Claude托管智能体实战：自纠错+长期记忆

在AI Engineer的现场工作坊中，Anthropic团队演示了如何用Claude Managed Agents构建一个具备自我纠错与长期记忆能力的研究智能体。从基础对话到多智能体协作，再到自定义编排与定时任务，这套方案展示了托管智能体在金融研究场景下的完整落地路径。

从零搭建：环境、智能体与会话

演示的第一步是创建一个基础智能体。用户在控制台输入自然语言指令，Claude会自动生成系统提示、名称、描述并选择模型，随后通过API创建智能体与执行环境。环境本质上是沙箱的模板，开发者可以限制可访问的域名、预装Python包，为后续调用SEC EDGAR接口做好准备。

会话的通信通过事件流完成：前端发送user.message事件，后端监听SSE流并将智能体的响应实时推回浏览器。这套机制支撑了从简单聊天到长时间异步任务的所有交互。

SSE（Server-Sent Events） 是一种基于 HTTP 的服务器推送技术，允许服务端在单个长连接上持续向客户端发送文本格式的事件流。与 WebSocket 的双向通信不同，SSE 是单向的（服务器→客户端），但实现更简单、天然支持断线重连，且可直接复用现有的 HTTP 基础设施。在智能体场景中，智能体执行任务可能耗时数秒到数分钟，并产生多个中间事件（工具调用、思考过程、最终输出）。前端通过 SSE 订阅这些事件，就能实时渲染进度，而不必轮询或阻塞等待完整响应。这正是文中“后端监听 SSE 流并将智能体的响应实时推回浏览器”得以支撑长时间异步任务的技术基础。

sec edgar 是美国证券交易委员会（SEC）官方的电子数据收集、分析与检索系统，所有在美国上市的公司都必须通过它提交财报（10-K、10-Q）、重大事项（8-K）等披露文件。EDGAR 提供免费的公开 API 和全文检索接口，是金融研究中最权威、最结构化的数据源之一。文中预装 Python 包并限制可访问域名，正是为了让智能体能够安全地调用 EDGAR 接口拉取原始披露文件，作为后续财务提取与分析的输入。

多智能体协作与技能系统

基础智能体只有提示和默认工具。工作坊的第二步是给它“升级”：添加调用SEC的技能、定义子智能体、引入自定义工具dispatch analysis。主智能体可以委派任务给金融分析、风险提取等专业子智能体，也可以生成自身的副本处理未知任务。

说个细节，子智能体不会继承主会话的完整对话记录，只复制工具描述、模式和提示。这种设计避免了上下文膨胀，同时保留了任务所需的能力。

技能是可更新的活产物。演示中团队新增了对新表单类型的支持，此后引用该技能的新会话都会自动获得更新。这种机制让智能体能力可以持续迭代，而不需要重建整个系统。

rubric（评估量表） 在此处指一套由用户预先定义的结构化验收标准，通常包含若干检查项及其通过条件，例如“营收数字与原文一致”“风险点覆盖不少于三项”“输出为指定 JSON 结构”。它把模糊的“做得好不好”转化为可被验证子智能体逐条核对的明确规则，是 Outcomes 机制能够自动化判定的前提。rubric 的质量直接决定自我纠错的效果：标准过松则错误漏检，过严则触发无效重试。实践中建议将 rubric 写成可客观验证的断言，而非主观描述。

map-reduce 模式 源自分布式计算，核心思想是先把大任务拆成相互独立的子任务并行处理（map），再把各子任务的结果汇总合并（reduce）。文中主智能体将每个分析标的分配到一个独立会话，正是 map 阶段——各会话互不共享上下文，可并行推进；全部完成后由主智能体聚合为统一报告，即 reduce 阶段。这种模式的优势在于横向扩展性好、单点失败不影响整体，但也要求子任务之间尽量无依赖，且聚合层需要处理结果格式不一致、部分失败等边界情况。

