Anthropic 7 月 10 日发布了一场关于 Agent 基础设施的对谈。Claude 平台工程负责人 Katelyn Lesse、产品负责人 Angela Jiang 和产品经理 Jess Yann，分享了几个来自一线的观察。 【Agent 的“脚手架”正在变薄】 几个月前，搭建 Agent 往往需要写大量流程控制代码：先执行 A，满足条件再进入 B，遇到不同情况还要切换不同分支。流程越复杂，系统越容易出错。 随着模型的推理和工具调用能力增强，这些编排层（harness）正在变薄。开发者不用再规定每一步，只需给出目标和基本边界，让模型自己决定怎么完成。 与此同时，一种更高层的编排方式开始出现：让多个 Agent 同时解决一个问题，从中选出最佳方案；让一个 Agent 提方案，另一个负责挑错；或者在 Agent 卡住时，请另一个能力更强的 Agent 提供建议。 重点正在从“控制每一步”，转向“设计 Agent 之间如何协作”。 【衡量 Agent “投入产出比”（ROI，Return on Investment），先看一个人快了多少】 Angela 建议，企业不要一开始就规划上百个自动化流程，而应该先看一个具体的人：用了 Agent 之后，他的工作速度和产出提高了多少？ 验证有效后，再从个人推广到团队，最后才处理跨部门流程。前期重点看速度和生产力，等应用逐步成熟，再衡量收入、成本和用户指标。 很多企业做 AI 转型时，喜欢先画一张宏大的自动化蓝图。问题是，流程涉及的部门越多、规则越复杂，落地阻力就越大。从个人开始，更容易看到效果，也更容易持续推进。 【工程团队没消失，但每个人的角色都变了】 Katelyn 观察到，Anthropic 的工程团队和半年前相比，人员构成没有太大变化，但协作方式已经不同。 过去通常由技术负责人决定架构，其他工程师领取任务、编写代码。现在，更多工程师会参与产品和架构决策，再分别指挥 Claude 完成具体工作。 Agent 的作用也不再只是“帮忙写代码”。她提到 Shopify 的 River 系统，已经把需求文档、开发环境、代码实现和 QA 测试串成了一套端到端的 Agent 工作流。 【个体变强，不等于团队自然变好】 Agent 降低了开发和试错成本，也可能带来新的问题。 过去，一个团队会先讨论十个方案中哪个最值得做。现在，每个人都可以快速做出十个原型，甚至全部上线，让市场决定谁胜出。 这样做速度很快，但如果缺少统一方向，产品很容易无序扩张。Agent 能显著放大个人能力，却不会自动解决团队的协调、取舍和决策问题。 来源：

对了，Meta在AI研究员圈子里疯狂砸钱挖人的结果，还有一个很微妙的结构变化，那就是： Yann LeCun，Meta的首席AI科学家，图灵三巨头之一，卷积神经网络的创造者，64岁的大牛，现在，事实上，要向Meta新任命的AI一把手，之前从事数据标注的，28岁的MIT辍学生Alexandr Wang，汇报。 在大浪袭来的当口，资历、辈分、荣誉这些通通都被撇开了。 很多人在推上「关心」Yann LeCun的感受，他老人家倒是圆得心平气和，觉得自己本来就应该待在学术岗位上，老板是谁并没有那么重要。 也有预测Yann LeCun会在一年内辞职的猜测，除了诛心的原因之外，还和Yann LeCun本人其实一直对这波大模型的发展方向持负面态度有关，如果他坚信Meta豪赌的架构是错的，那么工作起来势必更加难受。