Claude Managed Agents，三位创始人讲述他们的用法

所以这家公司最看重的功能是Outcomes。做法是给智能体一张评分表，再让一个与执行任务的智能体完全分离的另一个智能体按这张表给结果打分。评分表里既有“是否拿到了正确的人的LinkedIn”这样的客观项目，也有“是否整理成一眼能扫完，而不是五页资料”这样的阅读便利项目。评分没通过，公司会选择什么都不给用户看。

Actively是一家给每个客户公司分配一个智能体的公司。一名销售负责100家客户，就有100个智能体各自积累记忆运转，但像“今天该攻的前五家客户是谁”这种需要横跨客户来回答的问题，这种结构解决不了。创始人Mihir Garimella说，他用Managed Agents在两周内做出了填补这一空缺的Watchtower功能，现在它已经成为使用最多的功能之一。

这家公司租用的是记忆存储。各客户的核心记忆出于检索速度和防损坏的考虑由自己管理，但组织如何做预测、用户优先什么之类的其余记忆，则交给服务提供的托管记忆。Garimella的解释是，不需要和别人不一样的部分，没有理由自己做。

Pendo的用法有些不同。这家公司销售的是记录用户在客户应用里实际做了什么的产品分析工具，而新的智能体还会接收客户的源代码，把代码想做的事和实际发生的事对上。每当有Pull Request提交，智能体就读代码并做一次轻量的可用性审查；夜里则检查前一天的转化率有没有下降，最远追溯到4周前的改动来提出修正建议。

因为要处理别人的源代码，Pendo租用的是沙箱，也就是隔离的工作空间。首席执行官Todd Olson说，一接触源代码，机密值就可能泄露，暴露哪些工具、发送哪些数据都得一一操心，而这些工作不是公司的核心价值。他们原本有自建的系统，但问题越积越多，于是拿来和Managed Agents比较，据说几天之内基础设施就跑起来了，几周之内整个产品都搬了过去。

三个人判断要不要自己做的标准是一样的：基础设施是否决定正在做的这个功能的质量。Garg说，在简报功能上，运行智能体的框架本身不是核心能力，但如果要做一个完全靠语音操控的助理，那个框架就是产品，自己做的可能性很高。Olson补充说，在早期阶段没有哪家公司是基础设施公司，把功能尽快送到客户面前才是优先事项。

租用一方的不满也没有藏着。Garimella说，把任务分发到500家客户时不能用最顶级的模型，得换成便宜的模型，但这项服务的结构近乎全有或全无，能压缩成本的调节手段很少。Olson说，如果能把夜里提前跑也无妨的任务用批处理方式处理，成本可以省下一半到四分之三，但现在很难做到。Anthropic一方的主持人回应说，批处理模式会有帮助。

关于评估方法的对话也很坦率。Garg说，一开始凭感觉做，从产品上手的那一刻起就需要评估集；Garimella说，最管用的方法是和真实客户对话，把他们提出的问题转化为评估题。他们也坦承，对于记忆不断变化的系统，或者依赖Slack等外部服务的智能体，还没有找到离线评估的办法。

他们还指出了新模型上线时的陷阱。Garg说，Claude 5系列比上一代更容易写出一看就是AI写的句子，破折号也用得更频繁，而Anthropic能做的最有价值的事，就是提前告知新模型带来的新失效方式。这是一家做自家产品的公司负责人，当着模型公司的面指出该公司模型的毛病的场面。

这段视频对韩国开发者有意义的地方在于算法而非结论。三家公司都明知自己做更便宜、更自由，却选择了在一天或两周内推出功能，并用数字说明了他们在成本和控制上放弃了什么。正在纠结要不要自己搭智能体基础设施的团队，只要看看这三个人以怎样的顺序回答同一个问题，就能理清自己的答案。

归根结底，Anthropic想通过这段视频展示的是Managed Agents很快，而三位创始人补充的是这种快的代价。当天得出的最简短的答案是：如果试错的成本是学习所需的时间，那就该租用；如果一个功能必须把成本降低90%才能成立，那就得自己做。