一夜之间，Anthropic内部都在搞「智能体图」！

刚开场，她就开起了玩笑：你们听了一天演讲，脑子里的「上下文窗口」应该快塞满了吧？希望还留着点余量，因为我接下要讲的，恰好就是上下文。 Lamis 用书架做了个比喻：有人用法语搭话，我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。同样的，agent 只看文件顶部那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。 Anthropic 的解法是设置四道护栏：能回滚、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。 现场当时就有观众灵魂拷问：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。 因为每次会话对它来说都是一张白纸，上次犯的错根本不存在。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。 做法简单粗暴：等 agent 们都收工了，单独起一个专职「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。 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。为什么？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。 不用等 Anthropic 把这套东西做成产品，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。 指南里给了个方法，叫假边测试：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。 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。