Skip to content
AI NEWS JOURNAL
腾讯新闻 · AI频道AI NEWS / JOURNAL

刚刚,Anthropic公开Opus 5.5同款自主Agent架构:算力成本狂降78%

阅读之前记得关注+星标⭐️,,每天才能第一时间接收到更新 真正能全天候自主干活的AI Agent,平时绝大多数时间都在睡觉,只有来任务时才会醒过来。所谓的全天候运行,只是用户层面的感知。Anthropic发了一篇工程文章首次披露了这种自主智能体的完整底层架构。过去几个月,自主型Agent迎来爆发。爆发的核心原因在于底层...

Translation is temporarily offline. Showing the original.

真正能全天候自主干活的AI Agent,平时绝大多数时间都在睡觉,只有来任务时才会醒过来。

所谓的全天候运行,只是用户层面的感知。

Anthropic发了一篇工程文章首次披露了这种自主智能体的完整底层架构。

过去几个月,自主型Agent迎来爆发。

爆发的核心原因在于底层模型的两个突破。

第一,最新模型的判断力大幅提升,能准确理解人类意图,知道什么时候该主动找你汇报。

第二,长任务的处理成本出现断崖式下跌。

在长周期编程测试中,Opus 5.5解决单个任务的成本比Opus 5暴跌了78%,常规任务的成本也下降了40%。

智力变得足够便宜,才让Agent的全天候运作在商业上真正成立。

它到底是怎么运行的

这种Agent并不需要24小时消耗算力。

它的大部分时间都处于休眠状态,不消耗任何Token。

它的完整生命周期由一次次短暂的运行循环组成。

有外部事件发生。

系统把Agent唤醒,开启一次工作运行。

Agent在当前会话中调取记录、调用工具完成任务。

任务结束,把最新状态保存落库。

Agent立刻切断运行,重新进入睡眠,等待下一个事件触发。

维系整个循环的底层架构,包含五个核心构件。

第一个构件:事件收件箱

传统AI工具必须等人类在对话框里敲回车。

全天候Agent的唤醒来源很多,包括Webhook回调、定时任务、后台监控。

如果让这些外部源直接呼叫Agent,极易引发灾难。

两个事件同时到达会引发运行冲突,系统崩溃更会导致事件彻底丢失。

解决办法是设立专门的事件收件箱。

收件箱由三部分组成:

一个记录事件的数据库表。

一个负责写入事件的HTTP接口。

一个负责读取事件并启动任务的后台工作服务。

外部请求到达时,接口只做快速响应和轻量校验,立刻把事件写入数据库,深层的安全检测留到后续运行中处理。

收件箱必须是唯一的真实数据源,即使工作服务意外挂掉,新服务也能拉取未完成的事件重新执行。

一个收件箱在同一时刻只能有一个活跃工作服务,避免多头作业导致状态覆盖。

如果人类连续发来多条消息,工作服务会自动把这些事件打包合并,让Agent一次性处理并回复,不会反复刷屏。

第二个构件:计时器

光有被动接收事件还不够,Agent要主动出击,全靠计时器。

计时器分为两类。

一类是跟进计时,这是Agent给自己定下的闹钟,比如过两小时检查某项任务是否收到回信。

另一类是排程计时,这是人类设定的周期任务,比如每天早晨自动整理新闻简报。

计时器保存在单独的数据库表中,绝不和待处理的收件箱混在一起。

后台调度服务以固定频率轮询这张表。

一旦发现时间已到,调度服务就把跟进计时标记为完成,或者把周期任务更新到下一个时间点。

随后,调度服务向事件收件箱压入一条新事件,唤醒工作服务。

第三个构件:外部记忆

Agent每次被唤醒都是一段独立的过程,要保持前后认知一致,必须依赖记忆。

记忆本质上是一个持久化的文件目录,保存在数据库或对象存储中。

记忆的存储原则很简单:只存查不到的信息,外部系统已有的数据只存引用链接。

记忆细分为四个模块:

用户指令:人类立下的行为规范,每次运行必须首先加载。

用户笔记:Agent观察到的人类习惯、偏好以及纠错记录。文件变多后只在开局加载索引,用到具体细节再去翻阅。

历史消息:Agent已经向人类发过的信息清单,防止重复汇报。

任务进度:当前进行中任务的完成清单和未完成清单,后续运行随时接盘。

为了让记忆不臃肿,系统还会启动做梦机制,在后台审视过去的会话,剔除过时记录,提炼跨会话的长线规律。

在上下文窗口方面,系统提示词、工具定义和常驻记忆构成了每次运行的固定成本,需要配合Prompt Caching压低开销。

如果单个任务的交互记录太长,系统会生成摘要压缩历史,或者干脆切断开启新会话,关键细节早已沿途记入了记忆库。

第四个构件:权限控制

全天候Agent最大的风险在于无人值守,它必须在没有人类盯盘的情况下独自面对权限。

安全防护分为三层。

首先是凭证代理。

绝不让敏感密码或Token直接暴露在Agent内部。

Agent发出的所有对外请求都是无凭证状态,经过环境外的独立代理服务时,由代理校验并注入真正的凭据。

其次是自动防御模式。

内置分类模型充当安全员,对高风险行为进行实时评估,一旦发现危险操作立刻拦截,引导模型换用更安全的路径。

最后是延迟工具调用。

碰到重大决策,Agent会主动暂停工具调用,把当前会话的原地状态完全保存,然后向人类发送审批卡片。

此时当前运行立刻结束,工作服务被释放出来去处理其他事件,不会发生阻塞。

人类在卡片上点击同意或给出补充信息,这个操作变成一条新事件落入收件箱,触发新的运行,精准恢复之前的会话现场继续执行。

第五个构件:发件箱

大部分AI是边推理边吐字,人类全程看着它调用工具。

全天候Agent主要在后台干活,人类只需要看最终结论。

一次运行结束时,只有三种可能:

给人类发消息。

判断没有必要打扰人类,选择闭嘴。

发起审批,等待人类回应。

在复杂系统里,所有的外发消息都要先进入发件箱数据库表,由专门的分发服务推给用户。

发件箱机制让系统可以精准控制给人类发消息的频率,并在网络出错时重试。

打扰人类的尺度需要反复调优。

发得太勤会变成噪音,发得太少又会漏掉关键信息。

实践中最明智的策略是:初期尽量保持安静,把基础工作做好,随着准确率提高再逐步获取人类的注意力。

运转总流程

五大构件组装完毕,整个系统的运行闭环便确立起来:

事件收件箱收到Webhook、用户消息或到期的计时器提醒。

工作服务启动,唤醒Agent进入一次短暂运行。

Agent读入外部记忆,在权限管控下调用外部工具干活。

任务完成,Agent把更新后的进展写回记忆库。

需要汇报的结果推入发件箱,由分发服务送达人类。

Agent如果需要后续跟进,就顺手定下一个新的计时器。

一切处理完毕,Agent再次断电休眠。

人类收到汇报后敲下的每一次回复,又会作为新事件落进收件箱,开启下一轮运转。

单次运行转瞬即逝,但无数个短暂运行依靠状态接力连绵不绝,最终呈现给人类的,就是一个24小时在线的自主打工人。

参考:

https://claude.com/resources/articles/building-always-on-agents

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

Sources

Read original ↗

Related topics

← Continue to all updates