自我纠错：Outcomes机制

工作坊的核心亮点是Outcomes——一种自监督机制。用户定义任务、评估标准（rubric）和最大迭代次数，智能体执行任务后，会启动一个验证子智能体对照标准检查产出。如果不达标，智能体会重试，直到满足要求。

在NVIDIA财报分析演示中，主智能体先检查记忆库是否有历史分析，再调用子智能体分别做财务提取和风险评估，最终生成结构化记分卡并更新记忆。验证子智能体确认数字准确、交付物完整后，任务才被标记为完成。这相当于让智能体具备了“交卷前自查”的能力，显著提升了长任务的可靠性。

记忆共享与Dreaming进化

多会话共享的记忆库是这套方案的另一个关键。不同会话可以写入和读取关于金融工具的知识，避免重复研究。更进一步，Dreaming功能会分析跨多个会话的转录和记忆，自动整合更新记忆库，让后续智能体能获取更准确的信息。

团队提到，目前Dreaming仅作用于记忆存储，未来可能扩展到技能、提示和智能体定义。这意味着智能体系统有望实现持续学习：每次运行都在为下一次积累经验。

生产级安全：Vaults与凭证注入

演示中SEC凭证直接放在提示里，但生产环境需要更安全的方案。Vaults允许开发者定义密钥，会话中只注入占位符，只有在访问预先允许的域名时，平台才会在出口处替换为真实凭证。如果智能体试图将密钥用于未授权域名，替换不会发生。

Vaults同时支持OAuth凭证和MCP认证，可以打包Notion等服务的授权。对于不希望暴露到公网的MCP服务，平台提供MCP隧道功能；如果企业需要完全掌控网络边界，还可以接入自托管沙箱。

mcp（Model Context Protocol） 是 Anthropic 提出的开放协议，用于让模型以标准化方式连接外部工具与数据源。MCP 服务端暴露一组工具和数据资源，客户端（如智能体运行时）按协议发现并调用它们，从而避免为每个集成单独编写适配代码。文中提到 Vaults 可打包 Notion 等服务的 MCP 认证，以及为不暴露公网的 MCP 服务提供隧道，说明 MCP 已成为该平台扩展能力的主要接口形式；替换记忆提供方时需自行构建 MCP 或自定义工具，也印证了这一点。

OAuth 凭证 指基于 OAuth 2.0 授权框架获取的访问令牌，它让第三方应用在用户授权下访问其资源，而不必共享账号密码。与静态 API Key 相比，OAuth 令牌通常带有作用域限制和有效期，可被刷新和撤销，泄露风险更低。Vaults 同时支持 OAuth 与普通密钥，意味着平台能够在出口处统一管理不同认证形态，并按域名白名单决定是否注入，从而在保持便利性的同时收敛凭证暴露面。

自定义编排与定时任务

当需要同时分析10个或100个标的时，单会话串行处理效率不足。工作坊展示了利用dispatch analysis工具构建自定义编排层：主智能体将每个标的分配到一个独立会话，全部完成后聚合结果。这种map-reduce模式让托管智能体可以横向扩展。

最后，Deployments API支持按计划运行会话，适合需要定期更新的长期分析。结合记忆库，智能体可以在数周甚至数月的时间跨度内持续跟踪标的动态。

架构选择与限制

现场问答澄清了几个关键问题。托管智能体的harness受Claude Code启发但为通用场景重新构建，与Agent SDK是不同产品：后者是可下载的二进制文件，前者是包含托管、沙箱管理、扩展和事件日志存储的全托管服务。

当前平台不提供会话回滚或分叉功能，用户只能通过新事件引导智能体，不能回到历史节点重试。预算控制也尚未内置，需要开发者在编排层自行实现。此外，平台不绑定记忆存储，数据可通过API导出，但替换记忆提供方需要自行构建MCP或自定义工具。

整体来看，这套方案把智能体的基础设施复杂度封装起来，让开发者聚焦于编排逻辑和业务价值，同时通过Outcomes和Dreaming在可靠性与持续学习上提供了可落地的机制。