Law的数字世界

一、先搞懂：AI Agent 到底是什么#

AI Agent，翻译过来叫”AI 智能体”。

不是你问一句它答一句的 ChatGPT，而是能自己思考、自己行动、把任务从头做到尾的 AI。

你让它”分析这份销售数据”，它会打开文件、跑脚本、生成图表、写报告——一步步干完，全程不需要你盯着。

不是聊天助手，是自动干活的”数字员工”。

二、那 “Managed” 是什么意思？#

先说一个常见误区：Claude Code 和 Managed Agents 不是一回事。

Claude Code 跑在你自己的电脑上，关电脑就停。Managed Agents 跑在 Anthropic 的云上，24 小时不间断，你的产品可以直接内嵌进去。

Managed = 托管。 要把 Agent 用起来，你得搭一堆基础设施：沙箱、状态管理、权限控制、身份验证、监控日志……随便搭一套都要 3 到 6 个月。

Claude Managed Agents 的意思就是：这些破事全交给 Anthropic，你只管写业务逻辑。

还有一个更深的原因值得一说。你自己搭调度框架，每次模型升级就得跟着改——比如 Claude Sonnet 4.5 快到上下文极限时会”焦虑”草草收尾，有人专门写了补丁。结果 Opus 4.5 一出，这个毛病消失了，补丁反而成了累赘。

模型的坑，厂商最清楚。他们修好了打包卖给你，这才是 Managed Agents 最划算的地方。

三、它具体能干什么？#

给 Agent 一台电脑，它能干的活，这套 API 基本都支持。

开箱自带：运行代码、读写文件、搜索网页、访问 URL、接入外部系统（MCP）。

Anthropic 官方给了四个核心概念，我来翻译成人话：

架构上，Anthropic 把 Agent 的”大脑”（推理决策）和”手”（执行工具）分开了，会话记录单独存储。三者互不依赖，某个执行环境崩了，整个任务不会跟着挂掉。

Anthropic 工程博客有个类比很妙：调度框架不知道沙箱是一个容器、一部手机、还是宝可梦模拟器——只要接口对了，底层随便换。

四、和其他产品比，它强在哪里？#

现在 Agent 框架很多，我来帮你捋一捋。

五、真实企业怎么用的？#

• Notion：用户把任务扔给 Agent，写代码、做 PPT、整理表格，数十个任务并行，全程不离开 Notion。
• Sentry：发现 bug → Claude 写补丁 → 自动开 PR，全程无人介入。几周就上线，省掉了自建基础设施的维护成本。
• Rakuten：产品、销售、HR 各部门各有专属 Agent，员工在 Slack 派活，交回来的是表格、PPT、App。每个 Agent 一周上线。
• Atlassian：接进 Jira，直接在项目管理里给 Claude Agent 派任务。
• Asana：做了”AI 队友”，能接任务、出方案、写交付物，跟人类并肩协作。
• General Legal：Agent 根据用户提问临时写工具来查数据，不再需要提前预判每种场景。CTO 说开发时间缩短了 10 倍。

官方数据：任务成功率提升最多 10 个百分点，越难的任务，提升越明显。

六、我怎么用它？三种方式，按需选#

好了，说了这么多，你可能在想：这东西我怎么上手？

Anthropic 提供了三种使用方式，从零代码到全代码都有——看你是什么段位。

1
brew install anthropics/tap/ant

1
# 创建 Agent
2
ant beta:agents create --name "我的助手" --model '{id: claude-sonnet-4-6}' --system "你是一个数据分析助手"
3

4
# 创建运行环境
5
ant beta:environments create --name "my-env" --config '{type: cloud, networking: {type: unrestricted}}'
6

7
# 启动 Session，开始干活
8
ant beta:sessions create --agent <agent-id> --environment-id <env-id>

1
pip install anthropic
2
export ANTHROPIC_API_KEY="your-api-key-here"

1
from anthropic import Anthropic
2
client = Anthropic()
3

4
agent = client.beta.agents.create(
5
    name="数据分析助手",
6
    model="claude-sonnet-4-6",
7
    system="你是一个专业的数据分析助手，帮助用户处理和分析数据。",
8
    tools=[{"type": "agent_toolset_20260401"}],  # 开启全套工具
9
)

1
environment = client.beta.environments.create(
2
    name="分析环境",
3
    config={"type": "cloud", "networking": {"type": "unrestricted"}},
4
)
5

6
session = client.beta.sessions.create(
7
    agent=agent.id,
8
    environment_id=environment.id,
9
    title="Q1 销售数据分析",
10
)

1
with client.beta.sessions.events.stream(session.id) as stream:
2
    client.beta.sessions.events.send(
3
        session.id,
4
        events=[{"type": "user.message", "content": [{"type": "text", "text": "帮我分析附件里的销售数据，输出趋势报告"}]}],
5
    )
6
    for event in stream:
7
        if event.type == "agent.message":
8
            for block in event.content:
9
                print(block.text, end="")
10
        elif event.type == "session.status_idle":
11
            print("\n任务完成")
12
            break

1
你是什么情况？
2
├── 不会写代码，只想试试 ──► 用 Console 控制台
3
├── 会写代码，想快速测试 ──► 用 ant CLI 工具
4
└── 要集成进自己的产品   ──► 用 Python/TS SDK

七、它对行业有什么影响？#

对企业： Agent 开发门槛实实在在降了。基础设施的活 Anthropic 帮你干了，业务开发者也能搭 Agent，不再需要专门的工程团队。

对大厂竞争： 行业里有个词越来越热——AgentOS。就像操作系统管理 App 一样，AgentOS 负责调度 AI Agent、分配资源、管权限、协调多个 Agent 协作。Claude Managed Agents 做的，正是这个方向。

这是 Anthropic 走的 AWS 老路：先把基建做厚，再把用户黏住。OpenAI、微软、Google、字节、阿里都在抢这个位置。

大家争的是同一件事：成为 AI 时代的”操作系统层”。谁抢到，谁就拿到最稳固的入场券。

顺便一个数据：Anthropic 年收入刚突破 300 亿美元，是去年 12 月的三倍，大部分来自企业客户。一旦 Agent 跑在 Anthropic 的基础设施上，迁移成本极高——这才是护城河。

对普通人： 你公司里会有越来越多的 Agent 在后台干活——整理数据、写报告、回邮件。这些活，以前是人干的。

不是说你会失业

但它会重塑哪些人是公司真正需要的。会用 AI 的人越来越值钱，不会用的越来越尴尬。

道理讲完了，该你了#

三件事，帮你记住：

第一，Claude Managed Agents 是什么： Anthropic 推出的 AI Agent 全托管平台，把沙箱、状态管理、权限、监控全包了，让企业搭 Agent 从几个月压缩到几天。

第二，它的核心优势在哪： 真正的”拎包入住”——但代价是绑定 Claude 模型，不能灵活换 AI。适合已经在用 Claude、或者对安全性和稳定性要求高的企业。

第三，它意味着什么： Agent 时代在加速，大厂竞争从模型转向平台，普通人能做的最好准备，是开始用起来。

别等了。

——牛马翻身计划

“AI 不会取代你，但会用 AI 的人会。现在还没晚，但窗口期在关。”