#Anthropic

1个月前

对 New API 审美疲劳了试试 AxonHub 一个 AI 万能插座(网关)，提供统一 API，兼容 OpenAI 与 Anthropic 格式，支持自动故障转移、细粒度权限控制、模型映射、参数覆盖及多种部署方式。

#New API #AxonHub #AI万能插座 #OpenAI #Anthropic

1个月前

Anthropic 再发 Agent 神文：像人类工程师一样思考，解决「长程任务」难题 Anthropic 双 Agent 架构通过功能列表、增量提交与端到端测试，解决 AI Agent 长程任务上下文管理与持续性难题。 #AI Agent #长程任务 #Agent架构

#Anthropic #AI Agent #长程任务 #Agent架构 #上下文管理

1个月前

[Anthropic 工程博客] 构建长运行智能体的高效框架 Anthropic 最新工程博客探讨了如何为长运行智能体设计有效的“框架”，以应对复杂任务在多会话间的持续执行挑战。基于 Claude Agent SDK 实际经验，强调通过结构化环境和渐进式工作流程，让智能体像人类软件工程师一样，逐步推进项目，而非试图一蹴而就。长运行智能体的核心挑战长运行智能体目标是处理跨小时或数天的复杂任务，例如构建一个完整复杂的软件项目。但由于上下文窗口的容量限制，每个会话都像从零开始：智能体缺乏先前记忆，容易陷入“一次性完成”的陷阱——试图在单一会话中搞定整个项目，导致上下文耗尽、代码杂乱或文档缺失。其他常见问题包括： · 过早宣告完成：后续智能体看到部分进展，就错误地标记任务结束。 · 状态恢复困难：智能体花大量时间猜测未完成工作，或在 buggy 环境中挣扎。 · 测试缺失：功能看似就位，但未通过端到端验证，隐藏潜在问题。通过实验（如构建 200+ 功能的网页克隆项目）总结这些失败模式，并提供针对性解决方案，借鉴软件工程最佳实践，如 Git 版本控制和自动化测试。提出的解决方案：双智能体框架与结构化环境解决方案是引入“框架”——一个由提示、脚本和文件组成的系统，确保会话间状态持久化和干净交接。具体分为两个角色： 1. 初始化智能体（Initializer Agent）：仅用于首轮会话，负责搭建初始环境。生成关键文件，包括： · feature_list.json：一个JSON格式的功能清单，列出所有任务（如“创建新聊天”），每个包含描述、步骤和初始“passes”状态（false）。JSON格式确保不可变性，防止后续编辑。 · claude-progress.txt：日志文件，记录动作和进展。 · init. sh：启动脚本，用于运行开发服务器、测试基础功能，减少后续设置开销。初始化后，进行首次 Git 提交，形成干净基线。 2. 编码智能体（Coding Agent）：后续会话专用，专注于渐进式进展。每个会话仅处理一个功能： · 会话启动例程：检查目录（pwd）、审阅 Git 日志和进展文件、运行 init. sh 启动环境、验证核心测试。 · 工作流程：从 JSON 清单选一未完成功能，编码、提交描述性 Git 变更、更新 “passes” 状态（仅在通过测试后），并记录日志。 · 强调“干净状态”（clean state）：结束时，代码须无bug、文档齐全、可直接合并到主分支。关键实践与工具集成 · 功能清单与 Git：JSON 清单防止“过早完成”，Git 提供回滚和历史追踪。实验显示，相比 Markdown，JSON 减少了不当修改。 · 端到端测试：集成浏览器自动化工具（如 Puppeteer MCP 服务器），模拟人类操作（如点击模态框、截图验证）。这捕捉代码审查忽略的交互 bug，但文章也指出局限，如原生浏览器元素的处理。 · 提示策略：初始化和编码提示不同——前者聚焦搭建，后者强调单一功能和验证。使用强约束语言（如“绝不编辑测试”）规避失败。 · 失败模式表格：文章附表总结问题（如“设置混淆”）及应对（如标准化脚本），便于实际应用。结论与展望 Anthropic 的经验证明，这种框架能显著提升长运行智能体的可靠性：从混乱的“一击即溃”转向工程化的持续迭代。关键启示是借用人类工程实践（如版本控制、测试驱动开发），结合 AI 的自动化潜力。从简单项目起步，审视失败模式，并扩展到多智能体系统（如专职测试智能体）。未来方向可以泛化到其他领域，如科学研究或财务建模，探索更复杂的协作架构。博客地址：

