从零构建自主 Agent：Anthropic 官方 Workshop 全解析

一、开篇：一条从 API 到自主体的进化线

这四场 Workshop 其实在讲同一件事——如何把"会聊天的模型"变成"能独立干活、还越干越好的 Agent"。

如果只看标题，这四场 Workshop 是四个独立话题：部署、记忆、工具、编排。但把它们按顺序排开，会发现是一条非常清晰的递进：

• 先解决"跑得起来、跑得稳"——把 Agent 的大脑搬到服务端托管（Workshop 1）
• 再解决"跨会话不失忆"——给它挂一个文件系统当记忆，还让它在"睡觉"时自己整理记忆（Workshop 2）
• 然后承认一个现实——你去年要手写的那堆脚手架，今天随模型一起发货了（Workshop 3）
• 最后让它主动起来——按时间、按事件触发，人可以选择在不在环里（Workshop 4）

换句话说，构建 Agent 的重心正在从"写循环、拼记忆、造脚手架"下沉到平台，你的杠杆在往上走：声明能力、配触发器、定验收标准。下面逐场拆。

二、Workshop 1 · 部署你的第一个 Managed Agent

Isabella He（Applied AI）：把大脑搬到服务端，手脚留在你这边——这是让 Agent 跑得稳的关键一刀。

三段进化：从"你写循环"到"你只声明"

Isabella 先回顾了在 Anthropic 平台上构建 Agent 的三个阶段。核心变化是：agent loop（那个"思考→调工具→再思考"的循环）到底谁来写、在哪里跑。

三个核心原语（primitives）

Managed Agents 把一个运行中的 Agent 拆成三个可组合的原语：

• Agent——人格与能力：它是谁、会什么、能调哪些工具（persona / capabilities）
• Environment——手脚：工具实际执行的地方（the hands）
• Session——把前两者绑在一起的一次运行实例

关键架构：大脑与手脚解耦

整场最核心的设计，是把 agent loop（大脑，跑在服务端）和 tool execution（手脚，跑在你的客户端）拆开。Isabella 反复强调这个 decoupling 带来的两个直接好处：

"You can add very distinct sandboxing by decoupling these two components, where the agent is no longer able to access the actual credentials... And you can see huge benefits by doing these decoupling on things like time to first token and latency."

好处一是安全：凭证留在你这边，大脑够不到真正的 credentials，天然多了一层沙箱。好处二是延迟：过去大脑和手脚挤在同一个容器里，每开一个 session 就得冷启动一个容器，首 token 被拖慢。拆开之后，按团队给出的数据，P95 延迟下的 TTFT 降低了 90%+。

Agent 说的是"事件"，不是请求-响应

托管之后，交互模型也变了：你不再是"发一个请求、等一个响应"，而是订阅 Agent 吐出的事件流（events）。一个 Session 有自己的状态机：

idle  →  running  →  rescheduling  →  terminated

而且 Session 是持久化的——浏览器硬刷新，正在跑的 Agent 不会丢，重新连上事件流就能接着看。现场的 hands-on 环节，Isabella 带大家用 Streamlit 搭了一个 SRE 事故响应 Agent，直观演示这套事件驱动的运行时。

开箱即用的进阶能力

Managed Agents 不止是"托管一个循环"，围绕它还有一整套原语，基本覆盖了生产环境的常见需求：

三、Workshop 2 · 会记忆的 Agent

Kevin（Engineer）：Agent 每次都失忆，是因为 session 之间彼此隔离——解法是挂一个文件系统当记忆，再让它"做梦"整理记忆。

演讲幻灯片：记忆系统的三个可组合层——Sessions、Memory、Dreaming

问题：session 是一座座孤岛

默认情况下，每个 session 是完全隔离的：这次会话里 Agent 学到的东西，下次会话一点都带不过去。你反复纠正它同一个错误，它每次都像第一次见到——因为对它来说确实就是第一次。

Memory Store：把记忆建模成文件系统

Kevin 给出的第一层解法是 Memory Store——一个类文件系统的持久存储，会作为 file system 挂载到 session 容器里，模型有读写它的工具。这里最妙的设计判断是：不要发明专门的记忆 API，直接把它做成文件系统。

"We've actually mounted it as a file system because it's such a powerful interface for the model. You can use things like bash to explore the file system. It can use grep to search for keywords... and do a bunch of really powerful things."

