新智元报道
编辑：好困 桃子
【新智元导读】Claude开发者大会来了！这一次，Anthropic让Agent学会了「做梦」，两次干活的间隙自动反刍记忆、自我进化。配合多Agent兵团作战和自动评分官，AI任务完成率直接暴涨6倍。
就在刚刚，Anthropic让AI学会做梦了！
Code with Claude旧金山开发者大会上，Anthropic真的给Claude托管智能体加了一个叫Dreaming的功能——
AI可以在两次工作的间隙，像人类进入REM睡眠一样，自动回顾历史会话、整理碎片记忆、发现隐藏规律。
一觉醒来，直接满级。
同时发布的还有Outcomes（自动评分）和多智能体编排（multiagent orchestration）。
让Claude睡一觉，醒来自己变强
任何用过AI Agent的人都知道一个痛点，Agent干活时会往记忆库里写东西，但这些记录是零散的、递增的。
跑了几十次会话之后，记忆库里一团糟，重复条目、过时信息、前后矛盾的内容堆在一起。
Agent自己意识不到这个问题，因为它们每次只看到当前会话的局部视角。
而Dreaming就是来解决这件事的。
它是一个定时运行的异步任务，会同时读取Agent现有的记忆库和过去最多100个会话的完整文字记录，然后生成一个全新的、经过重新梳理的记忆库。
具体做三件事：（1）合并重复项；（2）用最新值替换掉过时或矛盾的条目；（3）从历史会话中挖掘出Agent自己没注意到的宏观规律。
熟悉神经科学的人会立刻反应过来，这就是人脑REM睡眠在干的事。
白天大脑吸收原始信息存成短期记忆，夜间REM阶段把当天经历重放一遍，强化有价值的连接、丢弃无用信息、整合成长期记忆。
Anthropic的工程师显然也想到了这层对应关系，所以直接把功能叫做Dreaming。
1968年菲利普·K·迪克问了一个问题，「仿生人会梦见电子羊吗」？58年后，Anthropic给出了一个工程层面的回答。
值得注意的是，这里还有一个关键设计。
Dreaming永远不会修改输入的原始记忆库。它生成的是一个全新的输出记忆库，开发者可以先审查结果，不满意就直接丢弃。
也就是说，你对AI的「梦境」有完全的控制权，可以选择让它自动生效，也可以人工审核后再决定是否采纳。
AI做梦，全程直播
具体来说，Dream任务进入running状态后，会暴露一个session_id，开发者可以流式订阅这个会话的事件流，实时看到AI正在读取哪条记忆、正在写入什么新条目。如果发现问题，还可以随时「叫醒」（取消）。
换句话说就是，你趴在AI的床边，看着它做梦。
跑完之后，底层会话会被归档保留，事后还能回看完整的「梦境记录」。
更关键的是，开发者可以通过instructions字段告诉AI「做什么梦」。
由于输入记忆库不会被修改，理论上你可以对同一份记忆跑多次Dreaming，每次聚焦不同主题，产出不同维度的整理结果。
Agent交完卷，还有一个评分官在等着
光会做梦还不够，干活的质量谁来把关？
这就是Outcomes的作用。
开发者可以写一套评分标准，描述「什么算交付成功」，然后系统会分配一个独立的评估器，在它自己的上下文窗口中对Agent输出进行打分。
由于评估器和干活的Agent完全隔离，因此不会被Agent自身的推理过程带偏。
只要它发现问题，就会精准指出需要修改的地方，并让Agent重新打磨再跑一轮。
此时，开发者还可以设置最大迭代次数来控制成本。
根据Anthropic的内部测试，相比标准prompt循环，Outcomes把任务成功率提升了最高10个百分点。越难的问题，提升越明显。
在文件生成场景下效果更直观，docx文档任务成功率提高8.4%，pptx幻灯片提高10.1%。
这个功能对主观质量评估同样有效。
比如文案语气是否符合品牌调性，设计稿是否遵循视觉规范，这类以前必须靠人盯的活儿，现在Agent自己就能对照标准反复打磨。
一个Agent搞不定，那就组队上
第三件套是多智能体编排。