#多智能体之争：Anthropic生态VS单智能体· 81 条信息

#Anthropic #长运行智能体 #软件工程 #双智能体框架 #自动化测试

1个月前

暴论：模型服务商应该只提供 completion 接口，甚至连 chat completion 都不提供，更别说 Response API、Anthropic 的beta 特性等等。这些统一 client/sdk 实现～

#模型服务商 #completion接口 #chat completion #Response API #Anthropic

1个月前

anthropic 真的是一环扣一环有理论有实践在发 skills 的时候，针对工具膨胀浪费 token 提出了， Prompt 分层加载/复用，用代码执行&串联api/mcp（manus 把这个叫做上下文卸载）两个方法前天发 opus 的同时，把这两个方法固定到了推理 API 层面，Tool Search Tool，解决工具的发现&懒加载，Programmatic Tool Calling 实现代码执行工具。感觉以后anthropic api协议😂大有替代 openai 的可能

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Anthropic #Opus #Tool Search Tool #Programmatic Tool Calling #API

1个月前

Anthropic Claude Opus 4.5 提示指南

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#Anthropic #Claude Opus 4.5 #AI #提示指南

1个月前

Claude Opus 4.5 发布，本来软件工程能力确实是最强，也是首个评测超过 80 分的，不过 Anthropic 官方这张图还是很有争议。可以理解为了突出顶端数据差异，有意折叠了 0-70 的部分，仔细看也有折叠的标记。不过从数据可视化展示的客观性来看，还是不可取的行为，哪怕是用自家 Sonnet 4.5 来评价，问题也是相当明显的。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#Claude Opus 4.5 #软件工程能力 #Anthropic #数据可视化争议 #Sonnet 4.5

1个月前

[Anthropic 工程博客解读] 高级工具使用功能：工具搜索工具、程序化工具调用和工具使用示例三项技术结合，显著降低 Token 消耗，工具选择更明确，复杂调用更准确。 Anthropic 最近在 Claude 开发者平台上推出了高级工具使用 (advanced tool use) 功能，让 AI 智能体能够高效处理数百甚至数千个工具，而不会被上下文窗口的限制所束缚。想象一下，一个智能体需要同时操作 IDE、Git、Slack、GitHub、Jira 或数据库等系统——传统方式下，工具定义会占用海量 Token，导致上下文膨胀、工具选择错误或调用延迟。这些新功能通过动态加载、代码编排和示例指导，显著提升了智能体的实用性和可扩展性。核心挑战与应对策略构建可靠的工具使用系统面临三大痛点：一是 Token 消耗过高——例如，从多个服务（如 GitHub 和 Slack）拉取工具定义，可能瞬间吃掉 50,000+ Token 二是工具选择不准——类似名称的工具（如 notification-send-user 和 notification-send-channel）容易混淆三是调用模式模糊——JSON 模式虽规范参数，但无法直观展示复杂格式，如日期或嵌套对象。 Anthropic 的策略是“延迟与智能”：不一次性加载所有工具，而是按需发现和调用；用代码代替自然语言来协调多步操作，减少推理轮次；并通过示例澄清用法。这些方法本质上将工具使用从静态描述转向动态执行，帮助智能体在资源有限的环境中实现复杂工作流。三大关键技术 1. 工具搜索工具（Tool Search Tool）这是一个“元工具”，允许智能体在运行时搜索并加载相关工具，而非预加载全部定义。工具标记 defer_loading: true 后，只有搜索工具和少数核心工具进入初始上下文。智能体可通过名称或描述动态拉取，例如查询 GitHub 任务时，只加载 github.createPullRequest。优势：Token 节省高达 85%（从 77K 降至 8.7K），准确率提升显著（如 Claude Opus 4 从 49% 升至 74%）。实现简单：在工具数组中添加搜索配置，即可支持 MCP 的批量延迟加载。这让智能体像“智能索引”一样，高效导航庞大工具库。 2. 程序化工具调用（Programmatic Tool Calling）智能体不再逐一用自然语言调用工具，而是生成 Python 代码在沙箱环境中执行多工具协调。工具需标记 allowed_callers: ["code_execution_20250825"]，Claude 则输出包含循环、条件和并行执行（如 asyncio.gather）的代码片段。示例：检查预算超支时，代码可并行获取团队成员、预算和支出数据，只将最终结果（如超支列表）返回给智能体，避免中间数据污染上下文。优势：Token 减少 37%（从 43,588 降至 27,297），延迟降低（无需多轮推理），准确率在知识检索任务中从 25.6% 升至 28.5%。这特别适合处理大表格或 API 链路，如 Claude for Excel 中的批量数据分析。 3. 工具使用示例（Tool Use Examples）补充 JSON 模式，提供输入示例来演示实际调用模式。例如，在 create_ticket 工具中，列出日期格式（YYYY-MM-DD）、嵌套对象（如 reporter）和可选参数（紧急升级）。每个工具可附 2-3 个变体示例。优势：复杂参数准确率从 72% 跃升至 90%，尤其在 ID 格式或参数关联上。这像给智能体一份“用户手册”，让它快速掌握隐含规则。实验结果与展望内部基准测试显示，这些功能在 MCP 和 GIA 基准上均有提升：上下文保留率达 85%，整体准确率平均提高 10-20%。例如，在处理大型工具集时，Claude Opus 4.5 的性能从 79.5% 升至 88.1%。实际应用中，它已助力智能体无缝集成 Excel 或 Jira 等场景。

