深度调研：Anthropic「Code w/ Claude 2026」全景与对 aiself 的范式压力

一、事件简述

2026 年 5 月 6 日，Anthropic 在旧金山举办首届开发者大会 Code w/ Claude 2026。这不是一次单点发布，而是一次「平台战略宣言」——把过去一年 Claude Code 的能力沉淀为一个异步、自我学习、多 agent 协同的开发者平台。一周后（5/11–12）又补发 Claude Code Agent View，把多会话管理可视化。两件事合起来构成同一条战略主线。

二、核心发布逐项拆解

1. Routines —— 异步自动化的产品化

「With Routines, developers can setup async automations and wake up to PRs that are ready to merge.」—— Simon Willison live blog

是什么：把 prompt + 一个或多个仓库 + connector / 工具集打包成一个常驻 cloud 例程
运行在哪：Anthropic 托管的 cloud（开发者机器关掉也照跑）
典型用法：CI 红了自动修；定时审查 PR；接到 issue 自动写 PR；夜里跑的全量代码体检
文档：code.claude.com/docs/en/routines
价格：发布会未公布；按 token + 例程 wall-clock 是合理猜测

这是把「scheduled cron + AI agent」做成开箱即用产品——之前要自己拼 GitHub Actions + Claude API。

2. Dreaming —— Agent 跨会话「做梦」式记忆整合

「Memory that organizes itself.」—— Every 报道

是什么：后台进程在会话间隔期审视过往 session 与 memory store
怎么做：取最多 100 个过去 session，合并重复、替换矛盾、抽取洞见 → 生成新的「playbook」式 memory artifact
学什么：团队/项目层的「制度知识」——反复出现的纠正、典型错误、成功的工作流
状态：先在 Claude Managed Agents 里 research preview，规划进 Claude Code
文档：platform.claude.com/docs/en/managed-agents/dreams

这是 compound engineering 的通用化——之前 Claude 的「学习」靠用户手动维护 CLAUDE.md / memory 文件，现在 agent 自己做了。

3. Outcomes —— 目标导向 agent 循环

「公开 beta」

是什么：开发者定义 rubric / success criteria，「grader」AI 评估另一个 agent 的产出，循环到达标
对比：相当于 OpenAI Codex 的 /goals
生产案例：Spiral（Marcus 自家产品）已经用它校验稿件是否符合编辑标准

4. 多 Agent 协同 + Agent View

协同：coordinator agent 原生并发 spin up sub-agent，Spiral 案例每个稿件省 20-30s、成本降 1/3（因为 coordinator 可以用便宜模型）
Agent View（5/11 单独发）：claude agents 一行命令打开统一面板，每行一个 session，颜色 + 状态可视化；/bg 切后台、claude --bg "" 直接起后台任务、空格 peek、Enter 接管
覆盖：Pro/Max/Team/Enterprise/API 全平台

5. Claude Code Desktop

全屏 GUI + preview 面板 + 富输出
Boris Cherny demo 多会话并行 + 实时识别哪个 session 需要人介入
展示能让 Claude 自己用产品发现 edge-case bug

6. 速率限制翻倍 + SpaceX Colossus 算力

Pro/Max/Enterprise 的 5 小时 Claude Code 限制翻倍
公开提到「partnership utilizing SpaceX's Colossus data center infrastructure」——算力来源摊牌

三、Anthropic 的战略宣言

「What an AI platform is has changed.」—— 大会主旨

从 endpoint 到 platform：过去叫「text completion endpoint」，现在是「AI model with a harness and host computer—all provided with unlimited scaling by the model companies」
核心位移：模型公司不再只卖 API token，而是卖带 harness + host + 例程 + 记忆 + 多 agent 编排的「Always-On Agent OS」

四、对 aiself 的范式压力

1. Anthropic 已经把 aiself 的核心机制「占了」

aiself 当前在 AISELF-TEAM repo 的雏形里包含这些机制（参考 memory project_training_system.md）：

本地 CronCreate → Anthropic Routines 通用化产品化了
Slash 命令推动方案落地 → Anthropic 用 Outcomes 把它做成 SaaS
跨会话记忆 / 学习 → Anthropic Dreaming 把它通用化
多 session 管理 → Anthropic Agent View 把它做了

