🧠 图解记忆： 记忆负责保存，反思负责归纳，Outcome 负责验收，编排负责执行。

💡 答案要点

2026年5月 Week 18/19 新功能（Anthropic发布）

"Claude Managed Agents 是 Anthropic 的云托管 AI Agent 服务，2026年5月新增三个核心功能——Dreaming（记忆强化）、Outcomes（结果定义）、Multiagent Orchestration（多Agent编排）。这三个功能让 Managed Agents 从'单次任务执行'升级到'具备持续自我改进能力的Agent系统'。"

---

三个新功能解析：

1. Dreaming（记忆强化）
   → Agent回顾历史session，发现模式，帮助自我改进
   → 记忆+ Dreaming协同工作：记忆存储，DREAMING分析和泛化

2. Outcomes（结果定义）
   → 用户定义"什么算成功"
   → Agent自动评估自己是否达成目标

3. Multiagent Orchestration（多Agent编排）
   → 主Agent分解任务，分发给专家Agent（各自模型/提示词/工具）
   → Leader + Specialist模式，企业级任务分解

---

Dreaming 机制详解：

传统Agent：
  → 每次session独立
  → 经验不累积
  → 同一错误可能重复犯

Dreaming Agent：
  → 每次session结束后运行Dreaming
  → 回顾历史找到模式
  → 将具体经验泛化为通用策略
  → 下次遇到类似情况自动应用学到的模式

记忆协同架构：
  ┌─────────────┐    存储    ┌─────────────┐
  │ Memory Tool │──────────▶│   Dreaming  │
  │ (存储经验)   │           │ (分析模式)  │
  └─────────────┘            └─────────────┘
         ▲                        │
         │ 读取                    │ 改进策略
         │                        ▼
  ┌─────────────┐           ┌─────────────┐
  │  Agent运行时 │◀──────────│  泛化策略   │
  └─────────────┘           └─────────────┘

Outcomes 定义与评估：

# Outcomes用法示例
outcomes = [
    "完成代码审查并提交PR",
    "PR必须通过所有CI检查",
    "审查报告必须包含具体修复建议"
]

# Agent完成任务后自动评估
if agent.check_outcomes(outcomes):
    print("任务成功完成 ✓")
else:
    print("未达成目标，需重新执行")

Multiagent Orchestration 架构：

传统单Agent：
  → 一个Agent处理所有任务
  → 模型压力大，单点故障

多Agent编排：
  ┌──────────────────┐
  │  Lead Agent      │  ← 主控Agent，理解任务，总体协调
  │  (Claude Sonnet) │
  └────────┬─────────┘
           │ 分解任务并分发
     ┌─────┴─────┬────────────┐
     ▼           ▼            ▼
┌─────────┐ ┌─────────┐ ┌─────────────┐
│Specialist│ │Specialist│ │ Specialist  │
│ Agent 1  │ │ Agent 2  │ │ Agent 3     │
│(coding) │ │(review)  │ │(test)       │
│Llama-3.8B│ │Claude-3.5│ │ GPT-5       │
└─────────┘ └─────────┘ └─────────────┘
           └──────┬──────┘
                  │ 汇总结果
            ┌─────▼─────┐
            │ Lead Agent │
            │  最终整合  │
            └───────────┘

vs LangChain Deep Agents：

特性	Claude Managed Agents	LangChain Deep Agents v0.5
Dreaming	✅ Anthropic原生	❌ 无
Outcomes	✅ 结果评估	❌ 过程评估
Multiagent	✅ 原生编排	✅ 开源替代
云托管	✅ 完全托管	❌ 需自部署
成本	按token计费	基础设施成本

---

面试话术：

"2026年5月Claude Managed Agents的三个新功能代表Agent系统的重要进化方向。Dreaming解决'Agent经验不累积'的问题——它让Agent能从具体经验中提取通用模式，避免重复犯错。Outcomes解决'Agent不知道自己有没有成功'的问题——用户定义清楚成功标准，Agent自己评估。Multiagent Orchestration解决'单Agent能力有限'的问题——用Leader+Specialist架构，让专业Agent做专业事。面试时能说清楚这三个功能的协同关系（记忆→分析→改进），说明你对企业级Agent架构有系统理解，不是只会写单Agent的提示词。"

---

版本: v3.2 | 更新: 2026-04-30 | by 二狗子 🐕

---