Anthropic公开智能体图 替代提示工程范式

时间：2026年8月2日 地点：英国伦敦 人物：Anthropic 工程师 Lamis、AI Native DevCon 现场开发者 事件详情：Anthropic 工程师 Lamis 在伦敦 AI Native DevCon 发表近 30 分钟演讲，首次公开 Anthropic 内部“智能体图（Agent Graph）”方法体系，主张用结构化的图式工作流替代传统逐句提示词工程。她现场拆解了四代智能体记忆演进：CLAUDE.md 文件、memory 工具、Skills 渐进式披露，以及当前的文件系统化记忆；同时介绍了“dreaming”复盘机制——专职 agent 在任务结束后批量检查历史对话，提炼跨会话经验并反哺 CLAUDE.md。Lamis 还给出了图工程核心方法：通过“假边测试”删除无效等待箭头，将串行工作流重构为钻石状并行结构，并在汇合点加入质检关卡。现场观众追问“是否在重新发明数据库”，Lamis 回应承认本质是回归软件工程原则，但以 agent 可读可写的方式重建。 背景：长期以来，AI agent 的开发高度依赖手工提示词调优，但提示词改进无法跨会话累积，每次新任务都要重新设计。随着 agent 从单轮问答演变为长程自主任务执行，跨会话记忆、任务结构化和自我复盘成为工业级落地的核心瓶颈。Anthropic 在 2025-2026 年内部多次迭代方案，最终形成文件系统记忆 + 图式工作流 + dreaming 复盘的三层体系。OpenAI 同期也在推进 Codex 等编程 agent，但业界对 agent 长期稳定执行复杂任务仍存疑虑。 影响： - 将 agent 开发范式从“调提示词”推向“搭工作流+写记忆文件”，降低重复调优成本。 - dreaming 复盘机制若推广，可大幅减少 agent 重复犯错，提升企业级 agent 可靠性。 - 四代记忆方案的公开，为行业提供可复用的 agent 工程化路径，可能加速 AI agent 从实验走向生产部署。 - Claude Code 在同期市场报告中仍保持编程 agent 主导地位，Anthropic 此举意在巩固技术壁垒。 总结：Anthropic 在伦敦 AI Native DevCon 上首次系统公开其内部 agent 工程方法，核心观点是：功夫不该留在聊天框里，而应沉淀成文件和图。从记忆文件到工作流图，再到 dreaming 复盘，这套三层体系把 agent 从“每次重来”变成“越用越聪明”。这对 AI 应用的工程化落地具有明确参考价值，预计将影响下一代理开发工具的设计方向。 参考来源： - https://m.163.com/dy/article/L390B9U60511ABV6.html - https://c.m.163.com/news/a/L390B9U60511ABV6.html - https://www.gelonghui.com/live/2587807 - https://m.163.com/tech/article/L38F38D200097U7T.html - https://the-decoder.com/ai-coding-agents-can-modernize-research-software-but-cant-judge-if-the-science-is-right/