Anthropic 刚刚开源了他们工程师使用的完整操作手册

它解释了如何构建生产级 AI 代理：
多代理系统、记忆层、协调器、上下文工程。
大多数人像看待其他随机 GitHub 仓库一样，随意浏览过去了。
我没有。
一天之内，我用一个任务构建了 3 个代理：
找到通过利用结构而非预测事件获利的 Polymarket 钱包。
他们发现了 3 个地址。
每个都使用相同的原理，只是在不同的市场上。
钱包 #1 - Elon Musk 推文市场
它以大约 3¢ 的价格购买了所有 27 种可能的结果。
结果：
赢得了 27 种结果中的 7 种 → 仍然盈利。
仅一系列就赚了 2,270 美元。
总盈亏：13 万美元
钱包 #2 - 纽约气温市场
以大约 6¢ 的价格购买了所有 9 种结果。
结果：
赢了 1 种 → 仍然盈利。
投资 1,000 美元 → $250 利润
总盈亏：75,000 美元
起初我无法理解数学。
然后我明白了。
如果一个市场有 10 个结果，每个价格为 5¢，购买所有结果总共花费 50¢。
但中奖结果支付 1.00 美元。
无论哪个结果发生，你都能获利。
你不需要预测。
你只需要市场中所有概率之和 < 100¢。
这不是赌博。
这是概率套利。
然后我添加了第 4 个代理。
基于 LLM 作为裁判的原理——一个不搜索，只评估的代理。
它对以下内容进行了压力测试：
• 回撤
• 稳定性
• 策略韧性
它选择了这个钱包：

钱包 #3 — Trump Truth Social 发布市场
策略：
以大约 10¢ 的价格购买所有可能的发帖范围。
示例结果：
赢得 6 种中的 3 种 → 仍然盈利。
每日利润：$674 – 1,100 美元
无预测。
无新闻。
无运气。
裁判代理选择这个钱包，不是因为它赚得最多，而是因为策略最稳定。
天气可能剧烈变化。
推文数量难以预测。
但特朗普的发帖频率在统计上是一致的——因为特朗普的行为就像特朗普一样。
于是我连接了一个复制交易机器人，开始镜像每笔交易：

现在我不再：
• 分析市场
• 计算概率
• 跟踪新闻
三个代理找到了策略。
第四个选择了最优的那个。
机器人只是简单地复制它。
Anthropic 给每个人提供了相同的工具。
唯一的问题是，你用它们构建了什么。