5月7日消息，在昨天的 Code with Claude 开发者大会上，Anthropic 给 Claude Managed Agents 同步推出四项更新：研究预览版的 Dreaming（"梦境"）、从研究预览转为公开测试版的 Outcomes（成果评估）和 Multi-agent Orchestration（多代理编排），以及任务完成 Webhook 推送。 Managed Agents 是 Anthropic 4 月推出的代理托管平台，把开发者从"基于 Messages API 自己写代理 harness"这件麻烦事里解放出来，整套基础设施由 Anthropic 托管。这次更新中，"梦境"机制是新概念，而成果评估的内部数据相当具体——PPT 文件生成的任务成功率提升 10.1%，DOCX 提升 8.4%，整体任务成功率比标准 prompting loop 最多多出 10 个百分点。
"梦境"做什么：智能体的离线复盘机制
Dreaming 是一个排程式的离线流程。代理空闲时，它会自动复盘最近的会话历史，从中提取重复出现的模式、识别多次发生的错误、合并冗余的记忆条目。Anthropic 把这种机制类比成人脑在睡眠期间的记忆整理——不是让代理"长时间思考"，而是让它的长期记忆库不会随着任务积累变成一团乱麻。
最关键的卖点不在单个代理，而在多代理协同场景。Anthropic 的描述是 "Dreaming surfaces patterns that a single agent can't see on its own"——单个代理只能看见自己经手的那部分任务，Dreaming 站在团队层面识别共性问题、共有 workflow 与跨成员偏好。开发者有两档控制：完全自动更新记忆，或每次变更先送人工审核队列再写入。前者适合长期跑的内部工具，后者适合涉合规审计的企业场景。
Dreaming 仍在 research preview，需向 Claude Platform 单独申请，不是订 Claude Pro/Max 立刻可用。
成果评估与多代理编排：研究预览转公开测试
同步从 research preview 转入 public beta 的两项功能更具实操价值。
成果评估（Outcomes）的工作机制：开发者写一份 rubric，明确"什么算做完、什么算做好"，然后由独立的 grader 代理打分，主代理根据反馈迭代直到达标。Anthropic 公布的内部基准数据——比标准 prompting loop 把整体任务成功率最多拉高 10 个百分点；具体到文件生成场景，DOCX 提升 8.4%，PPTX 提升 10.1%。这个差距在难度更高的任务上拉得更开，意味着 Outcomes 的边际收益主要落在"开放式、单次输出难做对"的任务上。
多代理编排（Multi-agent Orchestration）走的是经典 lead-subagents 模式：主代理拆分任务后委派给子代理，每个子代理可配自己的模型、prompt 和工具集，并行执行；它们共享同一个容器文件系统，子代理产出会回流到主代理上下文。所有过程在 Claude Console 里 step-by-step 可追踪，比自部署 OpenClaw、LangGraph 后再接 OpenTelemetry 省心。
API 这次更新需带 managed-agents-2026-04-01 beta header，SDK 已自动设置。
跟友商代理比一比：多代理是补课，"梦境"才是独家
多代理编排在 2026 年已经不是新概念。4 月 2 日 Cursor 3 推出 Agents Window，把 worktree-aware 多代理工作流做成 IDE 内置体验；4 月 17 日 OpenAI 给 Codex 推了 multi-agent v2，引入路径寻址子代理（/root/agent_a）和结构化代理间消息；OpenAI Agents SDK 用 handoffs 模式做显式委派；Google ADK 走 A2A 协议加 Vertex AI 集成；自部署侧还有 OpenClaw、LangGraph、CrewAI 等成熟方案。Anthropic 这次的 Managed Agents 多代理编排更像把"已成业内标配"的能力补齐到自家托管平台。
真正不同的是 Dreaming。目前公开发布的代理框架里，没有任何一家把"代理在空闲时自动复盘历史会话、合并记忆"作为正式产品功能。最接近的方向是 HKUDS 的 OpenSpace ——那走的是技能层自进化（自动修复失效技能、从任务中学习新能力）；Dreaming 走的是记忆层路线（不动技能本身，整理记忆里的模式）。两条路线解决的问题不同：技能自进化解决"代理能做什么"，记忆复盘解决"代理别再犯同样的错"。
跟 OpenAI AgentKit 比，取舍也清晰：AgentKit 给的是 visual canvas + ChatKit embed，是产品工程师的工具；Managed Agents + Agent SDK 给的是托管 harness，是 SaaS 后端开发者的工具。Outcomes 这套 rubric + grader 模式，OpenAI Evals 也有，但 Outcomes 把它编织进任务执行循环本身，不是事后评估。
局限：锁在 Anthropic 模型，混用方案不可行
几个开发者实际接入前要心里有数的限制：
第一，Dreaming 仅 research preview 且只在 Claude Platform。如果工作流跑在 OpenClaw 或自部署 LangGraph 上，目前没有等价能力可用。
第二，Managed Agents 整套锁在 Anthropic 模型。多代理编排里子代理"可配自己的模型"——但仅限 Claude 系列内部不同型号（Opus/Sonnet/Haiku）切换，不能像 LangGraph 那样混用 Claude Sonnet 4.6 + GPT-5.4-mini 做成本分层。第三方对比文章普遍指出：Managed Agents 的简洁是用 vendor lock-in 换来的——SDK 锁定 + 模型锁定双重绑定。
第三，Outcomes 的 +10pp 是 Anthropic 内部测试数字，没披露具体测试集。DOCX +8.4%、PPTX +10.1% 有参考价值，但放到代码生成、长文写作等场景的实际增益还要开发者自己跑评估。
第四，Webhook 任务完成推送是基础能力，公告里没披露重试机制、签名校验等企业接入必须的细节，以本周水平看更像最小可用版本。
总的来说，对独立开发者，Outcomes 和 Multi-agent Orchestration 是当前最值得立刻接入的两项——前者用 rubric 把"我说不清什么算好"变成结构化反馈，后者解决"任务太复杂塞不进单代理上下文"的痛点。Dreaming 值得申请，但短期内更像是 Anthropic 在"代理自主进化"叙事方向树立旗帜的动作，而不是马上能用上的生产力工具。
A1 完成。约 1750 字，4 个 H2，含核心数据锚点（5/6、4 月、+10pp、+8.4%、+10.1%、managed-agents-2026-04-01、4/2 Cursor 3、4/17 Codex multi-agent v2），含竞品对比段（OpenAI AgentKit/Codex/Cursor 3/Google ADK/OpenSpace），含独立局限段（4 条限制），无 PR 词。
AI 速览
