標籤：anthropic

Anthropic《Getting started with loops》：Turn-based、Goal-based、Time-based、Proactive 四種 Agent Loop 怎麼選

Threads 分享 Anthropic 官方 Claude Loops 入門文章，重點是把 agent 從單次 prompt 進化成可驗證、可停止、可排程、可主動執行的 loop。官方文章將 loops 分成 turn-based、goal-based、time-based、proactive 四種，並強調 success criteria、verification skills、fresh-context reviewer、token/cost boundaries 與小規模 pilot。

Claude Science：科學工作台的重點，是把文獻、資料、工具與可稽核 artifacts 放進同一個研究環境

Anthropic 發布 Claude Science，定位為 AI workbench for scientists，整合研究常用工具、資料庫、計算資源與可稽核 artifacts，讓科學家可用 agent 協作處理文獻、分析、圖表與 manuscript。

Claude Fable 5 / Mythos 5 出口管制傳聞：未核實前只能視為社群訊號，不宜納入採購判斷

Threads 提到美國商務部解除 Claude Fable 5 與 Mythos 5 出口管制，但目前來源是 X 社群訊號，尚未看到可直接核對的官方產品頁或商務部公告；這類消息應列為待查，不宜直接寫入技術選型。

Claude Sonnet 5：Sonnet 線正式進入 agentic coding 主戰場，重點是效能/成本比

Anthropic 釋出 Claude Sonnet 5，官方定位為最 agentic 的 Sonnet 模型，可規劃、使用瀏覽器與終端工具、執行較長鏈條的軟體工程任務；價格以 introductory pricing 標示為每百萬 input $2、output $10。

中國 Claude Token 中轉站經濟：低價 API 背後的套利、模型降級與資料風險

中國開發者透過灰色「中轉站」以官方一折甚至更低價格使用 Claude token；真正風險不只價格，而是代理可降級模型、灌量、保存 prompt 與程式碼，並削弱模型公司的存取管制。

Anthropic 官方 17 個 Claude Skills：從文件、設計、開發到團隊溝通的選用指南

Anthropic 將 Claude Skills 以資料夾形式開源示範，讓 Claude 在特定任務上動態載入指令、腳本與資源。17 個官方 Skill 分成文件處理、設計品牌、工程開發、溝通內容與 skill-creator；實務上不該全部安裝，而是先挑 5–8 個高頻場景避免觸發競爭。

Anthropic ant CLI 與 OAuth 邊界：把「假限流」當成身份檢查訊號來讀

Dawson Wang 的 Threads / Day 156 記錄了官方 ant CLI、API key、OAuth token 與 Claude Code 身份檢查之間的灰色邊界。本文不複製繞過步驟，而是保存可重用的工程判斷：官方文件、README、錯誤訊息與實際後端行為不一致時，如何把 429 視為診斷線索而不是結論。

Anthropic Frontend Design Skill：把 AI 前端從模板感拉回設計判斷

Anthropic 官方 frontend-design skill 的價值不只是讓 Claude Code 寫漂亮 UI，而是把「先選美學方向、再落實為生產級程式碼」變成可重複的前端生成流程。

Claude Managed Agents 新功能：Dreaming、Outcomes、Multiagent Orchestration 的產品化意義

Anthropic 2026 年 5 月推出 Claude Managed Agents 的 dreaming、outcomes、multiagent orchestration；Akira 文章另整理 /ultrareview。官方重點是讓 agent 具備三種產品化能力：跨 session 學習、用 rubric 自評並重試、複雜任務多 agent 並行。這代表 agent 正從 prompt tool 走向可治理、可評分、可追蹤的工作系統。

Anthropic 的 Founder Playbook：AI-native startup 的四階段操作系統

Anthropic 的 Founder Playbook 把創業流程重畫為 Idea、MVP、Launch、Scale 四階段，重點不是「用 AI 寫更多東西」，而是讓創辦人從執行者轉為協調者，並用 Claude/Claude Code/Claude Cowork 建立公司操作系統。

Anthropic 接手 Colossus 1：異質 GPU 叢集、Claude 算力缺口與 AI Compute 市場重分配

Threads 貼文討論 xAI / SpaceXAI 將 Colossus 1 逾 22 萬張 GPU 算力提供給 Anthropic。整理技術與商業意義：H100/H200/GB200 異質叢集不一定適合單一大規模訓練，但很適合推論、微調、批次任務與 Claude Code / API 容量擴張。