逻辑很简单，当任务太大或太复杂，单个Agent搞不定时，让一个主智能体（lead agent）把总任务拆成多个小块，分别派发给搭载不同模型、不同提示词、不同工具的专家级子智能体。
这些子智能体基于同一个共享文件系统并行工作，各自的成果汇总到主智能体的全局上下文中。
主智能体可以在工作流进行到一半时随时找其他智能体对齐进度。
过程中，开发者还能在Claude控制台里追溯每一步细节，哪个Agent干了什么、先后顺序、决策理由，全部可见。
6个着陆点砸了2个，睡一觉全修好了
大会上，Anthropic用一个月球采矿无人机着陆任务，把三个功能一口气串了起来。
第一步，搭兵团。
Commander作为主Agent统筹全局，底下挂两个专家Agent：Detector负责地质探测，判断采矿点是否值得开采；Navigator负责导航，判断地形哪里可以安全降落。
第二步，定标准。
Outcomes评分标准就是一个普通的Markdown文件，几行文字写清通过条件：软着陆速度≤2.0 m/s、地面不能有巨石和陨石坑、剩余燃料≥5%。
第三步，跑模拟。
大屏上同时显示6个着陆点的实时状态。
结果，4个绿色LANDED，但Site 3以398 m/s的速度直接砸了（红色CRASH），Site 4也没达标。整体安全评分67%。
这个结果，显然是不合格的。
于是，她打开Claude控制台的Dreams页面，选了Opus 4.7模型，点击「Start dreaming」，让Dreaming跑了一整夜。
Opus 4.7花了8分钟，从530万token的历史会话中蒸馏出一份98行的「Lumara Descent Commander's Playbook」，覆盖危险规则、悬停扫描流程、燃料底线、中止走廊等维度。每条规则都标注了来源于哪次任务。
第二天早上回来，用升级后的记忆库重新跑了一轮模拟。
原来失败的2个站点全部修复，原来成功的4个没有倒退。
整个过程，就是在控制台里按了几下按钮。
Harvey用完涨了6倍，靠的就是这三件套
托管智能体平台从4月公测以来，核心卖点一直是「你别自己搭Agent基础设施了，我帮你托管」。
但光托管运行环境还不够，Agent要真正好用，必须解决三个问题——
1. 跨会话的记忆衰退
2. 不稳定的输出质量
3. 单Agent搞不定的复杂任务
这次，Dreaming解决第一个，Outcomes解决第二个，多Agent编排解决第三个。三件套一起上，把Agent从「能跑」推向「能用」。
早期客户已经在验证这套组合拳。法律AI公司Harvey用上Dreaming后，任务完成率飙升了大约6倍。
目前，Dreaming作为研究预览版上线，支持Claude Opus 4.7和Claude Sonnet 4.6，需要申请权限。Outcomes和多Agent编排已进入公测。
费用方面，托管智能体在标准API token费率之外，额外收取每会话小时0.08美元的运行时费用。有开发者算过账，24个Agent每天跑8小时，光运行时就是15.36美元/天，还没算token。
One More Thing
算力自由
同一天还有一个重磅消息。
Anthropic官宣与SpaceX达成协议，租下马斯克Colossus 1数据中心的全部算力，共22万张GPU。
Dreaming一次跑530万token，多Agent并行开工，Outcomes反复迭代打分，全都是吃算力的重活。22万张GPU，正好给托管智能体这套服务兜底。
同时，「算力自由」也带来了更直接的用户福利——
·Claude Code五小时使用限额即刻翻倍。
·取消Pro/MAX中，Claude Code高峰时段限制额度削减。
·Opus API速率限制大幅上涨。
今天，Anthropic给AI装上了REM睡眠，但这场梦才刚开始做。
迪克当年真正想问的，或许不是仿生人会不会做梦，而是做完梦之后，它还算不算机器。
参考资料：
https://claude.com/blog/new-in-claude-managed-agents
https://x.com/claudeai/status/2052067399088664981
热门跟贴