长运行智能体与 Claude 的技能/双智能体框架实践

Anthropic 分享多篇工程博客,聚焦 Claude Agent 的技能系统、长运行与双智能体(Two-Agent)框架与实际企业落地案例。
Key insights
技能系统通过提示注入实现按需能力与最小权限
Claude 的 Skills 不是函数调用,而是以 SKILL.md 的形式注入系统级指令,包含 name、description、allowed-tools、model 等元数据。Skill 元工具在运行时扫描技能并动态注入完整 Markdown 指令,使 Claude 在对话中临时变身为领域专家,支持预授权工具与热更新,降低代码执行权限风险。
双智能体框架解决长运行任务的状态持久化与交接问题
Anthropic 提出 Two-Agent Harness:Initializer Agent 在首轮搭建环境、生成 init.sh、feature_list.json 与 claude-progress.txt,并做首次 Git 提交;随后由 Coding Agent 每轮只做一个功能、运行测试、写清晰 commit 并更新进度文件。该架构将记忆外化为文件与 Git 历史,从而使多会话任务保持连续性与可追溯性。
端到端验证与浏览器自动化提高智能体功能验证准确性
为避免智能体仅运行单元测试就宣告完成,Anthropic 在框架中集成浏览器自动化(如 Puppeteer MCP)进行用户级交互测试,捕获在代码审查中常漏掉的交互 bug。这种端到端验证显著提高功能通过率,但仍有局限(如原生弹窗处理)。
实际企业落地显示保守工具策略与提示工程关键
Spotify 的后台编程智能体已成功合并 1,500+ AI 生成 PR,采用保守工具访问(受限 Git、格式化与测试工具、白名单 Bash),并强调提示工程要点(明确前置条件、一次只做一变更、定义可验证目标)。该实践表明智能体能显著节省时间但仍需严格验证与人类复核。
Sub Agent 与团队式协作支持专业分工
Anthropic 支持创建 Sub Agent 用于前端、后端、测试、爬虫、文档等角色,形成团队式协作,以提高长任务中各环节的专业性与稳定性。