专题 · FULL STORY

Claude Managed Agents：从教程到千级子代理公测

Anthropic 先发布 Claude Managed Agents 的参考实现教程，随后官宣其动态工作流进入公测，单次可调度上千个子 Agent，并公开架构与实战详解。这是一条从预热到官方落地再到技术展开的完整产品发布线。

2026-10-09 ~ 2026-10-12 · 3 集 · 19 条

第 1 集 · Anthropic 教程：用 Claude Managed Agents 搭定时自动化 Agent(2026-10-09,2 条)

Anthropic 发布 Claude Managed Agents（beta）参考实现教程，由 Lance Martin 与 CJ Avilla 撰写，教你搭建定时运行的自动化 agent。示例场景包括按计划读取 Slack 和 GitHub 信息、定时收集情报并自动播报，展示了如何用 Claude 构建有效的工作流自动化，帮助开发者快速上手 agent 自动化实践。

第 2 集 · Anthropic 公测 Managed Agents 动态工作流，单次可调度千个子 Agent(2026-10-10,12 条)

Anthropic 官方宣布 Claude Managed Agents 的动态工作流进入公开测试，这是面向大规模工作负载的新型多 Agent 编排方式：主 Agent（lead agent）先编写一份计划，分阶段调度多个 Agent 并行工作，各 Agent 以隔离上下文运行，最后汇总结果，单次运行最多可调度 1,000 个子 Agent。任务拆分与汇总由 Anthropic 服务器端完成，据 victorexplore 转述，这意味着开发者构建 agent 时不再需要自建这类编排框架，该能力已下沉为 Claude 平台原生功能。

已确认

  • 公测范围与调度上限（1,000 个子 Agent）由 Anthropic 官方公告，testingcatalog、YashasGunderia、PtrPomorski、xiaohu、新智元等也作了报道。
  • brada 指出这对应平台文档新增的多智能体编排（Multiagent Orchestration）能力：单个 agent 可在会话内协调多个 agent，官方称可提升输出质量与完成速度，并区分了子代理与动态工作流两种委派方式。
  • 官方基准测试：在 11.6 万行代码库中人为埋入 70 个 bug，单 Agent 三轮分别只找到 14、15、27 个；多 Agent 工作流三轮均稳定找出共 66 个（检出率九成以上），差距显著。
  • 官方使用指南：将 agent 的 multiagent type 配置为 multiagent20261001 后即可让 Claude 自动运行工作流；建议先用 onboard 命令从小任务起步，再逐步提高复杂度。
  • Anthropic 还以鸡蛋空投挑战实测了这套模式：据 Arindam 转述，Opus 5.5 主控搭配多个 Haiku 子代理（含 10 个 Haiku 子代理的用法）提速约 3 倍、节省约 70% 成本，具体条件待官方原文核实。

为什么重要

  • 主 Agent 自动规划与调度，大幅降低并行任务的搭建门槛。
  • 官方 bug 检出测试为多 Agent 相对单 Agent 的效果提供了量化佐证，尽管仍有 4 个 bug 未被找到，说明并非完美。
  • 多模型分层（强模型主控+轻量模型执行）的实践显示该编排方式在成本与速度上也有收益空间。

第 3 集 · Anthropic Claude Managed Agents 公测并详解架构与实战(2026-10-12,5 条)

Anthropic 于 10 月 12 日宣布 Claude Managed Agents 的动态工作流（dynamic workflows）进入公测，这是一种新的多 agent 编排类型：由一个 lead agent 先制定计划，再跨多个阶段调度执行，一个计划最多可调度 1000 个 agent 分阶段运行。同日，Anthropic 工程负责人 Priyanka Phatak 与工程师 Gabe Cemaj 在 AI Engineer World's Fair 的 Claude Managed Agents 工作坊（四部曲）中系统讲解了该产品。

已确认

  • 公测信息由 Anthropic 官方宣布：动态工作流为新多 agent 编排类型，lead agent 先写计划，再跨多阶段执行，单计划至多 1000 个 agent。
  • 第 1 集由 Priyanka Phatak 拆解架构演进：产品从单体走向解耦，凭据不进入沙箱，首 token 延迟降低 90%。
  • 第 2 集为动手实战：先在 console 中零代码搭建一个 agent，再基于 session 引入带自评分 rubric 的 Claude 研究型 Agent。
  • 第 3 集演示三项核心能力：定时任务（scheduled jobs）、多会话编排与 Dreaming 记忆。
  • 第 4 集为收官问答：agent 配置保持 YAML 定义，用 ant CLI 在 CI/CD 中同步版本，并回应了评测、CI/CD 与多租户隔离等实践问题。

为什么重要

  • 动态工作流把「一个计划调度上千 agent」的能力带入公测，显著降低了大规模多 agent 编排的门槛。
  • 凭据不进沙箱、首 token 延迟降 90% 等工程细节，反映了 Anthropic 在安全与低延迟托管 agent 基础设施上的取舍，对构建多 agent 系统的团队具有直接参考价值。