心 智 七 篇 · Seven Mental Models
中 EN
← Knowledge Atlas · 实体

Anthropic

AI 安全公司，Claude 开发者，本 wiki 最主要参考来源
实
实体 · ANTHROPIC · AI 安全公司 · Claude · 可解释性 · Agent 基础设施

Anthropic

AI 安全公司，Claude 系列模型开发者——本项目最主要参考来源之一

Anthropic 是本 wiki 最主要的参考来源之一：agentic systems 的 workflows vs agents 分类、augmented LLM 基础构建块、五种 workflow 模式、ACI 设计原则、harness engineering 方法论均来自其官方文档。在 mechanistic interpretability 方面是业界领先者，MIT Technology Review 将其列为 2026 年十大突破技术。

四个核心领域
Agent 框架Claude Agent SDK（原 Claude Code SDK）：「给 agent 一台计算机」，隐式循环架构，内建 context compaction
可解释性Circuit Tracing 归因图、Biology of a LLM（Claude 3.5 Haiku 系统性研究）、涌现内省意识——2026 MIT TR 十大突破
Managed Agentsbrain-hands 解耦：推理与执行分离，meta-harness 概念的首个生产实现，借鉴 OS 虚拟化设计
结构化输出grammar-constrained sampling，约束只作用于直接输出，Extended Thinking 推理区段保持自由
旗舰模型
Claude Opus 4.6
截至 2026 年旗舰，首个 Opus 级 1M token context，agent teams + adaptive thinking
MCP 主导
Anthropic 主导的模型上下文协议——agent 工具接入的标准化接口
→ Claude Code · Claude Agent SDK · Mechanistic InterpretabilityAnthropic Official Docs (2024-2026)

Anthropic

AI 安全公司，Claude 系列模型的开发者。

与本 wiki 的关联

Anthropic 是本项目最主要的参考来源之一。其关于 agent 构建的官方文档定义了许多核心概念：

  • Agentic systems 的 workflows vs agents 分类
  • Augmented LLM 作为基础构建块
  • 五种 workflow 模式的系统化梳理
  • ACI 的概念和设计原则
  • Harness engineering 的实践方法论

相关实体

  • Claude Agent SDK — Anthropic 的 agent 开发框架
  • MCP — Anthropic 主导的模型上下文协议

可解释性研究

Anthropic 在 mechanistic interpretability 方面是业界领先者：

Claude Opus 4.6

Opus 4.6 是截至 2026 年的旗舰模型，首个 Opus 级 1M token context，agent teams、adaptive thinking、effort 控制等产品特性。

Claude Code

Claude Code 是 Anthropic 的官方 AI 编码 agent CLI，将 Claude 嵌入开发工作流。其权限系统是生产级 agent 权限管理的参考实现——三级工具分级审批、deny-first 规则语义、五级作用域层次、六种权限模式，以及与 OS 沙箱的双层纵深防御。

Managed Agents

Managed Agents 是 Anthropic 的托管式 agent 服务，将 agent 组件（session、harness、sandbox）虚拟化为稳定接口。核心架构是 brain-hands 解耦——推理与执行分离，每个组件可独立故障恢复和替换。这是 meta-harness 概念的首个生产实现，直接借鉴了 OS 虚拟化的设计方法。

Context Engineering

Effective Context Engineering 是 Anthropic 对 context engineering 的系统性论述——从 prompt engineering 到 context engineering 的演进、注意力预算与 context rot、just-in-time context 策略、长时任务的三种策略（compaction、structured note-taking、sub-agent 架构）。

Structured Outputs

Anthropic 提供结构化输出 API（output_config.format），使用 grammar-constrained sampling（文法约束采样）保证模型输出符合 JSON Schema。底层机制与 OpenAI Structured Outputs 同类，但 Anthropic 对文法作用域、缓存失效规则、可选参数复杂度模型有更细化的文档化说明。关键设计：grammar 约束只作用于直接输出，不影响 Extended Thinking 的推理区段，让模型保留思考阶段的自由度。

References

  • sources/anthropic_official/building-effective-agents.md
  • sources/anthropic_official/effective-harnesses-long-running-agents.md
  • sources/anthropic_official/harness-design-long-running-apps.md
  • sources/anthropic_official/building-agents-claude-agent-sdk.md
  • sources/anthropic_official/tracing-thoughts-language-model.md
  • sources/anthropic_official/introducing-claude-opus-4-6.md
  • sources/anthropic_official/circuit-tracing-methods.md
  • sources/anthropic_official/biology-large-language-model.md
  • sources/anthropic_official/emergent-introspective-awareness.md
  • sources/anthropic_official/harnessing-claudes-intelligence.md
  • sources/anthropic_official/effective-context-engineering-for-ai-agents.md
  • sources/anthropic_official/claude-code-permissions.md
  • sources/anthropic-managed-agents.md