|
前不久，Anthropic公司正式推出多智能体Claude研究系统。
在内部评估中，该系统性能较单智能体有多项显著提升。其核心架构包含哪三个关键层级？各层级的主要功能是什么？相较单智能体系统效率提升的关键技术因素是什么？
本文带您了解该技术体系为复杂场景下的如何智能决策提供可量化的解决方案。
Anthropic于2025年6月正式披露其多智能体Claude研究系统，该系统采用主—子智能体协同架构，在内部评估中相较单智能体系统性能提升达90.2%。该技术突破基于最新发布的Claude Opus 4和Sonnet 4模型支持7小时连续编程作业，在SWE-bench测试中取得72.5%的突破性成绩。
Anthropic的多智能体系统采用三层次架构设计：
主智能体（Claude Opus 4）：负责任务分解与策略制定，可基于问题复杂度自动生成3-8个子任务
子智能体（Claude Sonnet 4）：专用工具执行单元，支持并行处理网页搜索、文档解析、代码编译等12类操作
动态协调层：实时监控各子智能体状态，通过权重调整分配计算资源，确保45秒内完成90%的常规任务响应
该系统突破传统串行处理模式，在标准测试中完成信息技术公司董事会成员识别任务时，多智能体系统通过9个子任务并行处理，30秒内获取精确结果，而单智能体系统因顺序搜索耗时超7分钟仍未完成。
内部基准测试显示：
在Terminal-bench终端操作测试中，多智能体系统以43.2%的准确率刷新纪录，比前代产品提升17.8个百分点。其特有的“扩展思考”模式允许主智能体在推理过程中动态调用网络搜索等工具，形成闭环迭代机制。
Anthropic同步开放三大商业接口：
智能体编排API：支持开发者自定义主-子智能体数量配比，实测显示配置4个子智能体时，复杂报表生成任务耗时从22分钟缩短至6分15秒
实时记忆网络：通过Files API实现跨会话知识留存，在金融合规审查场景中，系统可自动提取83%的关键信息构建审计线索链
工具链集成：与GitHub Actions深度整合，支持代码仓库的自动化重构，在内部压力测试中连续7小时无故障执行317次提交操作
当前该系统已部署于摩根士丹利量化交易系统，在处理高频交易策略优化任务时，将回测周期从传统3周压缩至62小时。对比测试显示，多智能体方案在医疗文献分析任务中的证据链完整性达到92.7%，远超单智能体体系的64.1%。
| 
