本文深入解读了 Claude Code 新发布的 Agent View 功能,将其定位为管理多 AI Agent 工作流的人类注意力调度面板,并分享了作者 4 个月使用 131 亿 token 的实战经验与深度思考。
📝 详细摘要
本文作者以自身 4 个月使用 Claude Code 消耗 131 亿 token、606 个会话的极端用量为引,指出多 Agent 工作流下人类注意力已成为稀缺资源。文章核心介绍了 Claude Code 新发布的 Agent View 功能,该功能将多个独立 Claude 会话可视化为「等输入/运行中/已完成」三栏面板,本质是解决人类在多任务并行时的注意力分配问题。作者详细对比了 subagent、agent team 和 agent view 三个易混淆的概念,指出 Agent View 是服务于人类的 dashboard。文章还深入分析了 Agent View 的几个关键设计:会话与终端窗口解绑、基于 git worktree 的代码隔离机制(每个后台 agent 在独立副本中工作)、由 Haiku 模型驱动的状态摘要生成、以及 /loop 集成实现定时自迭代。最后,作者针对不同使用阶段的用户给出了具体的迁移建议,并警示了「派活变简单后,review 成本不变」的核心教训。
💡 主要观点
- Agent View 的核心价值是解决人类在多 Agent 并行时的注意力分配问题。 当同时运行多个 Claude Code 会话时,人类需要频繁切换窗口查看状态。Agent View 将多个会话抽象为三栏看板,让人类像管理项目任务一样管理 AI Agent,本质是提升人类的调度和决策效率。
💬 文章金句
- AI 编程进入多 Agent 阶段后,真正稀缺的不是执行力,而是人类的注意力、判断力和调度力。
- Agent View 本质是个产品功能。它不让 Claude Code 变聪明。它想要解决的问题算是人类的问题:就是当你同时让 N 个 Claude 在干 N 件事时,你这个人类的注意力怎么分配。
- 别因为派活变简单,就一次派 8 件。AI 派任务的边际成本是 0,你 review 任务的边际成本不是。
- Anthropic 这次不是发明新工作流,更像是把自己内部跑了好几个月的工作流公开化。
📊 文章信息
AI 初评:88
来源:花叔
作者:花叔
分类:人工智能
语言:中文
阅读时间:16 分钟
字数:3923
标签: Claude Code, Agent View, AI 编程, 多 Agent 工作流, 注意力管理