Anthropic：智能体开发，Bash和文件系统胜过API

Agent开发的迷思：工具箱的困境

在AI智能体（Agent）开发领域，过去一年大家都在走一条“堆砌工具”的路，给大语言模型装一个装满各类接口（API）的工具箱，让模型像个调度员，按指令选接口干活。

他的这个观点之所以振聋发聩，是因为它挑战了当前主流的“接口至上”开发理念。大家习惯了为每个特定功能量身定制API，认为这能让Agent更专业、更高效。事实证明，这种思路可能正在限制Agent的真正能力。那么，为什么Anthropic会选择这条看似“倒退”的道路呢？这得从我们对“理想智能体”的定义说起。

理想的AI智能体：从“工具人”到“工程师”

一个真正出色的智能体，它不应该只是一个“工具人”，一个只能按部就班执行指令的机器。它应该更像一个“自主工作的工程师”，能自己判断问题，自己规划路径，甚至在遇到意外情况时，还能主动调整策略，寻找解决方案。这听起来是不是很像我们人类的工作方式？

纵观AI能力的发展，其实可以粗略地分成三个阶段：

固定流程款：比如现在很流行的“检索增强生成（RAG）”。它能将多个环节串联起来，比如“检索信息-整合内容-生成回答”。看似流程复杂了，但骨子里还是被动的、死板的。一旦某个环节出了问题，比如检索不到结果，它就彻底卡壳了，仿佛一个被固定程序绑架的机器人。

自主决策款：这才是我们追求的终极目标。智能体能够像人一样，先“摸清情况”，然后“规划路径”，接着“执行任务”，如果“遇到问题”，还能“想办法调整”。这，才是真正具有“智能”的表现。

很显然，传统的API工具箱模式，恰恰把智能体牢牢地卡在了“自主性”的门槛之外。

为什么传统接口“卡脖子”？

更糟糕的是，如果遇到工具箱里完全没有预设功能的活儿，或者需要好几个工具搭配才能完成的全新复杂任务，智能体就彻底束手无策了。它只能呆呆地看着，因为它没有能力“创造”新工具，也没有能力灵活地“组合”现有工具来解决问题。它的自主性，被接口的固定功能给限制死了。

Bash：智能体的“万能工作台”

Anthropic给出的解决方案，简单却深刻：与其给智能体一堆现成的“专用工具”，不如直接给它一个能够自己“造工具”的“工作台”，这就是Bash命令行。

这背后，蕴藏着软件工程领域几十年来的老智慧：Unix哲学。它的核心思想是“KISS”（Keep It Simple, Stupid），每个程序只做好一件事，并且做好。然后，你可以通过管道符（`|`）、重定向（`>`）等机制，将这些简单而高效的工具像乐高积木一样组合起来，完成任何复杂的任务。

咱们普通人也能理解这道理。比如，你想把一个视频转换成动图，你不会去苦苦寻找一个“视频转动图”的专属API，一个懂电脑的人，可能会直接在命令行里敲一句`ffmpeg -i input.mp4 output.gif`就搞定了。

Bash背后的命令行工具生态，就是这样一个灵活而强大的存在。它比接口模式至少有两大不可替代的优势：

2.自己“查说明书”，自主学习：传统接口对智能体来说是黑箱，如果开发者没有在提示里写清楚用法和参数，智能体就根本不会用。而且，工具一多，提示信息就会变得臃肿不堪，还容易出错。但命令行工具不一样啊！

这才是真正实现智能体自主能力的关键！Anthropic的思路是，别把智能体像温室里的花朵一样圈在人为设定的“安全区”里，而是给它一个受控的真实环境，让它像人类一样，通过通用工具去解决问题。

2.决策行动：根据观察到的情况和既定目标，智能体自主决定下一步的动作。这可能意味着调用某个命令行工具，或者编写一段新的脚本代码来处理。

3.执行任务：通过Bash执行选定的命令或代码。

这个循环的核心价值在于“验证”。它赋予了智能体自我修正的能力，如果代码运行报错了，它能看到具体的错误信息，然后重新检查代码，找出问题，修改后再次尝试。这种“发现问题-分析问题-解决问题-验证结果”的闭环，是传统固定流程的Agent永远无法做到的。

构建信任：可靠性与安全性并重

这类规则防护，无需重新训练大模型，就能大幅提升智能体的运行可靠性，避免许多低级错误。

而在安全性方面，Anthropic也采取了多层防护策略：模型本身在训练时就融入了安全意识，对于命令行操作，会有专门的语法解析器来拦截潜在的危险指令，此外，智能体还被放置在沙箱（隔离环境）中运行，对其访问权限进行严格限制。多管齐下，最大限度地降低了潜在风险。

Thariq在实践中也总结了不少宝贵的经验，对于正在尝试Agent开发的同仁们非常有启发：

回归本质：通向通用智能的灯塔

Anthropic的这套思路，在我看来，就像前端开发领域从最初简单工具的堆砌，逐渐升级到组件化、框架化的演进，表面上看，门槛似乎提高了，因为不再是简单的API调用，而是要深入理解操作系统级的交互。但实际上，正是这种回归到计算世界本质的做法，才能构建出更加强大、稳定和真正智能的应用。

这正是通向真正智能体的必经之路。我们的真实世界，充满了各种不可预测的意外。一个只懂得以固定接口应对固定场景的智能体，永远无法处理复杂多变的环境。