“為什么說Anthropic想成為Agent時(shí)代的「大管家」？”

作者丨陳嘉欣

編輯丨徐曉飛

AI Agent如何才能擺脫實(shí)驗(yàn)室的真空環(huán)境，真正替人類工作？

就在昨天，UniPat AI團(tuán)隊(duì)發(fā)布的SaaS-Bench測(cè)試中，106個(gè)真實(shí)辦公任務(wù)，Claude只完整通過了4個(gè)，完全通過率僅3.8%。

在實(shí)驗(yàn)室中測(cè)試良好的Agent系統(tǒng)，為何在放到真實(shí)場(chǎng)景下就“失智”了？

一個(gè)很重要的原因在于，目前大模型的“記憶”一般是把用戶長(zhǎng)期有效的信息做成結(jié)構(gòu)化的條目/摘要，這種模式對(duì)信息抽取和結(jié)構(gòu)化質(zhì)量要求很高，因此在面對(duì)復(fù)雜的、多步驟的、需要長(zhǎng)時(shí)間運(yùn)行任務(wù)時(shí)，容易出現(xiàn)混亂。

就在測(cè)試發(fā)布的同一天，著名AI追蹤平臺(tái)TestingCatalog爆出猛料，Anthropic正為Claude測(cè)試一套更強(qiáng)大的記憶系統(tǒng)，疑似是之前提出的“知識(shí)庫”的最新版本。

Anthropic此舉的意義在哪？歸根結(jié)底還是戰(zhàn)略問題。

01

Agent測(cè)試幾近全軍覆沒，Claude怎么了？

5月25日，UniPat AI發(fā)布了SaaS-Bench。這不是又一個(gè)仿真環(huán)境測(cè)試，23個(gè)真實(shí)SaaS系統(tǒng)跑在Docker里，從OpenProject到Mattermost，每個(gè)系統(tǒng)都填入了真實(shí)業(yè)務(wù)數(shù)據(jù)。106個(gè)任務(wù)中，93.4%需要跨越至少兩個(gè)應(yīng)用。

一個(gè)典型的任務(wù)是：在OpenProject中創(chuàng)建一個(gè)研發(fā)項(xiàng)目，分配給三個(gè)團(tuán)隊(duì)成員，設(shè)置里程碑日期，然后在Mattermost中發(fā)起項(xiàng)目啟動(dòng)通知，三個(gè)應(yīng)用、跨系統(tǒng)調(diào)用、15個(gè)操作步驟。

最長(zhǎng)的任務(wù)操作步數(shù)超過300步。從創(chuàng)建客戶檔案開始，到生成季度財(cái)務(wù)報(bào)告結(jié)束。

結(jié)果慘到什么程度？

Claude Opus 4.7，整個(gè)行業(yè)公認(rèn)的最強(qiáng)模型，106個(gè)任務(wù)只完整完成了4個(gè)。完全通過率3.8%。Kimi K2.5和Gemini 3.1 Pro是0%，一個(gè)都沒走到底。

但故事還有另一面。如果放寬標(biāo)準(zhǔn)看“檢查點(diǎn)分?jǐn)?shù)”，只要求部分完成、按權(quán)重計(jì)算進(jìn)度，Claude的得分是43.9%。這意味著它幾乎在每個(gè)任務(wù)中都走到了一半左右，然后在某個(gè)環(huán)節(jié)突然卡住。

評(píng)測(cè)團(tuán)隊(duì)總結(jié)了四種失敗模式：

第一種，任務(wù)越長(zhǎng)越做不對(duì)。模型前20步的表現(xiàn)和后20步判若兩人。隨著上下文越長(zhǎng)，注意力渙散越嚴(yán)重，這是一個(gè)不可逆的衰減曲線。

第二種，一步錯(cuò)、步步錯(cuò)。上游一個(gè)微小錯(cuò)誤，比如在創(chuàng)建客戶檔案時(shí)把“企業(yè)客戶”選成了“個(gè)人客戶”，會(huì)導(dǎo)致下游所有相關(guān)任務(wù)全部失敗。Agent沒有從錯(cuò)誤中恢復(fù)的能力，也沒有“退一步重來”的設(shè)計(jì)。

第三種，做完不檢查。Agent在輸出層面認(rèn)為任務(wù)已完成，但實(shí)際上系統(tǒng)狀態(tài)并未改變。它缺少嚴(yán)謹(jǐn)?shù)姆此奸]環(huán)，沒有人教它“做完之后回頭看一眼”。

第四種，成績(jī)忽高忽低。同一個(gè)模型、同一個(gè)任務(wù)、相同的初始狀態(tài)下，兩次運(yùn)行結(jié)果可能一個(gè)接近滿分、一個(gè)接近零分。這不是能力問題，是穩(wěn)定性問題，執(zhí)行過程像賭博。

這不是修bug能解決的。這是架構(gòu)層面的缺陷。

某人形機(jī)器人公司創(chuàng)始人曾向雷峰網(wǎng)表達(dá)過類似問題，他表示，目前的大模型像是個(gè)沒有OS的小計(jì)算機(jī)，只能先滿足一個(gè)很特別的應(yīng)用，你有需求的時(shí)候才找它一下，這個(gè)邏輯是不對(duì)的，AI Agent最后會(huì)變成一個(gè)大管家，隨時(shí)在線，就像你的助理一樣，什么事都能找他。

沒有OS層的支持，Agent就沒有持久狀態(tài)管理能力。你讓它跨應(yīng)用做一個(gè)長(zhǎng)流程任務(wù)，它在第50步時(shí)已經(jīng)忘了第10步的狀態(tài)。

