Anthropic

Properties2
tags狀態/草稿
aliasesAnthropic

閱讀時間約 8 分鐘

Anthropic

簡介

AI 安全研究與商業公司，2021 年由 Dario Amodei、Daniela Amodei 等前 OpenAI 研究員創立。Claude 系列模型的開發者；發布 Model Context Protocol（MCP）等開放標準。Anthropic Engineering blog 是 Agent / Augmented-LLM 設計實作的重要參考來源。

重要事實

  • 模型：Claude 系列，分三條產品線——Opus（最高能力，深度推理 / 規劃）/ Sonnet（中段平衡，日常任務主力）/ Haiku（最輕量 / 最便宜 / 最快速）；三線並行迭代，使用者依任務性質選線。
  • 開放標準：Model-Context-Protocol（MCP）——整合第三方工具與資料源到 augmented LLM 的標準
  • 開發工具產品：Claude-Code——CLI 編程助理，把 Claude 模型放進終端機並透過 CLAUDE.md / MCP / Hooks / Custom slash commands / Headless mode 變成可被腳本呼叫的 build system 元件
  • 工程資源：Anthropic Engineering blog（含 2026-04-28-Anthropic-Building-Effective-Agents 等實作指引）
  • 算力與資本合作：2026-07-07-小Lin-AI巨頭資本混戰 把 Anthropic 放在 AI算力資本循環 的核心節點之一，描述其同時接近 AWS、Google TPU、Microsoft / Azure 等不同雲與晶片供應體系。此來源為二手科普，具體投資金額、合約條款與算力使用比例需一手文件校準。

Claude 模型世代（時間線骨架）

本段為世代軸骨架，不逐版本記錄日期 / 規格細節（迭代速度過快）；只標相對序與已 ingest 來源能對位的版本錨點。

  • 已知世代序（由舊到新）：Claude 1 → 2 → 3（Sonnet / Opus / Haiku 三線並行）→ 3.5 → 3.7 → 4 → 4.5 → 4.6 → 4.7——三線並行迭代，世代號之間的差異主要在能力 / 速度 / 上下文長度 / 推理深度。
  • vault 內已落地的版本錨點：
    • Opus 4.5：2026-04-30-Claude-Code完整教程 教程實測時的版本（200k tokens 名義 context，20-40% 起劣化）。
    • Opus 4.7：本 vault 由其維護的當前版本（截至 frontmatter updated 日期）。
  • 時點 caveat：Claude-Code 等頁中具體性能數值（劣化起點、/compact 行為等）以教程當時版本為準；後續世代的具體經驗值可能變動，但「容量是工作區、/compact 不能恢復品質」這類方法論態度可長期保留。
  • 暫無公告的領域：獨立推理模型支線（對位 OpenAI o-series）——目前沒有 Anthropic 推出明確以「reasoning model」命名的獨立產品線；推理能力散佈於各世代 Opus 中。

Harness Engineering / 工程 blog 軸

Anthropic 從 2024-11 起持續以 blog 推動 Harness-Engineering 詞彙與設計範式。

  • 2024-11 effective agents long-running：早期 agent 長時運作的有效 harness 整理。
  • 2025-03 Harness Design：「規劃 → 生成 → 評估」三角範式 + contract-first 變體；本 vault Harness-Engineering 三大手段中「控制行為（工作流程）」的主要來源。
  • 2025 Steering Vector / 情緒 blog：用 Steering-Vector 技術證明 LLM 有功能性情緒（不只表徵），對 Verbalized-Feedback 的用詞紀律提供因果機制證據。
  • 「上下文焦慮」擬人化說法：Anthropic 形容 Claude Sonnet 在 context window 將滿時行為崩壞、想盡快結束——是 Ralph-Loop 需 summary 變體的具體模型差異依據。Opus 較強，可走裸 Ralph Loop。

神文的閱讀紀律對位（2026-05-02-Agent神文沒告訴你的事）

Anthropic 的「Building Effective Agents」+ 「Context Engineering」兩篇 blog 在中文 AI agent 圈被廣泛奉為神文；本對位段記錄一個抄了反而更爛的反例現實意義。

  • 典型反例：影片創作者作者讀完兩篇神文後做架構升級（系統提示詞 / 上下文隔離 / memory）→ 整個系統變得更爛：token 花費更高、效果沒變好、失敗變多、且很多失敗無法 debug。
  • 作者的元命題：「這些比較成型的文章更像是一個畢業設計的完整圖紙——當你已經做過中間所有的實驗、踩過坑、回頭看的時候，會發現它設計得很完美。但是如果你第一天就直接照著畢業設計施工，大概率連第一根樑你都溜起來了。」
  • 閱讀紀律：神文不是錯的，是讀的時機錯了——應該按 Agent複雜度演化 的 7 階段路徑往下走，每階段被逼到對應觸發信號才回頭讀對應的神文段落。
  • 對位的元命題支撐：本段不削弱 Anthropic 神文的價值，反而強化其原始紀律「先用最簡單的解法，只在必要時增加複雜度」——把「必要時」拆成 7 個明確觸發信號是該紀律的具體化。

商業政策軸

  • 2026-04 清明節停用第三方 harness 接 Claude：訂閱方案（吃到飽月費）下，第三方 harness 如 OpenCode 因心跳機制讓 token 用量爆量，Anthropic 政策上禁止第三方 harness 連接 Claude API；唯一移植路徑 = 改用 Claude-Code 官方 harness（agents.md → CLAUDE.md 改檔名即可，見 2026-05-02-Harness-Engineering駕馭工程）。

相關概念

相關來源

備註

反向連結