Anthropic 内部已经在“睡觉时交付工作”：Claude Agents 正在重塑人的上限

在 Anthropic 内部，工程师把任务丢给 AI Agent 就去睡觉，第二天醒来，Bug 修了、分析跑完、洞察生成。这不是未来畅想，而是他们今天的工作方式。本期 Peter Yang 对话 Anthropic 的 Jess Yan，首次系统拆解了 Claude Managed Agents 背后的关键判断：真正的瓶颈，已经不是模型聪不聪明，而是你敢不敢把事情交出去。

最反直觉的一点：限制人类的，不再是能力，而是“可委托度”

Jess Yan 在访谈里抛出了一句极其危险、也极其真实的话：“我们能做到什么，越来越取决于我们一次能委托多少事情，而不是个人能力本身。”这句话的背景是，Anthropic 内部已经广泛使用 Agent 承担异步、长时间、跨工具的复杂任务。

他们不再把 Agent 当成“高级 ChatGPT”，而是当成可以 overnight 跑完一整条工作流的数字同事：你晚上下达任务，早上醒来 backlog 被清空、bug 被定位并修复、分析报告已经生成。这不是 demo，而是日常。

这里最反直觉的地方在于：模型能力的提升固然重要，但真正拉开效率差距的，是你有没有一套机制，允许 AI 在你不盯着的情况下持续行动、自我修复、必要时再来找你。Agent 的价值，不是更聪明的回答，而是更少需要你。

Agent 不只是模型：Anthropic 把“Harness”当成真正的产品核心

如果你还把 Agent 理解为“提示词 + 循环调用模型”，那你已经落后一个时代了。Jess 明确指出，今天的 Agent 必须运行在一个叫 harness 的“脚手架”之上。

这个 harness 解决的不是生成文本，而是三件更脏更难的事：第一，工具调用——Agent 何时、如何、安全地调用外部工具；第二，记忆与状态——它如何知道自己做到哪一步；第三，人类介入的边界——什么时候该继续跑，什么时候必须停下来问人。

一个关键信号是：Anthropic 内部已经不再直接“分发模型”，而是所有模型都通过 harness 来使用，测试也必须在 harness 里完成。这意味着，未来模型能力会被迅速商品化，而真正的壁垒，会转移到你如何构建、观测、治理 Agent 行为的基础设施上。

Managed Agents：把“复杂到不敢做的事”，一次性交给 AI

Claude Managed Agents 本质上是一个预构建的 harness + 云端基础设施，让 Agent 可以在生产环境里大规模运行复杂任务。Jess 的描述非常直接：你应该能把过去需要几天、几周、甚至几个月的工作，直接委托给 Agent。

在演示中，一个预配置好的 Agent 已经包含了模型选择、system prompt、内置工具、权限、技能等要素。你可以实时看到它调用工具、选择性地调用模型、执行分析。更重要的是，这些过程是可观测、可回放、可调试的。

一个非常具体的案例是客户分析 Agent：它会自动生成三类核心产出——产品分析、用户分析，以及一个预测模型，用来判断客户是否会回访。Jess 强调，这种“分钟级生成的高密度洞察”，在过去几乎不可想象。

从同步提示到自运行系统：提示工程正在“退居二线”

如果你还在精雕细琢单条 prompt，Jess 的判断可能会让你不太舒服：原始的 prompting loop，本质上是高度同步的，人被死死绑在流程中。

Anthropic 正在推动的是自运行、自恢复的 Agent loop。Agent 不仅能执行任务，还能在中途发现错误、修正路径，而不是等人类把所有中间步骤都设计好。

评估方式也随之改变。传统 eval 依然存在，但更激进的是“内建 eval”：如果 Agent 知道如何给自己的输出打分，那评估本身就可以成为它工作流的一部分。结果导向取代了过程导向，结构化输出成为新的终点。

真正的落地路径：先解放个人，再谈组织规模化

当被问到最佳实践时，Jess 的答案出乎意料地“人性化”：第一步不是重构组织，而是先解放个体。给个人可用的模板，让他们先在自己的工作里自动化一些真实痛点。

Anthropic 内部的用法覆盖从客户 RFP、现场问题诊断，到清理等待名单、个人助理式自动化。Jess 甚至提到，她花了大量时间在原型设计上，让 Agent 直接融入个人工作流。

一个被反复强调但很少写进 PPT 的关键词是：vibe testing。先感受 Agent 跑起来的“手感”，再谈流程、规范和规模化。

总结

这期访谈释放的最强信号是：Agent 时代的竞争焦点，正在从“谁的模型更强”，转向“谁更敢、也更会放权”。当 Agent 能在你睡觉时完成复杂工作，个人生产力和组织边界都会被重新定义。

对从业者而言，一个现实的行动建议是：别再只优化 prompt，开始思考哪些工作可以被异步、长期地委托出去；别等完美系统，先让 Agent 在你自己的工作中跑起来。未来真正稀缺的能力，可能不是写代码或调模型，而是判断：什么值得交给 AI，什么必须由人承担。

关键词： AI Agent， Anthropic， Claude， Managed Agents， 提示工程

事实核查备注： 需要核查：1）Jess Yan 的职位表述是否为 Anthropic Cloud Managed Agents 产品负责人；2）视频中是否明确提到“所有模型分发都通过 harness”；3）overnight 解决 backlog、bug 的表述为经验性描述而非量化承诺；4）视频发布时间与链接准确性