99% 的 Anthropic 工程师在跑 300 个 agent？这条贴文最该看的是回复

一条来自 RoundtableSpace 的贴文把两件事捆在一起：Anthropic 研究负责人说，99% 的工程师已经在运行 300 个以上自我改进 agent 的 swarm；现在所有人转向 graph。贴文还配了视频，称 20 分钟能学会这次迁移。

先把上下文补齐。agent swarm 指多个 agent 分工、互相调用、迭代输出。graph 指把工作流显式画成节点和边，让依赖、状态传递、错误传播有地方可查。对非技术读者，可以把它理解成把一条流水线画出来，谁调用谁，哪里回滚，错误在哪一层被放大，都能落到图上。对开发背景的读者，重点在可观测性、状态管理和 token 成本。

这条贴文最有信息量的地方在回复。ReignSwords 指出，self-improving 这个词承担了太多重量。300 个 agent 互相迭代输出，底下没有可读的图，结果就是误差复利。他还把这次转向和 LangGraph 联系起来，认为 Anthropic 撞上了同一堵墙。这是外部观点，素材没有给出 Anthropic 的官方解释。

pranjulya 追问 99% 和 1%，说很想看看那 1% 是谁，猜测他们可能在读 diff。Bruno Oliveira 说 99% 是个太圆的数字，而且引语没有附名字。Aapakari 的评论更短：20 分钟讲完一切，没有一分钟讲怀疑。Dermott Creegan 则提到，图可能解决不少上下文问题，但 token 成本会很高，对 Anthropic 可能不算大问题，忽视他们做的事也不明智。

如果这个说法成立，关键问题落在验收和回滚上。自我改进听起来强，落到工程里就是输出进入下一轮输入，错误也会进入下一轮。graph 的价值在这里：把隐式协作变成显式依赖。20 分钟学会画图不奇怪，难的是让图对应真实工作流、日志、权限和成本。素材没有给出研究负责人姓名，也没有给出可验证的部署细节，所以它适合当信号，不适合当结论。

接下来可以看两个结果：Anthropic 是否公开 graph 结构或案例；那 1% 工程师的工作是否被描述。如果 99% 都在跑，剩下 1% 可能才是最忙的人。原贴链接：RoundtableSpace。