沒有OS層，就沒有記憶。

02

永久大腦：記憶系統(tǒng)的三層架構(gòu)

但就在同一天，另一條消息說明Claude正在解決這個(gè)“沒有記憶”的問題。

Anthropic為Claude推出了一套雙模記憶系統(tǒng)。核心是兩項(xiàng)技術(shù)：

“文件記憶”讓Claude在對(duì)話中自動(dòng)把信息分類整理成結(jié)構(gòu)化文檔。以后再遇到相關(guān)話題，Claude不會(huì)翻找全部歷史，而是精準(zhǔn)讀取對(duì)應(yīng)的文件。容量理論上無限，用戶可以像編輯Wiki詞條一樣隨時(shí)增刪改。

“夢(mèng)境”是一種異步后臺(tái)機(jī)制。靈感來自人類的REM睡眠，在Claude空閑時(shí)，它會(huì)自動(dòng)對(duì)積累的記憶文件做深度維護(hù)：合并重復(fù)項(xiàng)、替換過時(shí)條目、解決邏輯矛盾、挖掘隱藏模式。觸發(fā)條件很簡(jiǎn)單：累積5次對(duì)話，或者距離上次整合超過24小時(shí)。用戶也可以手動(dòng)敲“/dream”觸發(fā)。

Netflix等首批企業(yè)的反饋是：首次處理錯(cuò)誤率暴降97%，文檔驗(yàn)證提速30%。

與此同時(shí)曝光的還有Conway Agent，一個(gè)7x24小時(shí)永不下線的AI智能體平臺(tái)。它不需要用戶輸入提示詞才回復(fù)，而是常駐后臺(tái)，監(jiān)聽外部事件、主動(dòng)觸發(fā)任務(wù)、通過Webhook接收信號(hào)、自主操控瀏覽器和運(yùn)行Claude Code。

把這三件事串起來：Memory Files提供無限存儲(chǔ) → Dreams提供自動(dòng)維護(hù) → Conway提供自主運(yùn)行時(shí)。從“存儲(chǔ)”到“反思”到“行動(dòng)”，這是一個(gè)完整的閉環(huán)。

03

用戶基數(shù)不是缺陷，核心場(chǎng)景做透才是戰(zhàn)略

硅谷AI生態(tài)觀察專家在雷峰網(wǎng)采訪中提供了一個(gè)關(guān)鍵的格局判斷，編程賽道“Anthropic第一、Cursor第二、Copilot第三”。Claude Code是這個(gè)賽道的絕對(duì)王者。之前需要10人的產(chǎn)品經(jīng)理團(tuán)隊(duì)，現(xiàn)在可能只需要一個(gè)人+Agent就夠了。

Anthropic押注記憶系統(tǒng)的策略很清晰：為其核心的Code場(chǎng)景提供更流暢穩(wěn)定的用戶體驗(yàn)。隨著用戶逐漸將更多、更復(fù)雜的任務(wù)交給Agent，這種用戶體驗(yàn)可能直接影響用戶“用腳投票”。

面對(duì)OpenAI龐大的用戶基礎(chǔ)，Anthropic沒有著急和對(duì)家搶人，而是先把一個(gè)核心場(chǎng)景做透、建立不可替代性，再往外擴(kuò)展。這和當(dāng)下國(guó)內(nèi)AI公司“什么都想做、什么都做到60分”的思路截然不同。

業(yè)界把這叫“從builder到大眾用戶”的路徑：先讓開發(fā)者離不開你，再慢慢擴(kuò)展到普通用戶。Claude Code鎖定了開發(fā)者，Conway Agent鎖定了智能體的運(yùn)行時(shí)框架，永久記憶鎖定了用戶的數(shù)據(jù)遷移成本。

SaaS-Bench還有一個(gè)更深層的結(jié)論。

評(píng)測(cè)團(tuán)隊(duì)發(fā)現(xiàn)，當(dāng)前SaaS界面是為人類設(shè)計(jì)的，按鈕、下拉菜單、彈出對(duì)話框，全部依賴人類的視覺識(shí)別和操作邏輯。當(dāng)Agent成為主要使用者時(shí)，這些界面就成了累贅。Agent需要的是API、結(jié)構(gòu)化數(shù)據(jù)、可編程接口，不是“點(diǎn)這個(gè)按鈕然后確認(rèn)”的交互。

這意味著，未來軟件需要為Agent重新設(shè)計(jì)。不是給SaaS系統(tǒng)加一個(gè)API接口，而是從底層重構(gòu)，讓Agent能直接操作數(shù)據(jù)層，而不是通過UI層繞一圈。

Claude的Conway Agent本質(zhì)上就是在構(gòu)建這個(gè)“Agent時(shí)代的操作系統(tǒng)框架”。如果開發(fā)者生態(tài)（Claude Code）和智能體運(yùn)行框架（Conway）都被Anthropic鎖定，未來任何一家公司想做Agent，都可能繞不開Anthropic定義的架構(gòu)。

這是比模型能力更深層的競(jìng)爭(zhēng)壁壘。

模型能力可以追，跑分可以刷，但開發(fā)者的工作流習(xí)慣、用戶的記憶數(shù)據(jù)、Agent的運(yùn)行框架一旦被鎖定，遷移成本會(huì)越來越高。

三年窗口期內(nèi)，Anthropic賭的是當(dāng)范式固化時(shí)，它已經(jīng)站在了開發(fā)者生態(tài)和Agent運(yùn)行時(shí)的交叉點(diǎn)上。

本文作者長(zhǎng)期追蹤國(guó)內(nèi)外科技巨頭動(dòng)態(tài)、前沿技術(shù)和幕后故事，歡迎添加微信 aqingcjx 一起快樂吃瓜。