Agent 元年复盘：从 Claude Code 到 Deep Agent，Agent 的架构之争已经结束

Agent 元年复盘：从 Claude Code 到 Deep Agent，Agent 的架构之争已经结束 Agent 元年复盘：从 Claude Code 到 Deep Agent，Agent 的架构之争已经结束 Modified December 25, 2025 无论如何， Claude Skill 是 2025 年 AI 应用我认为的最佳工作。如此简单而美的工作，用最直观、清晰、简练的方式，解决了 Agent 复杂能力的封装与扩展问题。 维度二：怎么 Long Running langgraph 提出来 4 种方法，让你的 agent 在长时间运行不崩溃，甚至 langgraph 开发了一个包，就叫 Deep Agent 。里面提到了 4 种方法。 • Planning 规划是深度代理能够在其目标上执行 更长时间跨度任务 的重要组成部分。 • 任务分解： 规划工具（例如内置的 write todos 工具）使得代理可以将复杂的任务分解为离散的步骤，跟踪进度，并根据新信息调整计划。 • 保持焦点： 规划工具通过在模型的上下文（context）中创建待办事项列表等消息，帮助代理在执行过程中保持正确的轨道。 • Sub Agents 子代理的目的是允许代理将任务拆分，并 实现上下文隔离 。 1. 上下文隔离 : 子任务的执行过程不会污染主智能体的上下文。 2. 并行执行 : 多个子任务可以同时进行，大幅提升效率。 3. 专业化分工 : 可以为不同的子智能体配置专属的工具和指令。 4. Token 效率 : 子智能体完成任务后，只将最终的、高度综合的结果返回给主智能体，极大地压缩了上下文。 但 Sub Agents 的架构已经收敛到一个超强的 main agent，必要时再按需调用 sub agent 的架构。例如下图的 supervisor。这种架构还有个好处，KV cache 能很好地利用上，省钱+跑得快。 • File System • 上下文卸载： 文件系统（如 ls 、 read file 、 write file 、 edit file 等工具）允许代理将大量的上下文卸载到文件中。这有助于防止上下文窗口溢出，并避免由于上下文过多导致的大语言模型性能下降。 • 共享工作区： 文件系统可用作所有代理（包括子代理）协作的共享工作区。 • 长期记忆： 代理可以通过文件系统存储（然后稍后读取）笔记或信息，充当“记忆”功能。此外，文件系统也可以用于存储代理可执行的脚本或“技能”，并通过命令行工具（如 Bash 工具）调用。 • SyStem Prompt 系统提示在深度代理的实现中至关重要。最优秀的 code cli 或 deep research 往往拥有 非常复杂和详细的系统提示 。例如 claude deep research 的 prompt 。 • 详细指导： 系统提示通常很长，包含关于如何使用各种工具的详细说明。 • 示例学习： 它们可能包含少量示例（few shot prompts），指导代理在特定情况下如何行动。 • 复杂性承载： 尽管模型能力强大，但依然需要提供数百甚至数千行的详细指令，这是因为提示工程仍然非常重要。 通过细致的提示，可以将应用的复杂性转移到提示本身 。 这些详细指令通常会定义： 1. 何时应该暂停执行并进行 规划 的识别标准。 2. 何时应该生成 子智能体 ，以及何时应该自己完成工作的决策协议。 3. 所有可用 工具 的详细定义、使用方法和最佳实践示例。 4. 文件命名和目录结构的 标准规范 ，以保证工作空间的整洁。 这四大支柱并非孤立存在，它们相辅相成，共同构成了 Deep Agent 的核心运作机制。而将这一切串联起来的底层技术，正是“上下文工程” 。 Agent 技术形态的收敛 在 10 月份前，我觉得 Agent 的技术发展还没收敛的。 • 证据一：自 Manus 于三月份推出到十月份， 他们已经重构了 Manus 的架构五次 。 • 证据二：LangChain 在 2025 年 10 月 才 正式上线 1.0 正式版本（v1.0），并同时推出了 DeepAgent 。 但 2025 年 10 月份后，我认为已经收敛，收敛到以 Claude Agent SDK 和 Deep Agent 为代表的架构。 这种架构有什么特点呢？ 上面已经介绍了一部分，它是 Main Agent Sub Agent（主从架构） ，还具备 自主规划（Planning）能力和独立的文件系统 概念。 还有些没提到，包括 • 上下文自动压缩 (Context Compression) ：当 Token 使用量达到上限（如 200k）的 80% 时，自动调用总结模型对前文进行摘要压缩，释放空间。 • 分层的工具调用：解决上下文拥挤的问题 向 LLM 一次性灌输超过 100 个工具会导致 上下文混淆 (Context Confusion) ，极易引发幻觉或参数错误。Manus 等先进架构通过 三层分层设计 缓解了这一问题： • 第 1 层：原子层 (Atomic Layer) ◦ 特点： 仅保留约 20 个核心、高频、正交的工具。 ◦ 内容： read file , edit file , browser navigate , bash , ls 、 task 等。 ◦ 目的： 确保模型最基础的交互能力稳定可靠。 • 第 2 层：沙箱工具层 (Sandbox Utilities) ◦ 核心思想： 去工具化。不再为每个程序（如 ffmpeg ）封装独立的 Function Call 定义，而是直接让 LLM 使用 bash 工具在命令行中调用预装程序。 ◦ 优势： 将工具的具体定义排除在 Context 之外，极大节省 Token 并降低混淆。 ◦ 案例对比：视频处理 (FFmpeg) Code block Plain Text Copy ❌ 传统模式（API 堆砌）： 开发者必须预定义 convert video 等大量专用工具及其繁杂参数（分辨率、码率等）。 结果： LLM 面对的是一个冗长且受限的工具列表 [file read, convert video, resize image...]，消耗大量 Token 且缺乏灵活性。 ✅ Manus 模式（通用沙箱）： 开发者仅提供 bash 工具，并写入提示词：“如果你发现当前没有合适的工具，请使用 /help 命令探测系统环境。” 执行流程： 判断：用户请求处理视频，LLM 扫描工具列表 [file read, bash]，发现没有视频工具。 探测：LLM 遵循预设提示，通过 bash 执行 /help，系统返回可用命令列表 (如 ffmpeg)。 执行：LLM 随即构建并执行 ffmpeg i video.mov... 完成任务。 底层还是 渐进式披露 的思想。 • 第 3 层：代码/包层 (Code/Packages) ◦ 核心思想： 逻辑封装 。类似 Huggingface Smolagents 的理念。 ◦ 场景： 针对复杂的串行逻辑。 ◦ 解决方案： 不再进行 3 次 LLM 往返交互 (Roundtrips)，而是直接提供 Python 库，让 Agent 编写一段动态脚本一次性执行所有步骤。如下图，假如用 tool，可能一个简单的问题“帮我查看每个国家换算成美元后的手机价格，找过最便宜的国家”需要上百次的 tool 调用，但用代码其实只是十几行代码的循环。 既然通用型 Agent 的架构已经如此强大，我们如何将其适配到特定的垂直业务场景中？ 1. 业务知识技能化 (Skills via File System)： 将业务文档、SOP（标准作业程序）抽象为 Skills，存储在 Agent 的文件系统中。模型根据任务需求，按需动态加载（Load on Demand），而非一次性塞入。 2. 业务接口 MCP 化 (MCP)： 将企业的业务 API 封装为 MCP (Model Context Protocol) 服务。Agent 可以像连接外设一样，按需连接和调用这些 Server。 3. 提示词精细化 (Fine grained System Prompts)： 分别针对 Main Agent（负责调度）和 Sub Agent（负责执行）编写极度详细的 System Prompt，约束其行为边界。 Deep Agent prompt 他们已经重构了 Manus 的架构五次 正式上线 1.0 正式版本（v1.0），并同时推出了 DeepAgent Claude Agent SDK Deep Agent MCP 无论如何， Claude Skill 是 2025 年 AI 应用我认为的最佳工作。如此简单而美的工作，用最直观、清晰、简练的方式，解决了 Agent 复杂能力的封装与扩展问题。 维度二：怎么 Long Running langgraph 提出来 4 种方法，让你的 agent 在长时间运行不崩溃，甚至 langgraph 开发了一个包，就叫 Deep Agent 。里面提到了 4 种方法。 Deep Agent • Planning 规划是深度代理能够在其目标上执行 更长时间跨度任务 的重要组成部分。 • 任务分解： 规划工具（例如内置的 write todos 工具）使得代理可以将复杂的任务分解为离散的步骤，跟踪进度，并根据新信息调整计划。 • 保持焦点： 规划工具通过在模型的上下文（context）中创建待办事项列表等消息，帮助代理在执行过程中保持正确的轨道。 • Sub Agents 子代理的目的是允许代理将任务拆分，并 实现上下文隔离 。 1. 上下文隔离 : 子任务的执行过程不会污染主智能体的上下文。 2. 并行执行 : 多个子任务可以同时进行，大幅提升效率。 3. 专业化分工 : 可以为不同的子智能体配置专属的工具和指令。 4. Token 效率 : 子智能体完成任务后，只将最终的、高度综合的结果返回给主智能体，极大地压缩了上下文。 但 Sub Agents 的架构已经收敛到一个超强的 main agent，必要时再按需调用 sub agent 的架构。例如下图的 supervisor。这种架构还有个好处，KV cache 能很好地利用上，省钱+跑得快。 • File System • 上下文卸载： 文件系统（如 ls 、 read file 、 write file 、 edit file 等工具）允许代理将大量的上下文卸载到文件中。这有助于防止上下文窗口溢出，并避免由于上下文过多导致的大语言模型性能下降。 • 共享工作区： 文件系统可用作所有代理（包括子代理）协作的共享工作区。 • 长期记忆： 代理可以通过文件系统存储（然后稍后读取）笔记或信息，充当“记忆”功能。此外，文件系统也可以用于存储代理可执行的脚本或“技能”，并通过命令行工具（如 Bash 工具）调用。 • SyStem Prompt 系统提示在深度代理的实现中至关重要。最优秀的 code cli 或 deep research 往往拥有 非常复杂和详细的系统提示 。例如 claude deep research 的 prompt 。 prompt • 详细指导： 系统提示通常很长，包含关于如何使用各种工具的详细说明。 • 示例学习： 它们可能包含少量示例（few shot prompts），指导代理在特定情况下如何行动。 • 复杂性承载： 尽管模型能力强大，但依然需要提供数百甚至数千行的详细指令，这是因为提示工程仍然非常重要。 通过细致的提示，可以将应用的复杂性转移到提示本身 。 这些详细指令通常会定义： 1. 何时应该暂停执行并进行 规划 的识别标准。 2. 何时应该生成 子智能体 ，以及何时应该自己完成工作的决策协议。 3. 所有可用 工具 的详细定义、使用方法和最佳实践示例。 4. 文件命名和目录结构的 标准规范 ，以保证工作空间的整洁。 这四大支柱并非孤立存在，它们相辅相成，共同构成了 Deep Agent 的核心运作机制。而将这一切串联起来的底层技术，正是“上下文工程” 。 Agent 技术形态的收敛 在 10 月份前，我觉得 Agent 的技术发展还没收敛的。 • 证据一：自 Manus 于三月份推出到十月份， 他们已经重构了 Manus 的架构五次 。 他们已经重构了 Manus 的架构五次 • 证据二：LangChain 在 2025 年 10 月 才 正式上线 1.0 正式版本（v1.0），并同时推出了 DeepAgent 。 正式上线 1.0 正式版本（v1.0），并同时推出了 DeepAgent 但 2025 年 10 月份后，我认为已经收敛，收敛到以 Claude Agent SDK 和 Deep Agent 为代表的架构。 Claude Agent SDK Deep Agent 这种架构有什么特点呢？ 上面已经介绍了一部分，它是 Main Agent Sub Agent（主从架构） ，还具备 自主规划（Planning）能力和独立的文件系统 概念。 还有些没提到，包括 • 上下文自动压缩 (Context Compression) ：当 Token 使用量达到上限（如 200k）的 80% 时，自动调用总结模型对前文进行摘要压缩，释放空间。 • 分层的工具调用：解决上下文拥挤的问题 向 LLM 一次性灌输超过 100 个工具会导致 上下文混淆 (Context Confusion) ，极易引发幻觉或参数错误。Manus 等先进架构通过 三层分层设计 缓解了这一问题： • 第 1 层：原子层 (Atomic Layer) ◦ 特点： 仅保留约 20 个核心、高频、正交的工具。 ◦ 内容： read file , edit file , browser navigate , bash , ls 、 task 等。 ◦ 目的： 确保模型最基础的交互能力稳定可靠。 ◦ 特点： 仅保留约 20 个核心、高频、正交的工具。 ◦ 内容： read file , edit file , browser navigate , bash , ls 、 task 等。 ◦ 目的： 确保模型最基础的交互能力稳定可靠。 • 第 2 层：沙箱工具层 (Sandbox Utilities) ◦ 核心思想： 去工具化。不再为每个程序（如 ffmpeg ）封装独立的 Function Call 定义，而是直接让 LLM 使用 bash 工具在命令行中调用预装程序。 ◦ 优势： 将工具的具体定义排除在 Context 之外，极大节省 Token 并降低混淆。 ◦ 案例对比：视频处理 (FFmpeg) ◦ 核心思想： 去工具化。不再为每个程序（如 ffmpeg ）封装独立的 Function Call 定义，而是直接让 LLM 使用 bash 工具在命令行中调用预装程序。 ◦ 优势： 将工具的具体定义排除在 Context 之外，极大节省 Token 并降低混淆。 ◦ 案例对比：视频处理 (FFmpeg) 底层还是 渐进式披露 的思想。 • 第 3 层：代码/包层 (Code/Packages) ◦ 核心思想： 逻辑封装 。类似 Huggingface Smolagents 的理念。 ◦ 场景： 针对复杂的串行逻辑。 ◦ 解决方案： 不再进行 3 次 LLM 往返交互 (Roundtrips)，而是直接提供 Python 库，让 Agent 编写一段动态脚本一次性执行所有步骤。如下图，假如用 tool，可能一个简单的问题“帮我查看每个国家换算成美元后的手机价格，找过最便宜的国家”需要上百次的 tool 调用，但用代码其实只是十几行代码的循环。 ◦ 核心思想： 逻辑封装 。类似 Huggingface Smolagents 的理念。 ◦ 场景： 针对复杂的串行逻辑。 ◦ 解决方案： 不再进行 3 次 LLM 往返交互 (Roundtrips)，而是直接提供 Python 库，让 Agent 编写一段动态脚本一次性执行所有步骤。如下图，假如用 tool，可能一个简单的问题“帮我查看每个国家换算成美元后的手机价格，找过最便宜的国家”需要上百次的 tool 调用，但用代码其实只是十几行代码的循环。 既然通用型 Agent 的架构已经如此强大，我们如何将其适配到特定的垂直业务场景中？ 1. 业务知识技能化 (Skills via File System)： 将业务文档、SOP（标准作业程序）抽象为 Skills，存储在 Agent 的文件系统中。模型根据任务需求，按需动态加载（Load on Demand），而非一次性塞入。 2. 业务接口 MCP 化 (MCP)： 将企业的业务 API 封装为 MCP (Model Context Protocol) 服务。Agent 可以像连接外设一样，按需连接和调用这些 Server。 MCP 3. 提示词精细化 (Fine grained System Prompts)： 分别针对 Main Agent（负责调度）和 Sub Agent（负责执行）编写极度详细的 System Prompt，约束其行为边界。 业务中的思考 如何将现有 Workflow 升级为 Agent 其实很简单，仿照 claude 的 deep research prompt 就好了。 claude 的 deep research prompt claude deep research 就是一个很典型的 main agent/sub agent 架构，只有三个 prompt，一个 main agent（lead agent），一个 subagent，一个是生成文章后处理引用信息的 agent 最重要的就是 main agent/sub agent 。 模仿 Claude Deep Research 的 Prompt 架构。我们可以将大量复杂的业务流程和决策逻辑，通过极度详尽的 System Prompt 沉淀到 Main Agent 的认知体系中。 很多人之所以不相信这种方式有效，往往是因为他们没有使用最 SOTA 的模型（claude4.5、 gemeni3 、 gpt5.2）。 假如确实没有拿到最 SOTA 的模型，那就把任务难度降一层级吧。在那些没那么复杂的业务上做尝试。 相较于传统微调（SFT）动辄两周的长周期 —— 在此期间需要投入大量时间进行数据清洗、人工标注和反复训练。Agent 模式的开发路径直接跳过了最耗时的数据准备环节，将迭代周期从 “周级” 压缩至 “天级”。其核心逻辑，本质是通过消耗 token 的方式来换取效果的快速迭代与提升。 个人感觉，26 年要多尝试这种开发姿势了。 25 年，我的 Agent 探索新路 25 年过去了，随着更强的模型，现在新发布的模型，例如 deepseekv3.2、kimi 2 thinking、gemini3 它们都一定会宣称自己是一个 agent native model，用了大量 agent 的数据来做训练。 