我们在讨论 AI Agent（智能体）时经常会发现一个问题，Agent 往往跑不远，任务一复杂，Agent 就容易“断片”或者“发疯”。

为什么会这样？因为 AI 的“脑容量”（上下文窗口）是有限的。工具越多，干扰信息就越多。中间步骤越多，无效信息就越多。

Anthropic 发布了一篇硬核的技术博客，介绍了 Claude 开发者平台的三项新功能，解决了一个核心问题：如何让 Claude 在处理成百上千个工具时，依然保持清醒和高效。

这就是 Claude 能够长时间稳定运行的“秘诀”。

这三项技术分别是：工具搜索（Tool Search Tool）、编程方式调用工具（Programmatic Tool Calling） 和 工具使用示例（Tool Use Examples）。

我们来拆解一下它们到底是什么。

1. 工具搜索：别把所有书都背在背上

以前我们是怎么开发 Agent 的？我们会把所有可能用到的工具说明书，一次性全部塞给 AI。

假设你的 Agent 要连接 GitHub、Slack、Jira 和 Google Drive。这里面可能有几十个甚至上百个工具。

这些工具的定义本身，就会占用大量的 Token（代币）。

Anthropic 的数据显示，如果你的 Agent 连接了 5 个常用的服务，光是工具定义就可能消耗 5 万到 7 万个 Token，这还没开始聊天，AI 的“脑子”就被占了一大半。

这会导致两个问题：

1. 贵：每次对话都要重复发送这些定义。
2. 笨：干扰项太多，AI 容易选错工具。

现在 Claude 有了“工具搜索”功能。

它的逻辑变了，开发者不需要把所有工具都塞给 Claude。

只需要告诉 Claude：“我这里有一个工具库，你可以去搜索。”

当 Claude 需要“创建 GitHub Issue”时，它会先发起一个搜索请求。系统会把相关的工具定义找出来，临时加载给 Claude。用完之后，这些信息不需要一直占着内存。

效果如何？

Anthropic 做了一个测试。他们把工具数量从 50 个增加到更多。如果不使用搜索，上下文消耗了 77,000 Token。

如果使用搜索，消耗只有 8,700 Token。

Token 消耗减少了近 90%。

这意味着 Claude 可以把宝贵的注意力，留给真正的任务，而不是用来记工具说明书。

2. 编程方式调用：用代码代替“废话”

这是另一个痛点，传统的 Agent 工作流是“对话式”的，比如你要让 Agent 分析一个 10MB 的日志文件，找出报错最多的 5 个 IP 地址。

传统的做法是：

1. Agent 调用“读取文件”工具。
2. 系统把 10MB 的文件内容全部把返回给 Agent。
3. Agent 的上下文瞬间爆满。
4. Agent 读完内容，再思考，再回答。

这个过程非常低效，大量不重要的中间数据（比如那 10MB 的原始日志）进入了 AI 的大脑，这不仅浪费钱，还容易让 AI 遗忘之前的指令。

现在 Claude 支持“编程方式调用”。

Claude 不再是一个个地喊工具，它会直接写一段代码（比如 Python 脚本）。

新的做法是：

1. Claude 编写一段代码这段代码会调用“读取文件”工具，并在代码里进行统计和排序。
2. 系统在一个安全的环境里运行这段代码。
3. 系统只把“最后的统计结果”返回给 Claude。

Claude 实际上变成了一个编排者，它不需要看原始数据，它只需要写代码去处理数据。

这样做的好处是巨大的：

1. 省流：中间过程产生的垃圾数据，不会进入上下文。
2. 准确：代码处理逻辑（比如循环、条件判断）比自然语言推理更严谨。
3. 快：不需要一来一回地进行多次网络请求。

Anthropic 透露，Claude for Excel 就是用了这个技术。

它可以处理几千行的表格，却不会“撑爆”模型。

这是一个示例流程图，Claude 会编写一个 Python 脚本来协调整个工作流程，只会接收最终的输出结果。

3. 工具使用示例：给范例而不是只给规则

我们要教 AI 使用一个复杂的工具，通常会提供一个 JSON Schema（数据结构定义）。

这就像是给 AI 一本语法书，但是语法书写得再好，AI 还是可能会犯错。

比如一个字段叫 date（日期）。是填 2025-11-25？还是填 Nov 25, 2025？还是填时间戳？光看定义，AI 经常会猜错。

或者一个字段叫 user_id。是填 12345 还是 USR-12345？

现在开发者可以在定义工具时，直接附带“示例（Examples）”。

你可以直接告诉 Claude：

• “如果要创建一个紧急 Bug 单，参数应该是这样的……”
• “如果要创建一个功能需求单，参数应该是那样的……”

这就像我们在学习新语言时，看例句比背语法更有效。

Anthropic 的测试表明，加上了这些示例后，Claude 在处理复杂参数时的准确率，从 72% 提升到了 90%。

总结

这三大更新，其实都在解决同一个问题：Scale（规模化）。

当 Agent 只是个玩具时，我们不在乎 Token 消耗，也不在乎它能不能跑完 50 步操作。

但是当我们要把 Agent 投入生产环境，要让它长时间、稳定地处理复杂任务时，我们就必须面对这些瓶颈。

• 工具搜索：解决了“知识库过大”的问题。
• 编程方式调用：解决了“中间数据过多”和“逻辑编排”的问题。
• 工具使用示例：解决了“操作精度”的问题。

Claude 正在变得越来越像一个成熟的工程师。它不仅会聊天，更懂得如何高效地使用工具箱。

对于开发者来说，这意味我们终于可以构建更复杂、更强大的 Agent 了。而对于用户来说，这意味着你会发现，手里的 AI 助手，终于不那么容易“掉链子”了。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】