模型早就非常擅长用 bash、grep 这些标准工具在文件系统里翻找了。与其为记忆设计一套花哨的检索接口，不如把记忆摊成一堆文件，让模型用它最熟练的方式去搜。文件系统本身就是最强的接口。

Demo：有没有记忆，一试便知

演示：在 session 1 告诉 Agent 一件事，session 2 里它用 grep 翻记忆文件，成功回忆起来

现场对照很直接：在 session 1 里告诉 Agent 一条信息，然后开一个全新的 session 2 去问它——

• 没挂记忆：session 2 一无所知，答不上来
• 挂上 Memory Store：session 2 里模型自己 grep 记忆文件，把信息捞出来，答对

Dreaming：让 Agent 在"睡觉"时整理记忆

光有记忆还不够——如果放任 Agent 在任务途中一边干活一边维护记忆，既分心又容易把记忆写乱。Kevin 的第二层解法是 Dreaming：一个跑在会话之外的异步批处理流程，本质是一套多 Agent harness。

控制台展示 Dreaming 改了什么——以 diff 形式呈现每一处记忆更新，可审计

它的工作方式：

• Orchestrator 分派：给每一个输入 session 派一个 sub-agent
• sub-agent 精炼：做事实核查、补上日期与标识符、重新组织、去重
• 非破坏性：不改原始记忆，而是生成一个输出 memory store（输入的克隆），改动全落在克隆上
• 可审计：控制台以 diff 形式展示 Dreaming 到底改了什么，人可以逐条看
• 建索引：产出一个 _index.md，让后续检索更高效

成本上也有讲究：Dreaming 处理时缓存命中率约 95%，团队还在探索用类似 batch API 的方式拿到 50% 的折扣——这让"离线整理记忆"这件事在经济上是划算的。

三层叠起来

Kevin 把整套记忆体系收束成三个可组合的层：

四、Workshop 3 · 不断扩张的工具箱

Lucas（Research PM）：一句话概括——去年你要手写的脚手架，今天随模型一起发货了。

演讲主题：不要再把模型当成一个 input-output 的 LLM——它自带一个不断扩张的工具箱

Lucas 开场就把主题钉死：

"The overarching theme of today's talk is that the scaffolding that you had to build last year actually ships with the model today."

Tool use：模型自己选工具

过去你得写 router、写启发式规则，去决定"这一步该调哪个工具"。现在模型自己会选，而且内置了错误恢复——工具调错了、报错了，它会自己重试、换路径。那些 router、planner、verification loop，正在被模型逐步吸收进去。

两个实用 tip：

• 在工具描述里写清输出 schema：告诉模型这个工具会返回什么结构，能省掉一次"调完再问一遍格式"的往返。
• Claude Code tip：在 settings 里配 pre / post tool-use hooks，在工具调用前后插入自己的校验或副作用。

Context management：把上下文当资源管

演讲幻灯片：1M 上下文 + 扁平定价 + 服务端 compaction + context editing

上下文这块的能力也在往模型侧收：

• 1M 上下文，而且是扁平定价（不因为窗口大就阶梯涨价）
• 服务端 compaction：长会话自动压缩，不用你手动裁
• context editing：可以精细地增删上下文内容

两个 tip：

• 每个 end turn 清掉用不上的工具结果——截图、搜索结果、文件读取这类"用完即弃"的大块内容，别一直占着窗口。
• Claude Code tip：用 /context 看当前上下文窗口的实时明细，哪块占了多少一目了然。

Code execution：一个 API turn 内写-跑-修

演讲幻灯片：托管 sandbox 里的 write-run-fix 循环，都发生在单个 API turn 内

模型自带一个托管 sandbox：它可以在单个 API turn 里完成"写代码→运行→看报错→修→再跑"的完整闭环，不需要你在外面接一圈执行环境。

Computer use：像人一样看屏幕、点鼠标

Computer use 这一年进步最猛：原生 1440p 截图、1:1 像素坐标（模型报的坐标就是屏幕真实坐标，不用换算），在 OSWorld 基准上约 78%——而 12 个月前这个数字还不到 50%。

现场 demo 很有说服力：用 Claude Code + Claude in Chrome 去调试一个 kanban 看板，抓出了两个 bug——一个"创建卡片"的 bug，一个"拖拽排序"的 bug，全程模型自己看屏幕、自己操作。

那条该刻在脑子里的规则

Lucas 把整场最想传达的判断浓缩成一句话：

"Any code that you are writing that is compensating for model unreliability will have a half-life of just months. You should leave that work to us."

凡是你写来弥补模型不可靠的代码——重试逻辑、router、planner、验证循环——半衰期只有几个月，迟早被模型吸收，别在上面浪费力气。反过来，把模型连接到你的世界的那部分代码，价值会复利增长：

"The model can't absorb what it can't see... Every piece of software will be getting a front door for agents. The interesting work is no longer making the model more reliable. The interesting work is what you put on the other side of your agent front door that nobody else can."