回顾这一年，思考路径随着技术演进而不断深化： • 2025 年 2 月， 受 OpenAI 发布 DeepResearch 的启发，我思考了 Agent 的形态，写下 《25 年什么样的 Agent 会脱颖而出：简单胜于复杂》 。 《25 年什么样的 Agent 会脱颖而出：简单胜于复杂》 • 2025 年 4 月，深入业务场景实践，围绕“端到端复现 Deep Research”撰写了三部曲： ◦ 《端到端的训练，怎么复现 Deep ReSearch（上） ：先从 Deep Search 做起》 ◦ 《端到端的训练，怎么复现 Deep ReSearch（中） ：围绕着”Deep”，解构 Jina 项目的实现》 ◦ 《端到端的训练，怎么复现 Deep ReSearch（下） ：前沿的产品形态》 《端到端的训练，怎么复现 Deep ReSearch（上） ：先从 Deep Search 做起》 《端到端的训练，怎么复现 Deep ReSearch（中） ：围绕着”Deep”，解构 Jina 项目的实现》 《端到端的训练，怎么复现 Deep ReSearch（下） ：前沿的产品形态》 ◦ 《端到端的训练，怎么复现 Deep ReSearch（上） ：先从 Deep Search 做起》 《端到端的训练，怎么复现 Deep ReSearch（上） ：先从 Deep Search 做起》 ◦ 《端到端的训练，怎么复现 Deep ReSearch（中） ：围绕着”Deep”，解构 Jina 项目的实现》 《端到端的训练，怎么复现 Deep ReSearch（中） ：围绕着”Deep”，解构 Jina 项目的实现》 ◦ 《端到端的训练，怎么复现 Deep ReSearch（下） ：前沿的产品形态》 《端到端的训练，怎么复现 Deep ReSearch（下） ：前沿的产品形态》 • 2025 年 8 月，上下文工程是本质，写下 《为什么我们需要 Context Engineering？》 《为什么我们需要 Context Engineering？》 • 期间，紧跟 Anthropic 等厂商的最佳实践实践，看到有感触的就写 《Anthropic：为 Agent 编写高效的工具》 《Anthropic：如何建设有效的上下文》 《我看懂了通义 Deep Research 的进化史》 《Skills 让你的 Agent 从”可用”变”好用”》 《Sub Agent As Tool 的 Agent 设计思想》 《Anthropic：为 Agent 编写高效的工具》 《Anthropic：如何建设有效的上下文》 《我看懂了通义 Deep Research 的进化史》 《Skills 让你的 Agent 从”可用”变”好用”》 《Sub Agent As Tool 的 Agent 设计思想》 拥抱变化，实践感悟。 🔗 原文链接： https://zhuanlan.zhihu.com/p/198351... https://zhuanlan.zhihu.com/p/198351... 作者：周星星 前言 大家好，我是星仔。 随着 2025 年即将画上句号，我想对”Agent 元年“根据个人这一年的实践和认知进行一次收敛。 技术观点：Agent 架构之争已定，收敛至以 Claude Code 和 Deep Agent 为代表的「通用型 Agent」形态。 Claude Code Claude Code 虽然在 2025 年 3 月作为“智能终端编程助手”推出，但其不止于编程。 • 社区里“不务正业”的玩法 ：社区的开发者迅速挖掘了它的潜力，将其用于整理知识库、辅助博客创作、项目管理： ◦ 案例：Claude Code 「全球“薅羊毛”第一人」刘小排（曾用 200 美元套餐消耗 5 万美元 Token）曾断言： “只要有 SOP，就没有 Claude Code 执行不了的任务。” ◦ 案例：Claude Code 「全球“薅羊毛”第一人」刘小排（曾用 200 美元套餐消耗 5 万美元 Token）曾断言： “只要有 SOP，就没有 Claude Code 执行不了的任务。” • 官方的战略转向 ：Anthropic 官方也注意到这种转变，2025 年 9 月，官方发布博文 《Building agents with the Claude Agent SDK》 ，正式将 “Claude Code SDK” 更名为 “Claude Agent SDK”。 ◦ 背后的逻辑：Anthropic 意识到 Claude Code 核心的 Plan（规划）能力、上下文自动压缩、文件系统访问 等机制，不仅适用于编程，同样完美适配深度研究、视频制作等非编程任务。因此赶紧改名，防止大家从命名上认为它们只能做代码。 