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Anthropic #Claude #高级工具使用 #Token 消耗降低 #AI 智能体

1个月前

最新消息：Anthropic 今天（2025年11月24日）刚发布的 Claude Opus 4.5 ，史上最好的AI 模型！在 SWE-bench Verified 基准上，它拿下 80.9% 的成绩，甩开 GPT-5.1 的 76.3%，这是目前 AI 编码任务的“世界纪录”！刚刚试了一会，牛逼！不仅优秀，而且速度非常快！

#Claude Opus 4.5 #Anthropic #AI模型 #SWE-bench Verified #AI编码

1个月前

2025 年 11 月 18 日 Cloudflare 服务中断的复盘文档值得一看，我一直感觉国外公司的故障文档都写得挺好的，反观国内会有点那种家丑不可外扬的感觉一般会说得不清楚，也相比 Anthropic 这个公司正直太多了。主要原因是「并不是任何类型的网络攻击或恶意活动直接或间接引发了此问题。相反，它是因为我们数据库系统权限变更而触发，权限变更导致数据库将多个条目输出到 Cloudflare 机器人管理系统使用的“特征文件”。结果，该特征文件的大小增加了一倍。随后，这个超出预期大小的特征文件传播到构成 Cloudflare 网络的所有计算机。」

#Cloudflare服务中断 #数据库权限变更 #故障复盘 #国外公司故障文档 #Anthropic

1个月前

微软和英伟达向 Anthropic 注入 150 亿美元，现在Anthropic的市值来到了3500亿美元。10年前，我们定义那些没上市的市值超过10亿美元的公司叫独角兽，现在定价来到了千亿。 Anthropic 成为唯一横跨 AWS、Google Cloud 和 Azure 三大云平台的模型， AI 时代已经不是零和游戏,而是相互依存的共生网络。

英伟达市值突破5万亿，科技巨头再创历史· 44 条信息

#微软 #英伟达 #Anthropic #150亿美元投资 #AI共生网络

1个月前

Anthropic公司首席执行官达里奥·阿莫迪预测，人工智能可能会在未来一到五年内导致一半的入门级白领工作岗位消失，失业率飙升至10%至20%。

#人工智能 #Anthropic #达里奥·阿莫迪 #失业率 #白领工作

1个月前

Anthropic 的结构化输出让 Claude API 保证响应匹配精确的 JSON schema，消除了解析错误。这看似微小的技术改进，实则是 AI 工程化的重要里程碑。当 AI 的输出变得可预测、可验证，它就能从实验室的玩具变成生产环境的基石。