结论：aiself 如果只是把这些 dev-layer 机制重做一次，没有差异化。

2. 但 Anthropic 的占位有明确边界

Anthropic 这套全部围绕 dev / coding 场景：Routines 跑 PR、Dreaming 学代码错误、Outcomes 验稿件、Agent View 管开发会话。没有任何 personal layer / life layer 投入：

没碰健康 / 财务 / 关系 / 日程的 personal data
没碰 on-device / edge / 隐私优先
没碰 voice-first 陪伴
没碰用户层（非开发者）的「Agent View 等价物」

这跟 OpenAI 同周的动作（Daybreak = 企业网络安全 vertical）共同说明：两家头部都在重 B 端 / 重 dev / 重企业 vertical。C 端 personal layer 反而出现真空。

3. aiself 不能做的事 vs 必须做的事

不能做的事（会正面撞 Anthropic）：

一个「通用的 personal agent that runs your repos and tools」——这就是 Claude Managed Agents
「跨会话自动做梦学习」做通用平台——这是 Dreaming
「多 agent 并行调度仪表盘」给开发者用——这是 Agent View

必须做的事（差异化方向）：

Personal layer vertical：健康 / 财务 / 关系 / 学习 / 决策 / 日程 / 生活轨迹——Anthropic 不会碰、OpenAI 没空碰
On-device + privacy-first：personal data 不能上 cloud-managed routine
Voice-first 陪伴层：跟 Thinking Machines 范式对齐（见同日 TML 调研），不跟 Anthropic 的 dev 视图正面冲突
用户层（非开发者）的「Agent View 等价物」：什么是普通人版本的 Agent View？是 ambient 通知？是日终 summary？是被动 routing？这是产品创新空间

4. 借鉴价值（aiself 可以学的部分）

Routines 的 cloud-managed 例程形态：aiself 可以采用相同的「打包 prompt + connector + 调度」结构，但 connector 是 personal data source（健康 app / 财务 app / 日历），不是 GitHub
**Dreaming 的「100 session 合并」**算法：aiself 的跨会话记忆架构可以直接借鉴这个机制（甚至 prompt 都可以参考公开文档），但训练目标是「学习用户的偏好和模式」而非「学习代码错误」
Outcomes 的 grader pattern：aiself 的决策力训练系统（参考 memory）可以引入 grader——用户定义「好决策」rubric，aiself 长期 grading 自己

五、对 aiself MVP 路线图的具体建议

优先级	行动	负责人	时间窗
P0	在 align/ 或 decide/ 写一份《aiself vs Anthropic Code w/ Claude 2026 边界声明》—— 明确 aiself「不做」和「必做」的清单	Rik + Suke	本周内
P0	把 Routines / Dreaming / Outcomes 的机制纳入 aiself 架构候选，但应用场景全部换成 personal layer	Rik + Suke	两周内
P1	写一份「aiself 的 Agent View 等价物」探索 doc：普通用户层面的「多 agent 状态可视化」长什么样？是仪表盘 / ambient / 日终 brief / 推送流？	Rik	两周内
P1	跟 TML 范式调研合并做架构会：interaction layer + background layer + routine layer + dream layer 四层是否就是 aiself 的骨架？	Rik + Suke	两周内
P2	Anthropic Dreaming public release / 文档完善后，深读其 memory artifact 格式与 prompt，借鉴到 aiself 设计	Rik	持续

六、需要继续追踪的不确定性

Routines 的具体计费方式：按 token 还是 wall-clock？这决定了类似机制在 aiself 上的成本可行性
Dreaming 的失败模式：100 session 合并出错会怎样？有没有 hallucinated playbook 案例？
Outcomes 的 grader 偏见：grader 跟 worker 是同一系列模型会不会有 sycophancy？aiself 如果用类似模式给用户「打分」，这一风险更敏感
Anthropic 是否会下沉 personal layer：6-12 个月内观察。如有任何「Claude for Life / Health / Personal」类发布，需要立刻应急调研