关键观点
智能体能力来自多步骤环境中的训练
Claude 并非只被训练为一次性回答问题，而是在开放式任务中学习探索环境、调用工具和经过多步执行后再给出答案。训练覆盖编码、搜索等不同任务，并通过强化学习强化其智能体行为。这种训练方式使模型…展开观点收起观点
Claude 并非只被训练为一次性回答问题，而是在开放式任务中学习探索环境、调用工具和经过多步执行后再给出答案。训练覆盖编码、搜索等不同任务，并通过强化学习强化其智能体行为。这种训练方式使模型能够在有限指导下规划和修正行动，而不只是生成静态文本。
为什么重要: 构建智能体时，应让模型获得可观察的执行反馈和继续行动的机会，而不是把全部能力寄托在单次提示词上。
支撑证据
We give it open-ended problems for it to work on where it can take many steps and use tools, explore where it is and what it's working on before giving a final answer.
代码是通用行动能力，而非单一专业领域
访谈把编码视为智能体执行其他工作的基础能力：模型可以调用搜索 API、生成日程，也可以编写程序来创建文件。对于高度重复或结构复杂的产物，代码比逐项直接生成更快、更稳定。SVG 案例说明，模型可…展开观点收起观点
访谈把编码视为智能体执行其他工作的基础能力：模型可以调用搜索 API、生成日程，也可以编写程序来创建文件。对于高度重复或结构复杂的产物，代码比逐项直接生成更快、更稳定。SVG 案例说明，模型可以先编写生成器，再由程序批量完成重复图形。
为什么重要: 产品设计不应把编码智能体局限在软件开发；代码执行可以成为文档、图表、表格和其他数字成果的通用生产层。
支撑证据
So, yeah, I think that for a lot of cases writing code to produce some artifact will be much better than just trying to create that artifact directly.