《Building agents with the Claude Agent SDK》 ◦ 背后的逻辑：Anthropic 意识到 Claude Code 核心的 Plan（规划）能力、上下文自动压缩、文件系统访问 等机制，不仅适用于编程，同样完美适配深度研究、视频制作等非编程任务。因此赶紧改名，防止大家从命名上认为它们只能做代码。 • 不是计划出来的，是演化出来的 ：也许 Anthropic 一开始也不知道 claude code 能做这么多事情，随着社区里更多更多的玩法，才逐渐清晰。这也引出了一个关键问题： 它的核心架构究竟有何特点？我们又该如何对其进行修改适配，将其从“通用型”转化为特定领域的“垂类 Agent”？ ，将在后文详细展开。 行业认知: 2025 年作为 Agent 元年，既没有悲观者眼中的“名不副实”，也未完全达到乐观者预期的“全面替代”，而是处于稳步落地的中间态。 作为一线从业者，我的评价是： 技术已就绪，爆发在局部。 • 验证过的成功： Deep Research 和 Claude Code 已经完全融入日常工作流，成为了稳定可靠的生产力工具。 • 看不见的繁荣： 在招聘、市场营销、医疗等垂直领域，许多 Agent 产品早已实现百万美元营收。但由于大量业务集中在出海方向，导致国内体感不强。 • 核心瓶颈的变化： 年中时我们还在纠结技术架构，但现在架构已趋于统一。当前的真正挑战在于“业务重塑”——即依然需要懂技术的一线从业者，将传统 SOP（标准作业程序）解构和把行业知识提炼出来，以 Agent 友好的方式沉淀为新的工作流。 基于以上背景，本文将从 Deep Agent 为切入点，分享我作为一线开发者在 2025 年的实战感悟。 主要参考资料： Anthropic 、 LangGraph 、 Manus 、 Philipp 。 Anthropic LangGraph Manus Philipp 关于参考资料的说明：在 Agent 领域，这些一线头部企业（特别是 Anthropic）对技术落地和架构的理解属于 T0 版本，其认知深度和实效性目前远超学术论文。如果你想真正研究 Agent，建议暂时放下学术论文，直接关注一线企业的落地实践和思考。 先来下个定义，什么是”Deep Agent“ ？ 首先，它是“Deep”的 个人认为有两点需要做到 特征一：够“垂”（行业性） 具体示例如下： 1. 招聘 Agent 示例 • 输入： 一位 AI 芯片架构师的姓名。 • 任务： 一份专业背景报告。 • 衡量标准（如何才算“够垂”） ：报告内容（研究方向、核心项目、融资历史等）逻辑严谨、信息全面、专业性强，无任何重要信息遗漏和事实错误，达到高级招聘经理的水准。观感上，让老板无法分辨是人工还是 AI 生成。 1. 市场营销 Agent 示例 • 输入 ：某品牌的产品信息和市场定位。 • 任务 ：筛选符合品牌调性的网红（KOL/KOC）并给出市场报价。 • 衡量标准（如何才算“够垂”） ：最终筛选出的名单和报价，与公司市场部人工筛选的结果高度重合（例如 70% 以上重合），且报价在人工测算的合理区间内。 这些就是你的 agent 够“垂”的表现。假如你的 Agent 输出与通用型工具（如 Manus）一样，那就是不合格的。 行业性指的是什么呢？所谓的 行业性 ，是指 Agent 的知识和能力必须源于该行业的 深度实践和共识 ，包括但不限于： • 业务定义的理想态 ：如高级招聘专家定义的标准流程、评分标准或成功方法论。 • 过往案例积累： 行业内成功的或失败的关键案例（如一次成功的招聘、一次失败的市场活动）。 • 行业潜规则/默契： 仅在特定圈子（如猎头行业）流传的专业共识、价格默契、资源倾向或风险偏好。 特征二： Long running （稳定性） Long running • 2025 年 2 月 24 日，Claude 3.7 Sonnet 发布 。Anthropic 为了证明 claude 3.7 Sonnet 能在在复杂任务中的规划和长期连贯性。在 Twitch 平台上开启了 “Claude Plays Pokemon” 的直播，让 claude 自己连续玩好几个小时的宠物小精灵。 Claude Plays 宠物小精灵 Claude Plays 宠物小精灵 • 2025 年 11 月 18 日，Gemini3 发布 ： Blog 里提到 Plan anything 。Gemini 3 提升了其跨越长周期可靠规划的能力。例如，用户要求规划并预订下月初（1 月 6 日、7 日）从兰州到法兰克福的往返行程和酒店。规划流程涉及多步骤的操作，如： ◦ 检查 Google 日历，确保出发时间不与标记为“重要”的会议冲突。 ◦ 如果发现冲突，自动将会议重新安排到会