Agent 元年复盘：从 Claude Code 到 Deep Agent，Agent 的架构之争已经结束
输入“/”快速插入内容
Agent 元年复盘：从 Claude Code 到 Deep Agent，Agent 的架构之争已经结束
Agent 元年复盘：从 Claude Code 到 Deep Agent，Agent 的架构之争已经结束
用户4242用户4242
用户8537用户85372025年12月25日修改
作者：周星星
前言
大家好，我是星仔。
随着 2025 年即将画上句号，我想对”Agent 元年“根据个人这一年的实践和认知进行一次收敛。
Claude Code 虽然在 2025 年 3 月作为“智能终端编程助手”推出，但其不止于编程。
•
社区里“不务正业”的玩法 ：社区的开发者迅速挖掘了它的潜力，将其用于整理知识库、辅助博客创作、项目管理：
◦
案例：Claude Code 「全球“薅羊毛”第一人」刘小排（曾用 200 美元套餐消耗 5 万美元 Token）曾断言： “只要有 SOP，就没有 Claude Code 执行不了的任务。”
•
官方的战略转向 ：Anthropic 官方也注意到这种转变，2025 年 9 月，官方发布博文 《Building agents with the Claude Agent SDK》 ，正式将 “Claude Code SDK” 更名为 “Claude Agent SDK”。
◦
背后的逻辑：Anthropic 意识到 Claude Code 核心的 Plan（规划）能力、上下文自动压缩、文件系统访问 等机制，不仅适用于编程，同样完美适配深度研究、视频制作等非编程任务。因此赶紧改名，防止大家从命名上认为它们只能做代码。
•
不是计划出来的，是演化出来的 ：也许 Anthropic 一开始也不知道 claude code 能做这么多事情，随着社区里更多更多的玩法，才逐渐清晰。这也引出了一个关键问题： 它的核心架构究竟有何特点？我们又该如何对其进行修改适配，将其从“通用型”转化为特定领域的“垂类 Agent”？ ，将在后文详细展开。
行业认知: 2025 年作为 Agent 元年，既没有悲观者眼中的“名不副实”，也未完全达到乐观者预期的“全面替代”，而是处于稳步落地的中间态。
作为一线从业者，我的评价是： 技术已就绪，爆发在局部。
•
验证过的成功： Deep Research 和 Claude Code 已经完全融入日常工作流，成为了稳定可靠的生产力工具。
•
看不见的繁荣： 在招聘、市场营销、医疗等垂直领域，许多 Agent 产品早已实现百万美元营收。但由于大量业务集中在出海方向，导致国内体感不强。
•
核心瓶颈的变化： 年中时我们还在纠结技术架构，但现在架构已趋于统一。当前的真正挑战在于“业务重塑”——即依然需要懂技术的一线从业者，将传统 SOP（标准作业程序）解构和把行业知识提炼出来，以 Agent 友好的方式沉淀为新的工作流。
基于以上背景，本文将从 Deep Agent 为切入点，分享我作为一线开发者在 2025 年的实战感悟。
关于参考资料的说明：在 Agent 领域，这些一线头部企业（特别是 Anthropic）对技术落地和架构的理解属于 T0 版本，其认知深度和实效性目前远超学术论文。如果你想真正研究 Agent，建议暂时放下学术论文，直接关注一线企业的落地实践和思考。
先来下个定义，什么是”Deep Agent“ ？
首先，它是“Deep”的
个人认为有两点需要做到
特征一：够“垂”（行业性）
具体示例如下：
1.
招聘 Agent 示例
•
输入： 一位 AI 芯片架构师的姓名。
•
任务： 一份专业背景报告。
•
衡量标准（如何才算“够垂”） ：报告内容（研究方向、核心项目、融资历史等）逻辑严谨、信息全面、专业性强，无任何重要信息遗漏和事实错误，达到高级招聘经理的水准。观感上，让老板无法分辨是人工还是 AI 生成。
1.
市场营销 Agent 示例
•
输入 ：某品牌的产品信息和市场定位。
•
任务 ：筛选符合品牌调性的网红（KOL/KOC）并给出市场报价。
•
衡量标准（如何才算“够垂”） ：最终筛选出的名单和报价，与公司市场部人工筛选的结果高度重合（例如 70% 以上重合），且报价在人工测算的合理区间内。
这些就是你的 agent 够“垂”的表现。假如你的 Agent 输出与通用型工具（如 Manus）一样，那就是不合格的。