

outcomes 的逻辑很简单：给智能体立规矩。开发者先写好评分标准，系统会安排一个独立的评判模型去打分。关键在于，这个阅卷人有自己独立的上下文窗口，完全不受执行智能体此前推理过程的干扰。一旦不达标，阅卷人会直接指出毛病，让智能体自己改，改合格了再交卷，完事了还能通过 webhook 发通知。

Anthropic 的测试数据显示，outcomes 相比常规的提示词循环，能让任务成功率最高提升 10 个百分点。在生成具体格式文件时，docx 文件任务成功率提高了 8.4%，pptx 提高了 10.1%。保险与医疗核保平台 Wisedocs 用它来做文档质检，审核速度提速了 50%。

遇到超大任务时，multiagent orchestration 则让一个主智能体变成领班。主智能体把任务拆开，分发给各自拥有独立模型、提示词和工具的专业子智能体，大家在同一个共享文件系统上并行工作。比如 Every 旗下的 Spiral，主控跑在轻量便宜的 Haiku 上负责接待和追问，具体写作则派发给多个并行的 Opus 模型，最后再套上 outcomes 严格评分。网飞（Netflix）的平台团队也用它来并行分析数百个跨源构建日志。

所有子步骤在 Claude Console 里都有留痕，哪个智能体、在什么时候、为什么这么做，过程完全透明。

为什么重要

我们认为，Anthropic 这次推出的组合拳，切中了企业级 Agent 最痛的落地死穴：可靠性。

过去大家用 Agent，要么是单模型单上下文硬撑，要么是用 LangChain 或自建代码拼凑复杂的反思与分发逻辑。Anthropic 直接把这些在基础设施层封装成了托管服务。对于开发者来说，现在不用自己去写反思循环和并行任务编排，靠 outcomes 就能大幅降低「AI 幻觉输出烂活」的人工复核成本。

尤其值得称赞的是 outcomes 独立上下文的设计。之前很多自纠错方案往往让同一个模型自己评判自己，模型极易陷入思维惯性、盲目自洽。把裁判隔离出来，抓细节和主观风格的成功率自然更高。

不过隐患也明摆着。独立判卷加上多轮自纠错，再加上主从模型并行派生，每一步都在消耗大量的 token，API 账单和延迟都会成倍上升。像 Spiral 那样让 Haiku 管 Opus 是一种省钱的思路，但开发者在决定把任务全权交给这套自动化闭环前，看起来还得算清楚成本账。