一句话：Anthropic要替你把智能体基础设施全包了——从沙盒到凭证管理，从状态恢复到多智能体调度。企业级AI智能体，真的要平民化了。

---

就在刚刚，Anthropic宣布旗下产品 Claude Managed Agents 正式进入公测。消息一出，AI基础设施圈立刻炸锅。有人说这是「降维打击」，有人说这是「AI领域的AWS时刻」，还有人说——做智能体中间件的创业公司，可以开始准备B计划了。

关键数字	说明
年ARR突破300亿美元	是去年12月的3倍，大部分增长来自企业客户
首次响应延迟中位数降60%	极端情况降超90%
Sentry数周上线	从立项到全流程自动化，省掉持续维护基础设施的开销

---

这到底是什么？和Claude Code有什么区别？

如果你用过Claude Code，你已经见过AI智能体的工作方式：给它一个任务，它自己规划步骤、调用工具、写代码、改文件，一步步把事做完。

区别在于：

• • Claude Code跑在你的电脑上——给开发者个人用的命令行工具，关机即停。

• • Managed Agents跑在Anthropic的云上——给企业用的API服务，24小时不间断，断线不丢进度，产品可以直接内嵌智能体能力。

核心定义： 你告诉Anthropic你要什么样的AI智能体，它帮你在云端跑起来，基础设施全包，按用量收费。沙盒、凭证管理、状态恢复、权限控制、全链路追踪——全部开箱即用。

对企业意味着什么？一个能上线的智能体，远不止「调一下API」那么简单。以前需要专职工程师团队搭好几个月的东西，现在直接拿来用。

几种典型用法：

• • 事件触发型： 系统发现bug，自动派智能体修复并提PR，中间不需要人介入。

• • 定时型： 每天早上自动生成GitHub活动摘要或团队工作简报。

• • 即发即忘型： 在Slack里给智能体派个活，它做完把表格、PPT、App交回来。

• • 长时间任务型： 跑几个小时的深度研究或代码重构。

---

谁在用？怎么用的？

Notion 让用户在工作区直接把编码、做PPT、整理表格这些活扔给Claude，几十个任务并行跑，整个团队在同一个输出上协作。产品经理Eric Liu说，用户可以把开放式的复杂任务直接委托出去，不用离开Notion。

Sentry 做了「从发现bug到提交修复代码」的全自动流程。AI debug工具Seer找到问题根因后，Claude直接写补丁、开PR。工程总监说，几周就上线了，还省掉了持续维护自建基础设施的运营开销。

Atlassian 把它接进了Jira，开发者可以直接在看板里把任务分配给Claude智能体，跟人一样认领工单。

Rakuten 在工程、产品、销售、市场、财务各部门都部署了专项智能体，每个一周内上线，通过Slack和Teams接任务，交回来的是表格、PPT、App这些实际交付物。

最有意思的是法律科技公司 General Legal：他们的智能体能根据用户提问，临时写工具来查数据。以前每个用户问题都要提前预判并开发检索工具，现在智能体自己按需生成。CTO说开发时间缩短了10倍。

---

技术上怎么做到的？「大脑和手分开」

Anthropic工程团队写了一篇博客，标题叫《大脑与手的分离》。这个架构思路是整个产品的核心。

最早他们把所有东西塞进一个容器：AI的推理循环、代码执行环境、会话记录，全在一起。好处是简单，坏处是鸡蛋全在一个篮子里——容器一挂，整个会话就丢了。

后来他们做了一个关键拆分：

┌────────────────────────────────────────┐
│           大脑（Brain）                 │
│   Claude模型 + 调度框架                 │
│   负责思考、规划、决策                   │
└────────────────────────────────────────┘
         ↓                    ↓
┌──────────────────┐  ┌──────────────────┐
│   手（Hands）    │  │  记忆（Memory）  │
│  沙盒执行环境    │  │  独立会话日志     │
│  按需启动        │  │  任意层崩溃不丢失 │
└──────────────────┘  └──────────────────┘

