AI 幫你審程式碼、記住習慣、自動分工——Anthropic 這次升了四個功能

你叫 AI 做事，它做完了，但你不確定做對了沒。下次要用同一個 agent，還得重頭說明一遍背景和習慣。出了問題，也搞不清楚是哪個環節出錯。

這是現在 AI Agent 的三個核心痛點：輸出品質不穩、記憶不跨對話、複雜任務容易漏洞。

Anthropic 在 2026 年 5 月，圍繞這三個問題一次推出四個新功能。這篇文章用白話帶你看懂每一個在解決什麼，並附上你可以跟著試的指令。

一、/ultrareview：送出前，先讓 AI 自己抓問題

是什麼

/ultrareview 是 Claude Code 裡的斜線指令。執行後，它會把你目前的程式碼變更送到雲端，同時啟動多個 reviewer agent，分別從不同角度並行審查——邏輯正確性、邊界情況、安全漏洞、效能問題——最後整合成一份結構化報告。

不是走一遍，是四個 reviewer 同時走，各看各的，最後比對結果。

怎麼用

在 Claude Code 的工作階段裡直接輸入：

/ultrareview

如果要針對特定的 GitHub PR 審查，可以加上 PR 編號：

/ultrareview 42

也可以從終端機非互動地跑，適合 CI 環境：

claude ultrareview --json

幾個注意事項：

• 需要 Claude Code v2.1.111 以上（跑 claude update 升級）
• Pro 和 Max 用戶有 3 次免費試用額度（Anthropic 官方說法）
• 適合在 PR merge 前跑一次，當最後一道把關

解決什麼問題

以前 code review 靠自己或等同事；現在 AI 先幫你過一遍，明顯問題不會帶著上 production。

二、Dreaming：Agent 會做夢，也會記住教訓

是什麼

Dreaming 是一個排程流程，在 agent 閒置時自動回顧過去的工作階段，找出跨對話的規律、整理成記憶筆記和標準流程（playbook），讓下次執行時直接參考。

幾個重點：

1. 它不修改模型本身的權重，只是把學到的東西寫成純文字筆記，存在 memory store 裡
2. 它能找出單一 agent 看不到的規律——比如多個 agent 反覆犯的同一個錯、不同人對相同任務的偏好差異
3. 你可以選「自動更新」或「先給我看再更新」，控制程度由你決定

法律 AI 公司 Harvey 在開啟 Dreaming 後，agent 的任務完成率提升了約 6 倍。他們的用法：讓 agent 記住各種文件格式的細節和工具操作習慣，不用每次靠提示詞重新說明。

怎麼開啟

Dreaming 目前是 Managed Agents API 的 research preview，需要申請存取權。設定範例：

{
  "dreaming": {
    "enabled": true,
    "review_before_apply": true
  }
}

review_before_apply: true 代表 Dreaming 整理出的記憶更新，會先給你確認再寫入——適合剛開始使用、還想掌控的人。

解決什麼問題

以前每次開新對話，AI 都從零開始；Dreaming 讓 agent 真正「學習」你的工作習慣，越用越省力，不用每次重新說明背景。

三、Outcomes：你定標準，它自己重做直到達標

是什麼

你寫一份成功標準（rubric），agent 執行完後，一個獨立的 grader agent 會對照你的標準打分。分數不到，grader 指出哪裡不對，agent 重做，直到達標為止。

設計上有一個重要細節：grader 是在自己獨立的 context window 裡評分，不知道 agent 是怎麼推理的——這樣可以避免 agent 「自我說服」grader，讓評分結果更客觀。

官方數字（已查核）

Anthropic 的內部測試：

• 整體任務成功率比標準提示詞流程高出最多 10 個百分點
• docx 文件生成任務成功率提升 8.4%
• pptx 簡報生成任務成功率提升 10.1%

越難的任務，Outcomes 的效益越明顯。

怎麼用（API 範例）

response = client.beta.messages.create(
    model="claude-opus-4-7",
    max_tokens=4096,
    messages=[{"role": "user", "content": "幫我寫一份季度報告摘要"}],
    outcomes={
        "rubric": "報告需包含：關鍵指標、問題分析、下季建議，每項至少 100 字",
        "max_retries": 3
    }
)

max_retries 讓你控制最多重試幾次，避免成本失控。

你也可以結合 webhook：讓 agent 執行完後通知你，不用盯著等結果。

解決什麼問題

以前你要自己判斷 AI 的輸出夠不夠好；現在讓另一個 AI 幫你把關，而且會自動重做到你設定的標準為止。

四、Multiagent Orchestration：主 Agent 當主管，派工給專家團隊

是什麼

一個任務太複雜、一個 agent 做不完？現在可以讓一個主 agent 把工作拆開，派給多個有各自專長的子 agent 並行執行。子 agent 共用一個檔案系統，結果統一回報給主 agent，全程在 Claude Console 可追蹤每一步。

實際情境：調查系統故障

你要找出昨晚線上系統故障的原因。以前你可能得自己一個一個翻 log，或等工程師逐一排查。現在主 agent 可以同時派出四個子 agent：

• Agent A：查 deploy 歷史和版本變更
• Agent B：分析 error log 和異常模式
• Agent C：看系統 metrics 和流量圖
• Agent D：翻 support ticket 找使用者回報

四個同時跑，最後主 agent 整合所有發現，給你一份完整的事後報告。

API 設定概念

response = client.beta.messages.create(
    model="claude-opus-4-7",
    messages=[{"role": "user", "content": "調查昨晚的系統異常，列出可能原因"}],
    multiagent={
        "enabled": True,
        "specialists": [
            {"role": "deploy_analyzer", "tools": ["git_log", "deploy_api"]},
            {"role": "log_analyst", "tools": ["log_reader"]},
            {"role": "metrics_watcher", "tools": ["grafana_api"]},
            {"role": "ticket_reader", "tools": ["support_api"]}
        ]
    }
)

Netflix 的平台工程團隊用 Multiagent Orchestration 分析數百個 build 的 log，讓子 agent 並行處理不同來源的資料，找出跨應用程式的重複性問題。

解決什麼問題

以前一個 agent 做太複雜的任務容易遺漏細節；現在可以分工，每個子 agent 專注自己的領域，效率更高，結果更完整。

這四個功能放在一起，Anthropic 在做什麼

這不只是功能升級。Anthropic 在做的事情是讓 AI Agent 從「執行指令的工具」走向「能自我改進、自我評估、協作完成任務的工作夥伴」。

目前 Dreaming 是 research preview，需要申請；Outcomes、Multiagent Orchestration 和 webhook 都已進入 public beta，開發者可以直接開始用。如果你正在用 Claude 做事，這四個功能值得現在就開始認識。

想讓自己的工作流更有條理、不容易出差錯？一台穩定的開發環境是基礎，我用的是蝦皮編輯選物的桌面 4 件套，鍵盤、Hub、掛燈、書架都是用了三個月以上才放進推薦清單的。

利益揭露：本文部分連結為聯盟連結，點擊購買我會獲得回饋，不影響你的價格。我只推薦自己用過 3 個月以上的工具；未實際長期使用的硬體一律以規格與適用情境客觀描述。