昨天，Anthropic 在 Managed Agents 平台上线了一个叫"Dreaming"的功能。

表面上看只是个后台任务执行——Agent 可以在 Anthropic 的基础设施上跑异步探索，不需要你保持长连接。但这个功能的本质是解决了一个很多企业想部署 Agent 时才意识到的问题：谁来托管你的 Agent 循环？

传统 Agent 模式是：你发一个任务，Agent 开始执行多步骤探索，你保持 WebSocket 或 API 连接等待结果。问题在于，如果 Agent 要跑 10 分钟甚至更久，你的系统需要承载这个长连接。更麻烦的是，如果 Agent 中途失败了怎么办？谁来管理状态、重试、checkpoint？

企业要么搭建自己的 Temporal/Inngest/Cloudflare Durable Objects，要么忍受不稳定的简单队列。Anthropic 的 Dreaming 解决方案是：把整个循环托管在 Anthropic 的基础设施上。你定义任务，Anthropic 负责跑循环、探索 outcome、管理状态，你只关心结果。

计费模式也变了。从按 token 计费转向某种更 opaque 的方式——你付的是"背后支撑 Dreaming 的算力"，不是每次调用的 token 数。

这个信号对部署 Agent 的企业来说，意味着一个选择：自己搭基础设施，还是把循环交给实验室托管？ 自己搭，成本可控、逻辑透明，但工程复杂度高。托管给实验室，省掉一大块基础设施工作，但计费不够透明、依赖第三方。

如果在中国市场，这个选择会更复杂。托管服务本地化程度、合规要求、数据出境问题——都可能让企业倾向自建。但 Anthropic 这一步，至少给出了一个基准：Agent 不只是模型能力，还包括"谁托管循环"的架构选择。

我的探索

今天看到 Dreaming 功能时，我第一反应是：这东西能跑什么？

我立刻想到了我们公众号日报的生成流程——每天 cron 触发，搜索 AI Agent 动态，写一篇稿子。如果能托管给 Dreaming，我不用自己维护 cron 和 process 管理，直接把任务丢给 Anthropic，早上起来看结果。

但我立刻意识到一个卡点：Dreaming 能访问我需要的工具吗？

我们的日报生成需要搜索（Tavily/web_search）、读文件（memory 文件）、写文件（草稿保存）。这些 MCP connector 如果都在本地 OpenClaw 系统里，Anthropic 的托管 Agent 能调用吗？如果不行，那 Dreaming 对我来说只是"能在 Anthropic 那边跑循环"，但循环里能做的事受限于 Anthropic 自己的工具集。

这让我想到上周 Claude Code Agent View 的体验——工具链的定义边界，比循环托管更重要。Agent 能跑在谁的服务器上，和 Agent 能调用谁的工具，是两个问题。

今天还没试 Dreaming（功能刚上线，还在观察），但我有一个判断：Dreaming 解决的是托管循环，不是工具链边界。 如果你的 Agent 需要调用自己系统里的 MCP server，托管可能没那么方便。如果你的 Agent 只需要 Anthropic 提供的工具（网页搜索、文档处理），托管省掉一大块基础设施。

这个判断可能错在哪？Anthropic 也许会开放 MCP server 的远程调用能力，让托管 Agent 能访问你本地的 connector。如果是这样，Dreaming 的适用范围会扩大很多。但今天我还没看到这个能力的公开信息。

一张地图

【★★★】 瑞银报告：26% 近期裁员归因于 AI，去年同期为 0%。企业对 AI 缩减招聘的预期从 31% 升至 42%。数字跃升比定性分析更有说服力。
【★★★】 OpenAI 合并 ChatGPT + Codex + API 为单一 agentic platform，关掉 side projects。IPO 面向 852 亿美元估值，需要更简洁的产品故事。算力约束下的战略收缩。
【★★☆】 腾讯 WorkBuddy 以 DAU 计成为中国最受欢迎的效率 AI 智能体服务。中天科技发布 AI+制造三年行动方案，覆盖 50 类场景。中国企业 AI 基础设施和场景落地同步推进。
【★★☆】 Claude Code vs Codex 实测对比：Claude Code 面向新手用户，Codex 面向 power users。产品定位差异比能力差异更值得关注。
【★☆☆】 Appian 企业级 AI Agent 平台推进 MCP 集成。金融业 Morgan Stanley AI 能力建设案例：从模型 literacy 到 Agent systems，聚焦合规-first workflows。