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Anthropic #Claude API #JSON schema #AI工程化 #可预测

沉浸式翻译

1个月前

别瞎猜了！去抄“官方作业”：Anthropic 提示词库 🧠 🤔 你是不是经常觉得 Claude 或 GPT 的回答不够聪明？明明模型很强，为什么在别人手里是神，在你手里是人工智障？你想知道那些写出“生产级”复杂提示词的工程师，脑子里到底在想什么逻辑吗？ 💡 大多数人不知道，Claude 的母公司 Anthropic 官方维护了一个极其硬核的 Prompt Library (提示词库)。这里不是网友上传的野路子，而是官方工程师编写的、经过严格测试的最佳实践。它涵盖了代码生成、法律分析、角色扮演等60+个场景。最绝的是，它展示了如何用 XML 标签（如 <context>、<instruction>）来规范 AI 的思考路径。每一个 Prompt 都是一段可以直接复用的微型程序。这些 Prompt 往往包含极长的英文背景设定和复杂的逻辑指令。使用沉浸式翻译的“对照模式”，你可以逐行拆解它的逻辑结构，学会“像 AI 架构师一样思考”，然后把这套逻辑套用到你自己的任务中。

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Anthropic #提示词库 #prompt library #AI架构师 #最佳实践

1个月前

前几天 Anthropic 发布的那份报告《挫败首例由 AI 策划的网络间谍活动（Disrupting the first reported AI-orchestrated cyber espionage campaign）》已经被很多人骂过了，这几天在 Hacker News (HN) 上也是被群嘲。报告的核心指控是：他们发现并阻止了一个“复杂的”网络间谍行动，该行动由一个他们定性为“中国政府资助”的组织（代号 GTG-1002）发起。而最关键的一点是，这个组织使用 AI（特别是 Claude）来“编排和执行”其 80-90% 的战术行动。社区的开发者和安全专家们非但没有感到震惊，反而将这份报告扒了个底朝天。结论几乎一边倒：这与其说是一份威胁情报，不如说是一份精心包装的营销噱头。首先是一位安全行业的专业人士 djnn .sh 发表了一篇博文 “Anthropic 的报告闻起来就像狗屁” (Anthropic's paper smells like bullshit) 成为了 HN 上的热门讨论帖。 1. 文章中一个观点大家都很认同：“PoC || GTFO” (要么拿出证据，要么滚蛋)。一份严肃的网络安全威胁情报报告，是有行业标准的。你必须提供 IoCs（入侵指标）——比如攻击者使用的域名、IP、文件哈希值；以及 TTPs（战术、技术和程序）——他们具体是怎么做的。而 Anthropic 的报告里几乎都没有什么证据。 HN 社区对此的共识是：这份报告“技术含量为零”。用户 rfoo： > 别说和现代报告比，“就连卡巴斯基十年前一份关于 Duqu 2.0 的报告，都包含了扎实的技术链接和归因理由。” Anthropic 这份报告简直是“slop”（残羹剩饭）。用户 padolsey： > 这似乎成了一种新常态。“AI 实验室（点名了 GPT-5 的系统卡和微软的红队测试）都喜欢‘pro-research’（自称支持研究），但发布白皮书时却从不附带代码和数据。” 一份没有技术细节、无法验证、无法让其他安全团队据此设防的“报告”，根本不配被称为“威胁情报”。 2. 如果说缺少 IoC（入侵指标）只是“不专业”，那么 HN 网友 gpi 则发现这份报告在“有意夸大”。网友 gpi 发现，Anthropic 在发布报告后，悄悄地将从“每秒数千次请求”改为了“数千次请求，经常每秒多次”。 > Edited November 14 2025: > Corrected an error about the speed of the attack: not "thousands of requests per second" but "thousands of requests, often multiple per second" 任何一个技术人员，都绝不可能把这两个概念搞混，大概率是营销部门在撰写报告时，为了戏剧效果而添油加醋，结果被技术社区抓包。 3. 牵强的归因和逻辑，一切都是为了营销报告中最具煽动性、也最受诟病的，就是将攻击“归因”于“中国政府资助的组织”。网友 snowwrestler 给出了一个非常专业的分析：将攻击归因于“国家行为体”有三种途径： (1) 纯粹假设：默认来自某国的坏事都是政府干的（这显然不靠谱）。 (2) 技术签名：攻击手段与已知的、公开的 APT（高级持续性威胁）组织的特征库相匹配。 (3) 情报工作：来自 NSA、FBI 等真正情报机构的内部信息。 Anthropic 不太可能有（3），如果他们有（2），就应该像其他安全公司一样，公布这些技术签名证据。但他们没有。那么，他们为什么要这么做？用户 woooooo 提出了一个经典的“职场政治”洞察： “归咎于‘国家级超级间谍’是最好的免责声明。‘我们被超级间谍黑了’听起来，可比‘我们被一个随便的家伙(rando)给黑了’要体面得多。” 用户 prinny_ 则看得更深：“在缺乏证据的情况下，这种归因看起来更像是一种政治游说，目的是让美国政府介入，并成为那个让资金（投资）不断流动的‘大投资者’。” 在原文中就已点明，报告的结尾赫然写着： “网络安全社区需要……试验将 AI 用于防御……” HN 用户 DarkmSparks 做了个总结： “Anthropic 提出了一堆未经证实的指控，关于一个他们没具体说明的新问题。然后在最后，Anthropic 提出了解决这个未说明问题的方案——给 Anthropic 钱。” “这根本就是伪装成威胁报告的宣传材料，”用户 cmiles74 评论道，他还发现 Anthropic 在八月份也发过类似的“营销式”报告。 4. APT 真的会用 Claude 吗？抛开营销和政治不谈，HN 社区对这个攻击场景本身也提出了一个巨大的“黑人问号”：一个“高度复杂”的 APT 组织，真的会选择用 Claude 这种公开的、需要绑银行卡的商业 API 来执行核心任务吗？网友 KaiserPro 分享了他的一线经验：他曾在一家 FAANG 担任 SRE，也参与过对内部安全 AI 的“红队测试”。他的结论是：“AI 有点用，但对于‘协调’（coordination）任务来说，帮助不大。” 他最尖锐的质疑是：“你的 API 是绑定了银行账户的。在一个非常公开的系统上‘Vibe Code’一个指挥控制系统（C&C），这似乎是个非常糟糕的选择。” 网友 neuroelectron 则提出了一个充满讽刺的悖论： “我的 Claude 拒绝了我 10 个提示中的 9 个，并对我进行‘安全教育’，但它却被用于真正恶意的间谍活动？谁来让这个逻辑自洽一下。” 社区普遍认为，一个真正的 APT 组织，更有可能使用自己私有的、离线的、不受审查的本地模型，而不是一个处处受限、日志完备的美国公司产品。 5. 当 AI 泡沫遇上安全 FUD(恐惧、不确定和怀疑) 用户 EMM_386 提出了一个“洗地”角度： “我们都搞错了。Anthropic 不是一家安全厂商……这份报告的受众不是 SOC（安全运营中心）的工程师，而是政策制定者和 AI 安全研究者。它警告的是一种新的攻击模式。” 这个观点试图将这份报告从“技术文档”的失败，挽救为“政策白皮书”的成功。但这个观点立刻遭到了反驳。用户 padolsey 回应道：“就算如此，他们也完全可以分享脱敏的 Prompts、攻击的编排模式。他们这种刻意的模糊，根本不是安全行业的运作方式。” 也许 Anthropic 根本就没有一个能写出合格威胁报告的安全团队。他们只是在自己最擅长的 AI 领域上，看到了一个他们认为或者希望存在的问题，然后用他们最不擅长的方式（写安全报告）把它包装起来，其核心目的，依然是 AI 圈的老套路：制造 FUD (恐惧、不确定和怀疑)，然后销售解药。这就像当年索尼 PS2 刚发布时，有传闻说“伊拉克在购买数千台 PS2 来制造超级计算机”一样，听起来很酷，但本质上都是营销。