三者互不依赖，任何一个出问题都不影响其他两个。

快

不是每个任务都要启动完整的沙盒环境。AI真正需要跑代码时才按需启动，首次响应延迟中位数降了约60%，极端情况降超90%。

安全

AI生成的代码跑在沙盒里，访问外部系统的凭证存在沙盒外的「保险箱」里，两边物理隔离。AI全程不经手真实凭证——它用git push/pull操作代码，但Token对它不可见。Slack、Jira等服务通过MCP协议接入，请求经过代理层，代理层去保险箱取凭证，AI不接触。

灵活

大脑不关心手是什么。工程博客里有句话值得反复咂摸：

「调度框架不知道沙盒到底是一个容器、一部手机、还是一个宝可梦模拟器。只要符合'名字和输入进去，字符串出来'的接口就行。」

这意味着：模型升级了换大脑；需要新工具加一双手；存储方案改了替换记忆层。就像操作系统的 read() 命令不关心底下是1970年代的磁盘还是现代SSD——抽象层稳定了，底下的实现随便换。

---

一个关键洞察：为什么自己搭「Harness」是徒劳的？

「本地的Harness是徒劳的，因为随着模型迭代把问题本身解决，针对旧模型局限精心设计的harness便失去了存在的意义。模型的局限性厂家最清楚，它可以完全按照模型的特性设计不同的harness，然后打包卖给你。这个包，就是Managed Agents。」

—— 马东锡 @dongxi_nlp

Anthropic工程博客里有个具体案例：Claude Sonnet 4.5快到上下文窗口极限时会「焦虑」，草草结束任务。他们在调度框架里加了上下文重置来应对。但Claude Opus 4.5出来后，这个毛病消失了，之前的补丁反而变成了累赘。

你自己搭调度框架，每次模型升级你都得跟着改。交给Anthropic，他们替你优化——或者更准确地说，他们优化了再卖给你。

---

定价参考

计费项	价格	备注
Token费用	按Anthropic API标准价	与直接调API一致
运行时费用	$0.08 / 会话小时	空闲时段不计费
网页搜索	$10 / 千次	按需使用

SDK支持 Python、TypeScript、Java、Go、Ruby、PHP 六种语言。Claude Code用户可在最新版本中输入 /claude-api managed-agents-onboarding 快速接入。

---

局限性：不是万能药

有几个需要注意的点：

• • 部分功能仍在预览阶段。 多智能体协作、高级记忆工具、自我评估迭代等能力目前还没有全面开放，需要申请才能使用。

• • 平台绑定。 选择Managed Agents意味着智能体基础设施绑在了Anthropic生态里，未来迁移成本不可忽视。

• • 上下文管理仍是难题。 长时间任务中哪些信息该保留、哪些该丢弃，仍然涉及不可逆的决策。目前的做法是把上下文存储和上下文管理分开：存储保证不丢，管理策略随模型进化调整。

• • 成本可预测性。 $0.08/会话小时听起来不多，但智能体跑几个小时的复杂任务，Token消耗加上运行时费用，成本可能不低。企业需要做好预算评估。

Managed Agents降低了基础设施的门槛，但没有解决更深的问题：怎么定义好的任务？怎么设计好的工作流？怎么建立信任让AI接触核心业务数据？这些，Managed Agents帮不了你。

---

AI基础设施的「AWS时刻」真的来了

十年前企业纠结「上不上云」，最终绝大多数选择了托管——因为基础设施从来不是核心竞争力。现在的问题是「智能体基础设施自建还是托管」，历史会重演吗？

从技术角度看，「大脑和手分离」这个架构是真正值得关注的东西。它解决了AI智能体落地的几个核心痛点，同时为多智能体协作打下了基础——多个大脑共享手，一个大脑可以把手交给另一个大脑。

OpenAI已经推出了自己的Agent平台Frontier，这个赛道的竞争刚刚开始。而Anthropic年ARR突破300亿美元、是去年12月三倍的增长数字，已经让华尔街开始重新审视传统SaaS公司的估值逻辑。

如果你是普通用户，短期内最直观的感受可能是：你用的那些SaaS产品里，会有越来越多的AI智能体在后台帮你干活，而这些智能体很可能就跑在Managed Agents上。

提问： AI智能体的基础设施，最终会像云计算一样被几家大厂垄断吗？做智能体中间件的团队，出路在哪里？欢迎在评论区分享你的判断。

---