Anthropic 把「脑」和「手」拆开：Managed Agents 课到底在教什么
工程师公开课强调：模型负责推理，托管运行时负责循环、状态与沙箱；把 Agent 当「写好岗位说明书的员工」，比堆多 Agent 口号更管用。
10 月底到 11 月初，X 上被反复转发的不是又一张跑分表，而是一门大约 90 分钟 的 Anthropic 工程师工作坊：主题是 Claude Managed Agents——如何把 Claude（讨论中常点名 Opus 5.5）装进可恢复、可审计的 Agent 运行时。
Anatoli Kopadze 的那条目录帖（约 1695 赞、数万浏览量级）把时间轴写得很清楚：为什么脑和手要分开、Managed Agents 架构、手把手搭研究型 Agent、再往后是调度与自审。Grok 等账号补全了讲师线索：公开材料里出现 Priyanka Phatak、Gabe Cemaj 等工程师，以及 AI Engineer 相关会场的分集链接。
一句话架构
社区共识可以压成一句：
模型是脑（推理与决策），托管层是手（工具循环、状态、沙箱、可恢复会话）。
旧式「一个大容器里塞满工具与记忆」容易在失败恢复和安全边界上崩。新做法更像：追加写的会话日志、可替换的执行环境、把「循环 / 上下文重置 / 记忆层」从模型权重里拎出来。还有人转述工程师现场演示：用 flow 拉起大量子 Agent（甚至上千）去拼一个类 Unix 目标——重点不在炫数量，而在拓扑由运行时编排，而不是人肉写死对话脚本。
对个人站与小团队的读法
- 岗位说明书 > 神秘 prompt。 多条实践帖建议：把系统提示写成岗位 JD，关键动作设人工闸门，周期性让 Agent 自审本周产出。这和「把 AI 当员工」的运营隐喻一致，但前提是有 harness，而不是裸聊。
- 基准测试测的是脑，生产事故出在手上。 DeepMind 同期关于「协调」的讨论（另文）在这里也能对上：单模型更聪明，不等于多步骤工作流更稳。
- 免费课的真正稀缺是「官方愿意公开失败模式」。 比第三方二手幻灯片更值钱的是：他们承认哪些 all-in-one 方案死过、为什么要 append-only 日志。
若你只截一张图：就截「脑 / 手分离」那一页。其余都是这一页的展开。