#Anthropic #AI网络间谍 #营销炒作 #安全报告质疑 #中国归因

海拉鲁编程客

1个月前

这个AI 世界很疯狂 Openai 忙着征服编程 Grok 忙着取代福利姬 Gemini 忙着放风不让奥特曼阻击 Anthropic 忙着把用户送给国产大模型

#AI 混战 #OpenAI #Gemini #Grok #Anthropic

karminski-牙医

1个月前

Anthropic 你这瓜保熟吗你就拿出来卖? Anthropic 真抽象啊, 刚发了篇文章说他们成功阻断了一个使用 claude code 发起的间谍活动, 而间谍活动则是由东大国家支持团体发起的. 然后把人帐号封了. 不是你这瓜保熟吗你就拿出来卖? 合着既宣传 claude code 猛又踩一波东大是吧? 我阅读了他们整个PDF报告, 无任何数据引用, 无任何数据包/代码/攻击源/攻击特征展示. 只不过有样学样的给攻击定了个编号 GTG-1002, 感情你们刚破获两个其中一个就是东大是吧? 咋概率这么高呢? 金瓜蛋子? (给不知情的同学介绍下背景, Anthropic 是 DARPA 的承包商)

#Anthropic #Claude Code #东大 #间谍活动 #GTG-1002

1个月前

重磅：Claude AI母公司 Anthropic 逮住中国间谍黑客。他们说：“我们挫败了一场高度复杂的由人工智能主导的间谍活动。此次攻击的目标包括大型科技公司、金融机构、化工制造企业和政府机构。我们高度确信，此次攻击的幕后黑手是中国政府支持的组织。”

#中国间谍 #Anthropic #网络攻击 #科技公司 #政府机构

1个月前

现在开始流行新的设计风格，淡黄色主色调，极简，文本为主，丰富的动画：下面这几个网站都是这种风格，感觉前三个是互相借鉴...： Cursor: Elevenlabs: parallel AI: 下面的动画超级好看当然还有 Anthropic 它的配色是我超级喜欢的，看上去非常舒服，治愈。可惜 AI 现在最擅长生成的渐变风格，已经被扫入历史垃圾堆去了。不知道这种风格最早是哪个网站开始的？

#极简设计 #淡黄色 #动画 #AI #Anthropic

1个月前

Anthropic 也意识到堆砌冗长的MCP Server 非常干扰上下文，一加载就是一堆 tools，有时我不得不将其wrap成本地工具。但是这个code with mcp 怎么和已有的Agent 流程打通是很大的问题。 Filesystem is all your need。

#多智能体之争：Anthropic生态VS单智能体· 81 条信息

#Anthropic #MCP Server #Agent流程 #Filesystem #tools

1个月前

anthropic断供TRAE里面的claude模型了。朋友发给我的，我从来不用trae，他昨天刚冲完年卡😂

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Anthropic #Trae #Claude模型 #断供 #年卡

1个月前

OpenAI 预测 2028 年收入将过千亿美金；Anthropic 的 API 收入已经超过 OpenAI，编码市场占有率 42%，稳居第一；科技巨头 Capex 的 GDP 占比已经超过互联网泡沫，好在他们都是通过自己的赚的钱来投资的！但刚听说算力最多的 Google 都要发债搞基建了，你说我们是不是在 AI 的浓郁泡沫之中呢🤔

#OpenAI #Anthropic #AI泡沫 #算力基建 #科技巨头Capex

1个月前

一个值得聊的有趣问题：哪家公司会第一个宣称“正式实现 AGI”？是在哪一年？抛砖引玉：我感觉很近了，不超过一年半。可能是 openai，或者是 anthropic。可以到 polymarket 上赌个一块钱的，哈哈

#AGI #OpenAI #Anthropic #Polymarket #人工智能

Jintao Zhang 张晋涛

1个月前

今天 Anthropic 推出了限时福利，送一个月免费的 Claude Pro，手慢无点这个链接就可以：

Claude Skills系统发布引发AI行业新变革· 66 条信息

#Anthropic #Claude Pro #限时福利 #免费 #积极

2个月前

原来，机构在一个月前就知道，anthropic给goog下了100万tpu的订单，消息比散户快太多了。

DeepSeek数据泄露：德国下架，信任崩盘· 446 条信息

中国DeepSeek引发美国科技股暴跌事件· 170 条信息

#机构 #Anthropic #Google #TPU #订单