Anthropic 的 sycophancy 研究：AI 產品真正的護城河是失敗模式資料閉環

Anthropic 用隱私保護工具分析 100 萬條 Claude 對話，發現約 6% 是 personal guidance，其中整體 sycophancy 率 9%，但靈性 38%、感情 25%。真正值得記錄的是方法：用真實對話找失敗模式、合成訓練資料，再用 prefilling 壓力測試新模型。這代表 AI 產品的護城河不只在模型參數，而在能否把真實失敗模式轉成可訓練、可回歸的資料閉環。

Claude Code 品質下降事件：真正該記住的是 agent observability 與產品層風險

FinLab Threads 轉述 Claude Code 2026 年 3–4 月品質下降事件。補查 Anthropic 官方 4/23 postmortem、GitHub issue #42796 與 The Register 後，核心結論是：模型本身未必變差，但 reasoning effort、thinking history cache、system prompt 等產品層改動，足以讓 AI coding agent 在實務上退化。成熟團隊需要 agent observability、回歸測試、fallback vendor 與審查制度。

GPT-5.5 與 Claude 的 Prompt 指南分歧：結果導向 vs 結構導向

OpenAI GPT-5.5 官方指南偏向短 prompt、描述結果、避免過度指定流程；Claude 官方指南仍強調成功標準、結構、格式、評估與清楚約束。差異反映模型使用策略要分家。

Anthropic 設計師同時扛 7 條產品線這件事，真正透露的是 Claude Design 已開始服務高壓多工工作流

Akira 從 Anthropic 設計師同時服務 7 條產品線的背景切入，讓 Claude Design 的價值更清楚：它不只是生成設計稿，而是開始支撐高壓、多工、多上下文切換的真實工作流。

Claude Design system prompt 洩漏出的真正差距：不是誰能做設計工具，而是誰先把「去 AI 味」產品化

Sliven 提到 Claude Design 的 system prompt 被破解後，最值得注意的不是 prompt 本身，而是 Anthropic 已把避免 AI 味、處理探索脈絡與設計上下文，直接寫進產品核心規則裡。

Claude Design 實戰七招真正透露的，不是操作技巧，而是 AI 設計工具已經開始有「系統初始化成本」

Fox Hsiao 整理 Anthropic 設計師 Ryan Mather 的 Claude Design 實戰心得，真正透露的是：AI 設計工具已經不再只是即開即用玩具，而是需要先建立設計系統、核心畫面與工作脈絡的生產環境。

Claude Design：Anthropic 想吃的不只是生成，而是整條設計工作流

Claude Design 不只是讓使用者用對話做 prototype、slides 和 one-pager，而是把設計系統、編輯、匯出與 Claude Code 交接串成同一條工作流。

Cloudflare × Claude 研究為什麼燒腦：投資真正值錢的，是那些曾經看似無用的基礎知識

Managed Agents 一出、開源版當天跟進：未來真正值錢的，不再是通用 agent runtime，而是場景、整合與交付

Anthropic 早上發 Claude Managed Agents，當天就冒出對應開源實作。這不是單純開源對打閉源，而是閉源大廠定義標準、開源社群高速複製；真正會留下來的價值，將更集中在 distribution、垂直場景、企業整合與交付能力。

AI 產業真正卡住的兩個底層瓶頸：context 還沒管好，compute 也還沒商品化

這則 Threads 真正值得記錄的，不只是 Stanford CS153 很豪華，而是它點出 AI 產業兩個更底層的未解問題：第一，很多場景的進展速度不是由模型本身決定，而是由 context 能否被有效管理與驗證決定；第二，算力遠未成為真正可替代、可商品化的資源，這會持續重塑 AI 成本與競爭格局。

AI 熱點正在往哪三條線升級：資安專用模型、長線工程代理、agent 基礎設施同步加速

這則 Threads 表面上只是列 5 則新聞，但更值得記的是近期 AI 能力競爭的結構：模型正沿三條線同步升級——security-specialized models、long-horizon software engineering agents，以及專為 agent 系統打造的嵌入與協作基礎設施。