AI Wrapper 时代已经结束。Claude Agent Wrapper 时代正式开启。

我拆解了 Anthropic Claude Code 负责人 Tariq Shihipar 主导的一场 90 分钟 Workshop。

自 Manus 以来，整个行业对 Agent 的兴趣呈爆发式增长 - 但真正能在生产环境中跑起来的 Agent 到底怎么造，依然模糊得让人抓狂。这场 Workshop 是 Anthropic 对这个问题的正面回答。

抛开那些只是套了层 LLM API 外壳的服务，在设计 Agent 原生应用时，到底需要做出哪些本质改变？以下是四个核心要点。

Bash 是最强大的工具

你不需要几十个自定义工具。

• Linux 上已有的软件 - ffmpeg、jq、curl 等等 - 通过 Bash 命令组合起来就能搞定绝大多数任务。
• Agent 可以自己通过阅读 man page 和 --help 输出来学会使用工具。
• 你不需要把每个工具的规格说明都塞进提示词里，也就意味着更少的上下文窗口浪费。

这背后的意义很深远：与其为每一项功能都去搭专门的集成，不如直接给 Agent 一个 shell，让它自己编排已有的软件。整个 CLI 工具生态都变成了 Agent 的工具箱 - 而且这些工具完全不需要提前注册。

Agent 循环的核心是验证

收集上下文 → 执行动作 → 验证结果。

• 判断要不要用 Agent 的标准很简单：你能不能验证它的输出？
• 代码很容易验证 - 编译器和 Linter 天然就在那里。对于研究类任务，你需要单独设计验证逻辑 - 比如要求附带引用来源。
• 不要只依赖模型的智力。在循环中放入确定性工具 - 文件存在性检查、语法校验、类型检查 - 用它们来防止幻觉。

这是大多数团队忽略的关键洞察。他们把精力放在让 Agent 更聪明上，但真正该做的是让 Agent 更可验证。一个平庸的模型配上强大的验证循环，会完胜一个天才模型配上零验证。

非开发工作也通过代码生成来解决

即使是查天气、分析邮件这种简单任务，用代码处理也比用纯文本回复更高效。

• 方法是：让 Agent 即时编写脚本，串联多个 API 并处理数据。
• Claude Code 有相当大比例的用户其实并非开发者 - 来自市场、财务、运营等岗位。
• 把数据分析和重复性任务当作”一次性代码”来处理 - 写完就跑、跑完就扔 - 正在成为标准工作流。

这重新定义了 Agent 时代”写代码”的含义。Agent 不需要预先集成你的邮件服务商。它直接写一个脚本去调 API、过滤数据、返回结果 - 全部在运行时生成。

上下文工程活在文件系统里

除了提示词工程，你还需要设计 Agent 所处的工作环境。

• 给 Agent 增加新能力，靠的不是复杂的微调，而是给它一个文件夹，里面放好写得清楚的 Markdown 文件和脚本。
• Tariq 把这种理念称为 “file system pilled”（文件系统信仰）。
• Agent 是有状态的。Agent 架构的核心是一个沙箱环境 - 一个容器 - 在其中 Agent 拥有文件系统访问权限，可以执行 Bash 命令。

可以这样理解：文件系统同时充当了 Agent 的长期记忆、参考资料库和工作空间。项目根目录下的 CLAUDE.md 不只是文档 - 它是 Agent 的入职指南。scripts/ 目录不只是工具集 - 它是 Agent 的装备库。

范式转移

就像 Web 开发从 jQuery 演进到 React - 从命令式 DOM 操作转向组件化架构 - Agent 开发也正在从裸调提示词走向结构化框架。

问题不再是”我该问什么”，而是”我该给什么权限和环境”。

真正理解这个区分的团队 - 明白 Agent 的表现取决于围绕它的系统而非模型本身 - 将会打造下一代软件。

基于 Tariq Shihipar 在 Anthropic 的 Workshop 内容。