别再给 Claude 写提示词了——Anthropic 内部「智能体图」方法论全拆解

「别再给 Claude 写提示词了，你该搭一张能让它自己跑起来的图。」

这句话出自 Anthropic 工程师 Lamis 在伦敦 AI Native DevCon 的演讲。她用不到 30 分钟，把 Anthropic 过去一年在 Agent 工程上的家底全掀了——从记忆管理到工作流编排，从单 Agent 优化到多 Agent 协同复盘，一套完整的「智能体图」方法论。

这不仅是 Anthropic 的内部实践，更是整个 AI Agent 行业从「作坊式开发」走向「工程化运营」的标志性转折。提示词的时代正在过去，图和记忆的时代正在到来。

一、记忆：从「写在提示词里」到「建成文件系统」

Lamis 开场的核心观点很直接：光有智能不会产生复利。

再强的模型，开箱也不知道在你的组织里怎么才算把活干成。这些东西需要有人喂给它，还得让它记住。Anthropic 过去一年在记忆这件事上，前后换了四代方案。

第一代：CLAUDE.md

人能读、Agent 能写的 Markdown 文件，塞在会话开头。效果「好得不讲道理」——因为它在最合适的位置（会话上下文），用最合适的方式（自然语言）传递了组织知识。但代价是文件会越写越长，最终撑爆上下文窗口。

第二代：Memory 工具

干脆放权：什么时候读、什么时候写、什么时候更新，让 Agent 自己决定。灵活性大幅提升，但也带来了新的问题——Agent 拿不准该写什么、不该写什么，容易把噪音也记进去。

第三代：Skills（渐进式披露）

Lamis 用书架做比喻：有人用法语搭话，你抽出那本法语词典就能应付——不需要提前把七年法语课的内容全背进脑子。同理，Agent 只看文件顶部几句摘要决定要不要加载，但 Skill 本身可以塞进任意深度的细节。这是「按需加载」的思路，解决了上下文窗口瓶颈。

第四代：文件系统即记忆

Anthropic 现在认准的做法：把记忆直接建成文件系统。理由朴素——Agent 天生会翻文件、搜关键词，你只管把它索引好。

但这个方案在真实环境遇到了新问题：几千个 Agent 同时改一份记忆，谁说了算？一个 Agent 犯了错，错误信息瞬间传染全体。

Anthropic 的解法是设置四道护栏：

能回滚——任何写入都可撤销
防撞车——你写到一半别人先交了，你这份作废重来
分权限——全局知识只读，Agent 只能写自己的草稿本
可搬家——记忆数据可迁移，没有锁定

现场有观众灵魂拷问：这不就是在重新发明数据库吗？Lamis 笑了：确实是回到那些老套的软件工程原则，只不过换成 Agent 能用的方式。

二、Dreaming：让 Agent 自己复盘自己

上面四代方案解决的都是「Agent 一边干活一边记东西」的问题。但这里有两个天花板：

分心——你既让它完成任务，又让它花算力写文件，两者互相干扰
视野——它只看得见本次会话里发生的事。你眼看着它反复犯同一个错，它却毫无感觉

因为每次会话对 Agent 来说都是一张白纸。几个 Agent 在不同环境各跑各的，彼此踩过什么坑，更是互相看不见。

Anthropic 的解法叫 Dreaming——做梦。

做法：等 Agent 们都收工后，单独启动一个专职「复盘」的 Agent，把记忆库和一大批历史对话记录摊开来，找出反复出错的地方，逐条提出修改建议，附上「哪几次对话里出的事、出了多少次」，最后交给人类拍板。

Lamis 用学校来打比方：学生交卷，老师批改，校长复盘全局。学生每天交作业，老师每天批，但没人看全局。直到校长把全校试卷摊开一看——地理科所有同学同一道题全答错了。翻开课本一查，这个知识点根本没教过。校长把它补进课纲，第二天所有人自然就会了。

这听起来要额外花钱，但 Lamis 说恰恰相反——记忆库一旦干净，Agent 更容易一把过，犯错少了，成本反而降下来。这是真正的复利。

实用建议：不用等 Anthropic 把这套做成产品，自己每周就能跑一遍——开个新会话，把这周的聊天记录丢给 AI，让它挑出你老是卡住的地方，直接在 CLAUDE.md 添上就行。

三、工作流图工程：你的工作流是一张画烂了的图

记忆管的是时间：让 Agent 跨会话攒经验。工作流图管的是结构：一次任务内部，步骤到底该怎么排。

随演讲一起流出的还有一份图工程指南，核心观点用一句话说：你的工作流本来就是一张图，只是画得太烂。

比如「先调研、再总结、再写稿」——三步排成一条线，每一步都在等上一步。但真的每一步都非等不可吗？

关键方法：假边测试

对着工作流里的每一个箭头问一句：这一步真的用到了上一步的输出吗？数据真的流过去了吗？如果没有，这个箭头就是假的，等待纯属白费。

最理想的形状：钻石结构

把假箭头删掉之后，最常出现的形状叫「钻石」：一个步骤做完，下面岔成好几条路同时跑，跑完再收拢到一个点汇总。你等的时间是最慢那一条路，而不是几条加在一起。

但同时跑也有风险——其中一路跑出了垃圾，会不声不响混进最终结果。所以汇合之前要加一道质检：这份输出能不能用？能用才往下走。

四、为什么这是个转折点

提示词有一个根上的毛病：改进不累积。

你把一句提示词调到完美，这次它表现很好。下个任务，从头再来。功夫全留在了聊天框里，第二天什么也没剩下。

图和记忆在干同一件事——让功夫留下来。

图把结构写成文件，下次复用
记忆把经验写成文件，跨会话累积
Dreaming 让 AI 自己往里补，不需要人天天盯着

人的位置也跟着变了：从一句一句喂指令的人，变成第二天早上点头或者摇头。

这件事对 AI 行业的启示是深远的：

对于个人开发者：5 分钟就能开始——新建一个 CLAUDE.md，写清楚活干成什么样才算合格。每踩一个坑，回来补一行。
对于团队：引入 Dreaming 机制，每周复盘 Agent 的共性错误，把修复写进全局知识库。
对于产品：工作流图工程应该是 Agent 平台的标配能力，而不是高级技巧。

五、落到行动

这篇文章不是让你看完就关的。给你三个立刻可以做的事：

建一个 CLAUDE.md——5 分钟，写清楚你的 Agent 该怎么做才算合格。每次踩坑回来补一行。
画你的工作流图——把你最常用的多步任务画出来，做假边测试，把串行改并行，加质检节点。
跑一次 Dreaming——周五下午，把本周的 Agent 对话记录丢给 AI，让它挑 3 个共性问题，写入 CLAUDE.md。

三件事加起来不到 30 分钟。但一个月后，你的 Agent 会比今天聪明很多。

Keep thinking, keep learning, and keep dreaming.

参考：Lamis 在伦敦 AI Native DevCon 演讲，Anthropic 内部 Agent 工程实践。