Claude 託管智慧體會「做夢」了：會話間自我最佳化，支援多 Agent 編排

想像一下，你僱了一群幹活很賣力但健忘的實習生。他們每次做完大專案，下週一又把踩過的坑全忘了；寫完文案還得你一遍遍人工打回重改；遇到大活兒時，一個人硬扛更是一團糟。

Anthropic 剛剛給 Claude Managed Agents 推出的三項更新，就是衝著這幾個毛病來的。這次上線了「做夢」（dreaming）研究預覽，以及進入公開測試的「結果評估」（outcomes）和「多智慧體協同」（multiagent orchestration），還順帶補上了完成任務通知用的 webhooks。

晚上讓 AI「做個夢」，白天少踩坑

所謂 dreaming，實際上是一個定期的後臺梳理機制。

AI 智慧體以前也有記憶，但那只是工作時順手記筆記。dreaming 則是讓它在會話結束後，像人類睡覺一樣，去翻看歷史記錄和記憶庫，專門抓出反覆出現的錯誤、團隊的通用偏好和跨智慧體的規律，把雜亂的記憶整理成高訊雜比的資訊。

開發者可以選擇讓系統自動把新認知寫回記憶庫，也可以要求人工稽核後再更新。

搞法律 AI 的 Harvey 拿它來做長篇草擬和文書生成。據測試，智慧體靠著在「做夢」裡記住了檔案格式繞行方法和具體工具的使用模式，任務完成率直接翻了大約 6 倍。

獨立閱卷人與多工種分工

另外兩項功能則在解決「怎麼交卷」和「怎麼分工」的問題。

outcomes 的邏輯很簡單：給智慧體立規矩。開發者先寫好評分標準，系統會安排一個獨立的評判模型去打分。關鍵在於，這個閱卷人有自己獨立的上下文視窗，完全不受執行智慧體此前推理過程的干擾。一旦不達標，閱卷人會直接指出毛病，讓智慧體自己改，改合格了再交卷，完事了還能通過 webhook 發通知。

Anthropic 的測試資料顯示，outcomes 相比常規的提示詞迴圈，能讓任務成功率最高提升 10 個百分點。在生成具體格式檔案時，docx 檔案任務成功率提高了 8.4%，pptx 提高了 10.1%。保險與醫療核保平臺 Wisedocs 用它來做文件質檢，稽核速度提速了 50%。

遇到超大任務時，multiagent orchestration 則讓一個主智慧體變成領班。主智慧體把任務拆開，分發給各自擁有獨立模型、提示詞和工具的專業子智慧體，大家在同一個共享檔案系統上並行工作。比如 Every 旗下的 Spiral，主控跑在輕量便宜的 Haiku 上負責接待和追問，具體寫作則派發給多個並行的 Opus 模型，最後再套上 outcomes 嚴格評分。網飛（Netflix）的平臺團隊也用它來並行分析數百個跨源構建日誌。

所有子步驟在 Claude Console 裡都有留痕，哪個智慧體、在什麼時候、為什麼這麼做，過程完全透明。

為什麼重要

我們認為，Anthropic 這次推出的組合拳，切中了企業級 Agent 最痛的落地死穴：可靠性。

過去大家用 Agent，要麼是單模型單上下文硬撐，要麼是用 LangChain 或自建程式碼拼湊複雜的反思與分發邏輯。Anthropic 直接把這些在基礎設施層封裝成了託管服務。對於開發者來說，現在不用自己去寫反思迴圈和並行任務編排，靠 outcomes 就能大幅降低「AI 幻覺輸出爛活」的人工複核成本。

尤其值得稱讚的是 outcomes 獨立上下文的設計。之前很多自糾錯方案往往讓同一個模型自己評判自己，模型極易陷入思維慣性、盲目自洽。把裁判隔離出來，抓細節和主觀風格的成功率自然更高。

不過隱患也明擺著。獨立判卷加上多輪自糾錯，再加上主從模型並行派生，每一步都在消耗大量的 token，API 賬單和延遲都會成倍上升。像 Spiral 那樣讓 Haiku 管 Opus 是一種省錢的思路，但開發者在決定把任務全權交給這套自動化閉環前，看起來還得算清楚成本賬。