← 返回全部情报
Cresta 用 Claude Agent SDK 做「造智能体的智能体」Conductor:首次部署时间约减半,并用四项构建任务和四维评分做模型升级的安全网 的封面

·Claude Blog(Anthropic)·企业实践收录 2026-10-06

Cresta 用 Claude Agent SDK 做「造智能体的智能体」Conductor:首次部署时间约减半,并用四项构建任务和四维评分做模型升级的安全网

CrestaConductorClaude Agent SDK元智能体客户体验确定性规则评估技能知识飞轮

一句话结论

客服 AI 公司 Cresta 把内部用来支持客户部署的工具做成了产品 Conductor:用户用自然语言描述想要的客服智能体,Conductor 以 Claude Agent SDK 为执行框架,从蓝图一路做到实现、评估和优化;早期用例中首次部署时间约缩短一半;它用新建智能体、写测试、修改已有智能体、根因分析四类任务,从结果、执行路径、质量和资源消耗四个维度评估自己,每次换新模型或改框架都重跑一遍;团队的经验是首次构建只占约 20% 的工作量。

打开原文 Claude Blog:How Cresta turned CX expertise into an agent builder on the Claude Agent SDK

背景与理念

这篇文章发布于 2026 年 10 月 5 日,属于 Anthropic 的「初创公司如何用 Claude 构建产品」系列。Cresta 成立于 2017 年,CEO 是 Ping Wu,已融资超过 2.7 亿美元、年经常性收入超过 1 亿美元,客户包括美联航、CVS Health 和万豪。它的平台提供能独立处理对话的 AI 客服、给人工客服的实时指导,以及帮企业找出改进点的对话洞察。

文章先说明了企业客服智能体为什么难做:客户可能要求退款却不说是哪笔订单,在同一条消息里同时报账单问题和登录问题,或者在退货期过后要求退款。要正确回应,智能体可能得查客户买了什么、退款政策、账户历史或支付状态。搭建和维护这类智能体,需要决定它要知道什么、要访问哪些系统、哪里该灵活、哪里该确定。

Cresta 想把这种判断力开放给更多团队,让他们不用每次从零开始,结果就是 Conductor:一个用自然语言构建智能体的工具,把复杂的业务上下文变成可上线的智能体。

具体做法

第一,从内部工具到产品。Cresta 最早用 Claude Sonnet 和 Claude Opus 做了一个早期版本,帮内部团队支持客户部署;问题在于能不能把它变成客户可以直接在平台里用来构建智能体的产品。Conductor 用 Claude Agent SDK 作为通用执行框架,负责收集上下文、使用工具、编写和运行代码,并根据结果调整。工程负责人 Renjie Li 说,团队内部本来就把 Claude Code 当开发工具用,它在构建智能体的软件开发环节非常有效,而 Agent SDK 让他们能以编程方式使用同一个智能体开发框架,再接上 Cresta 的对话洞察、客服专业知识、评估和运行时。

第二,做成会自我改进的「元智能体」。Conductor 基于客服智能体开发的既有最佳实践,团队用它构建和打磨的智能体越多,沉淀下来的模式、工作流和专家判断就越多。上线后,生产环境的交互、工作流结果和反馈又成为下一轮改进的信号。构建者可以把一次构建中学到的东西整理成可复用的「记忆产物」,包括模式、业务规则和评估方法,再作为技能分享给团队。

第三,帮用户决定哪里灵活、哪里确定。Renjie Li 说,不能太偏向确定性,否则会造出一棵试图穷举所有分支的巨大决策树;但对低风险容忍度的强监管行业,有些关键流程必须每次都正确。Conductor 会参考历史对话,帮团队找出哪里需要人在环、哪里可以让模型灵活应对;边界确定后,开发者仍要用测试检验这些确定性部分是否满足需求,并在业务规则变化时更新测试。

第四,用一组构建任务来评估 Conductor 本身。这些任务包括新建一个智能体、为某个智能体写测试用例、修改已有的智能体、做根因分析。完成任务只是最低要求,团队还看四个维度:结果(是否产出了所需的可用成果)、执行路径(是否用了合适的工具和必要的上下文)、质量(和精选参考答案相比如何)、资源消耗(花了多少时间和模型用量)。

这些任务同时是一张安全网:每当 Claude 推出新模型或 Conductor 框架更新,Cresta 都会用同样的任务和评分重跑评估,在任何人提交改动之前找出哪里变好了、哪里还需要改进。同样的评估纪律也内置给了用户:构建阶段收集到的需求和边界情况会变成评估模块里的测试,团队可以在政策、对接系统和对话模式变化时持续监控那些必须每次都正确的流程。

第五,分清哪些自己做、哪些用现成的。Cresta 把 Conductor 定位为客服领域的智能体开发控制平面,汇集对话数据、领域知识和开发实践,并通过策略、可观测性、验证和基于反馈的改进来管理每一次智能体运行;Agent SDK 则作为底层通用执行框架。团队针对多步骤、大上下文、反复调用工具的任务评估了 SDK,审查范围包括数据隐私、租户架构、组织级密钥分发、管控和可观测性。工程副总裁 Xiangru Chen 说,这让他们能把工程投入放在 Cresta 最能创造长期客户价值的地方。

关键数据/例子

公司规模:Cresta 成立于 2017 年,融资超过 2.7 亿美元,年经常性收入超过 1 亿美元。

效果:在 Cresta 及其合作伙伴的早期用例中,Conductor 把首次部署时间缩短了大约一半。

评估任务:新建智能体、写测试用例、修改已有智能体、根因分析四类。

评分维度:结果、执行路径、质量、资源消耗四项。

工作量分布:团队的经验是首次构建只占约 20% 的工作量,另外 80% 是之后的测试、优化和持续改进。

内部验证:Conductor 先作为内部工具使用,直到它的产出能达到有深厚 AI 经验的工程师的水平,才变成产品。

创新点

第一,用智能体来构建和维护智能体。Conductor 把客服智能体从设计、实现到评估、优化的流程交给一个元智能体,并通过记忆产物和技能把每次构建的经验沉淀下来,形成知识飞轮。

第二,把「确定性与灵活性的边界」当作需要专门工具支持的设计决策。参考历史对话来决定哪里写死规则、哪里交给模型,比一味写决策树或完全放任模型更适合强监管行业。

第三,评估不只看结果,还看路径和成本。执行路径和资源消耗两项指标,能发现「答对了但用错了工具」或「答对了但太贵」这类问题。

第四,把同一套评估当作模型升级的回归测试。每次换模型、改框架都重跑固定任务和评分,让升级决策有据可依。

可否复用

  1. 为自己的智能体建一组固定的构建类评估任务:比如新建、写测试、修改、排障,每次换模型或改提示都重跑并对比。
  2. 评估时同时看结果、路径、质量和成本:记录智能体用了哪些工具和上下文、花了多少时间和 token,而不只看最后答没答对。
  3. 只把必须每次正确的流程写成确定性规则:其余部分交给模型灵活处理,并为确定性部分配套测试,随业务规则更新。
  4. 把每次构建的经验整理成可分享的技能:包括常见模式、业务规则和评估方法,让团队下次从已验证的做法起步。
  5. 规划工作量时按 20% 构建、80% 迭代来排:把工具和人力投入在上线后的测试、优化和持续改进上。

笔记会在输入时自动保存。