The Decoder精选7171Anthropic 称单智能体在质量、成本和延迟上优于多子智能体架构
Anthropic 表示，单个按需加载上下文的智能体在质量、成本和延迟上常优于多子智能体架构，并发布迁移工具包帮助团队评估是否合并子智能体。Anthropic 称从 Opus 4.5 起的新模型可在单一循环中直接管理复杂计划，一次对比中单智能体架构运行速度约为多智能体方案的两倍。
推荐理由: Anthropic 基于企业部署经验给出单智能体优于多子智能体的判断，并列出适用边界与迁移路径。
实时
#部署/工程
- The Decoder精选7171
Claude · YouTubeFactory 如何利用 Claude 构建自主软件工程
Factory 利用 Claude 的前沿模型构建 AI 编码智能体 Droids，以实现企业级软件工程的自主化。Claude 处理大型代码库的长期任务，使团队能以更少监督信任智能体计划。构建完全自主的软件“暗工厂”仍需克服诸多障碍。
Tessl Blog3838代理写代码时，谁该拥有密钥？
代理生成的代码量与速度使人工审查成为瓶颈，团队需用工具替代；代理仅负责编写代码而无部署权限，部署由管道控制；所有代理读取的数据均视为不可信，管道需通过哈希验证和短期身份确保安全，并持续监控权限变更。
IT之家 · AI6565OpenClaw 创始人 Peter Steinberger 谈 AI 智能体：上个月消耗 Token 成本约 1000 万美元
OpenClaw创始人Peter Steinberger透露上个月AI工作消耗Token成本达1000万美元，由投资者承担；他认为现有基础设施尚未完全跟上AI技术发展，部分工作负载仍需本地运行。
- Tessl Blog7575
Jellyfish 分析：AI 编码代理的审查瓶颈制约开发效率
中位数公司 22% 的 PR 由 AI 编码代理完成，90% 百分位达 53%，但仅 0.6% 的 PR 经 AI 审查合并，10% 百分位为 9%。代理生成代码的放弃率（40%）是人工（20%）的两倍，且合并后审查量增加。领导层面临 ROI 问题，上游代码生成加速（2x PR 增长）远超下游产出（40-50% 特性增长），审查瓶颈成为制约因素。
- Tessl Blog7575
从独立编码工具到开发平台：信任如何影响 AI 代码助手的应用
工程团队对 AI 代码助手的信任程度决定其使用范围，从仅查看代码差异到完全授权合并，信任建立依赖于快速验证机制。开发平台成本随 AI 智能体工作强度增加而上升，约 80% 的预算被 20% 的重度使用者消耗，需评估单位有效工作成本。成功团队从辅助性任务开始逐步扩大 AI 范围，而非直接应用于核心系统。
Interconnects6565研究人员预计 AI 将在数年内超越其在工作中的表现，但并非通用超级智能
研究人员预计 AI 将在数年内超越其在工作中的表现，但并非通用超级智能。模型的基础设施和工程能力将大幅加速，使实验和模型调整更易实现，但不会改变模型本质。AI 智能的有效成本预计将在未来几年呈指数级下降，需求将随行业对智能体定向和交付方式的探索而增加。
AWS Machine Learning BlogAWS 推出自动化价值模型，重新定义智能体自动化商业案例
AWS 提出自动化价值模型，重新定义智能体自动化商业案例。传统 RPA 投资回报模型忽略智能体自动化在异常处理、决策质量、流程适应性和价值实现方面的价值。企业需考虑释放工时的再部署价值或现金成本降低，以及异常修正成本，才能构建可信的商业案例。
GitHub Blog · AI & MLGitHub Copilot 如何用 canvases 构建交互体验
GitHub Copilot 引入 canvases 功能，允许用户创建可定制界面以与 AI 交互，替代传统聊天界面；用户可通过 canvas 在 Copilot 中构建 Connect 4 游戏和 Winget 包管理器 UI，实现与 AI 的双向通信和本地代码执行，提升效率并减少 token 消耗。