Claude Code 大重构：多 Agent 并行写代码，Anthropic 内部 3 万 Agent 怎么管的
Claude Code 的 Projects 功能迎来全面重构，从"提示词文件夹"升级为多 Agent 并行协作中心：用户下达目标后，云端派生多条 Git 分支同时开工，写完自动提 PR。Anthropic 同时公开内部数据——研发平台每天运行约 3 万个 AI Agent，核心 AI 研发工作已有 26% 由 Claude 主导。
多人云端协作写代码的时代，正在到来。
Claude Code 的 Projects 功能刚刚完成一次彻底重构，原生支持多个 AI Agent 协同干活。用户只需给出一个目标，Claude 就会在云端拉出多条 Git 分支并行推进，完成后直接提交 PR。此外，Anthropic 还新增了"共享记忆"机制，让不同 Agent 之间的上下文保持对齐。
换句话说，Project 不再只是存放提示词和文档的文件夹，而是进化成了一个真正的协作调度中心。
与此同时，Anthropic 在最新披露的内部报告中，也展示了这项能力的上限：他们的内部研发平台每天同时运行着 3 万个 AI Agent，在云端写代码、调模型、跑测试。
3 万个。
结果是，Anthropic 自家的核心 AI 研发工作，如今已有 26% 由 Claude 主导完成，达到 L4 级别。而半年前，这个数字还不到 1%。
一个人带一支 Agent 军团
重构版 Claude Code Projects，终结了把 Project 当作"静态资料夹"的用法。
过去的 Projects 本质上就是个存放提示词和参考文档的文件夹，聊上几轮上下文就会乱成一团。这次重构后，它的形态变成了"以对话为驱动的协作中心"，架构核心是一个名为 Coordinator（协调器）的大脑。
开发者不再需要手把手教 AI 每一步怎么走，只要在主对话框里下达一个高阶目标，比如"把整个鉴权模块重构为 OAuth 2.0 并补齐自动化测试"。
主协调器收到指令后，会自动把复杂的工程任务拆解成多个子任务，调度分配给并行的"工作线程"。每个工作线程，都是一个运行在云端独立环境里的 Claude Code 实例：它们拥有完全隔离的代码副本，各自拉出独立的 Git 分支，在后台同时推进不同模块的编码和单元测试。
活干完，工作线程会自动提交代码并生成 PR。协调器还会跟踪各子任务之间的上下文依赖，提醒开发者先合并哪个分支、后测试哪个模块。
有人调侃：学了几个月 vibe coding，好不容易把 Git 学会，结果现在连 Git 也白学了？
多 Agent 的老问题：上下文丢失
让多个 Agent 一起干活，道理大家都懂，以前也不是没人尝试。但问题在于——多个 Agent 各写各的，实际体验并不好。各个会话之间需要互相传递上下文，过程中会出现大量信息损失，结果是 Token 消耗巨大，速度却快不到哪去。
这次 Anthropic 给出的解决方案是"共享记忆"。
所有分支线程在执行过程中沉淀下来的技术规范、架构决策和团队偏好，都会实时同步回共享记忆。这样一来，Claude 就能记住：系统发布时间改到了周五、导出功能为什么被取消、以及访问账单服务之前需要先联系谁。
换句话说，不必再在每个子任务里重复粘贴配置了。
关键要点
- Claude Code 的 Projects 从"提示词文件夹"重构为多 Agent 协作中心，核心是 Coordinator 协调器。
- 用户只需下达高阶目标，协调器负责拆解任务并调度云端并行工作线程。
- 每个工作线程是独立的 Claude Code 实例，拥有隔离代码副本和独立 Git 分支，完成后自动提 PR。
- 新增"共享记忆"机制，解决多 Agent 场景下上下文丢失和配置重复的问题。
- Anthropic 内部每天运行约 3 万个 AI Agent，核心 AI 研发工作已有 26% 由 Claude 主导，半年前这个数字不到 1%。
在线异步、随时调进度——这套体验背后，是 Anthropic 对多 Agent 成本的真实焦虑。官方也直言，多 Agent 并行消耗不低，提醒开发者盯紧用量，别一觉醒来账单爆表。
不过先别急着上手。Projects 目前仍是 beta 阶段，且需要资格：首批面向部分 Claude Pro 和 Max 订阅用户，且必须在使用云会话项目。接下来一周会逐步放量，Team、Enterprise、Cowork 等版本还得再等等。
内部 26% 的研发交给 AI，半年飙升 26 倍
要理解 Anthropic 为什么敢把多 Agent 能力开放出来，先看他们自己怎么用。
在最新发布的《衡量 AI 研发节奏》报告中，Anthropic 首次公开了内部的 AI 自主研发基准数据。
先对齐定义。这套自动化分级标准由前沿机构 Epoch AI 制定，从 AL0 一路排到 AL5：
- AL0：纯人类操作
- AL3：深度人机协作
- AL4：AI 能凭一个高阶指令端到端完成任务
- AL5：完全脱离人类干预的自主闭环
在这套坐标系下，Anthropic 内部目前的自动化评级是：AL4 级研发任务占比 26%。
看着不多，但今年 2 月这个数字还不足 1%。半年，26 倍。
如果把标准调低一点，Anthropic 内部超过 90% 的研发流程，已经处在 AL3 级别。
当然，这么庞大的自主研发不是白来的。Anthropic 选择了最烧 Token 的打法：截至今年 8 月，内部研发平台上常态化并发运行着多达 30000 个 AI Agent，在云端没日没夜地写代码、跑实验、改架构，单月触发的决策量超过 10 亿次。
几万个 Agent 狂飙，怎么防失控？
几万个 Agent 在底层同时运转，一旦失控怎么办？
Anthropic 方面表示，公司专门配备了全天候实时监控系统（Agent Oversight），对所有 AI 操作进行动态审查。在 8 月超过 10 亿次模型决策中，系统精准拦截了大约 0.002% 的高风险或异常行为。
这套说法固然漂亮，但信不信就另说了。毕竟此前 A 社刚被曝出花钱操控舆论、散布安全焦虑，如今再讲安全故事，可信度多少要打个折扣。
为了证明自己对安全是认真的，Anthropic 这次干脆把「发票」掏了出来：
- 7 月 13 日至 20 日，公司约 6% 的 AI 研发算力花在安全与对齐研究上；
- 同一周，AI 驱动型研发的算力里，约 12% 投向安全相关任务。
面对外界质疑，Anthropic 表示欢迎第三方评估团队，给予其与内部风险团队同等级别的数据访问权限，对自动化数据进行审计。
Coding 新赛季
从内部 26% 的自主研发率，到外部重构的多线程 Projects，本以为折腾得差不多的 Coding，如今似乎又往前推了一步。
写代码这个动作本身正在迅速贬值，工程拆解与任务调度的能力成了核心。
以往一个中级工程师在终端里一次只能死磕一个特性；现在你一个人就是一个技术小组，底下带着一群 Claude Code 同时开工。
人在这个链条里的角色，从逐行敲代码的执行者，变成了拍板架构方向、审核 PR、处理异常边界的技术负责人。