模型吸收不了它看不到的东西——你的私有数据、你的自定义工具、你独有的上下文。未来每一个软件都会长出一扇"给 Agent 的正门（front door）"，真正有价值的工作，是你在那扇门后面放上别人放不了的东西。

五、Workshop 4 · 构建主动式 Agent 工作流

Maya（Applied AI）：把 Agent 从"你点它才动"变成"它自己按时/按事件主动动"，核心是三个决策加一条 /schedule 命令。

从被动到主动：三个绕不开的挑战

让 Agent 主动干活，比"你问它答"要多解决三件事：

Routines：Claude Code 的自动化原语

Maya 给出的答案是 Routines——Claude Code 的一个自动化功能。一个 Routine 由四样东西组成：

Routine = prompt（做什么）
        + repos（在哪些代码库上做）
        + connectors（连哪些外部系统）
        + trigger（什么时候触发）

它跑在托管基础设施上，始终在线，直接回答了"在哪跑"这个挑战。触发器可定制，覆盖两大类：

• 基于时间：按 schedule 定时跑（例如每周一次）
• 基于事件：GitHub 事件、自定义 webhook 等，带着 event payload 作为上下文触发

真实案例：一个人维护两套产品的文档

Maya 用 Anthropic 内部的真实场景收尾，特别有共鸣。她先甩出一个数据：

"Weekly PRs for Claude Code have gone up 200% since the beginning of the new year."

年初至今，Claude Code 的每周 PR 数涨了 200%。工程团队爽了，用户也爽了——新功能来得飞快。唯一不爽的，是那个独自负责 Claude Code 和 Agent SDK 全部文档的工程师 Sarah：代码合得越快，文档越追不上。

演示：在 Web UI 里 watch / steer / resume 正在运行的 routine 会话

Routines 上线后 Sarah 成了早期用户。她的做法就是在终端里敲一条 /schedule：

/schedule once a week,
"Please review all the new changes merged to main
against our documentation repo and create a PR to
update docs if you see any changes."

一条命令，就把"每周审一遍合入 main 的改动、比对文档仓库、需要就开一个更新文档的 PR"这件事托管出去了。

三个决策：搭一个 Routine 你要拍板什么

关于第三点 Steerability，Maya 给了两个很实用的模式：

• Agent 审 Agent：generator-critiquer 模式——一个 Agent 生成，另一个 Agent 批判性复核，互相把关。
• 交互式介入：打开 Web UI，实时 watch / steer / resume 正在跑的 session，随时接管方向。

再进一步：Deploy verifier 模式

把主动触发用到 CI/CD 上，就是一个很漂亮的部署验证器（deploy verifier）闭环：

CD pipeline → webhook 触发 → Claude 调查这次部署
           → 给出 go / no-go 判断
           → （可选）自动回滚

部署一完成就打 webhook，Claude 拿着上下文去查这次上线有没有问题，给出放行或拦截的判断，必要时自动回滚。整条链路的入口，就是那一条 /schedule——用一条命令创建一个 Routine。

六、四场串起来：一个判断

四场分别给了运行时、记忆、工具箱和主动性——合起来，是构建 Agent 的重心整体下沉。

把四场按它们各自贡献的东西排一下：

贯穿始终的那句判断，Lucas 说得最狠，也最值得抄下来：

"Code compensating for model unreliability has a half-life of months. Leave that work to us. Every piece of software will get a front door for agents."

结论其实很清楚：写循环、拼记忆、造脚手架这些工程量，正在下沉到平台；而你的杠杆在往上走——声明能力、配触发器、定验收标准，以及在那扇"Agent 正门"后面放上别人放不了的东西。这就是这四场 Workshop 连起来想说的全部。

本文基于 Anthropic 在 Code with Claude · London 2026 四场 Workshop 的完整转录整理，做了结构化编排，保留了讲者原话的引用。配图为演讲现场幻灯片截图。
来源 · 官方 YouTube 系列（Anthropic 频道 "Code with Claude" 播放列表）：
· Workshop 1 — Ship Your First Managed Agent（Isabella He, 37 min）
· Workshop 2 — Agents That Remember（Kevin, 29 min）
· Workshop 3 — The Expanding Toolkit（Lucas, 21 min）
· Workshop 4 — Build a Proactive Agent Workflow（Maya, 22 min）
推文来源：@billtheinvestor