Claude Science 发布：Anthropic 的多智能体科研工作台对 AI 工程团队的路由架构有何启示

6 月 30 日，Anthropic 正式推出 Claude Science —— 一个面向科学研究的多智能体工作台，现已对 Pro、Max、Team 和 Enterprise 用户开放 beta。产品本身的目标受众是生命科学研究人员，但 Anthropic 为其构建的底层架构，对于任何在 Claude API 上搭建生产级 agentic pipeline 的工程团队而言，都是一个可直接学习的 Claude Science multi-agent workbench routing 实战样本。

发生了什么

Claude Science 是一款桌面应用（支持 macOS 和 Linux），将数十个科学数据库、计算环境和分析工具统一在一个 Claude 驱动的会话中。产品预置了超过 60 种领域专属技能（skill），覆盖基因组学、蛋白质组学、单细胞分析、结构生物学和化学信息学。同时接入了 NVIDIA BioNeMo Agent Toolkit，内置 Evo 2、Boltz-2、OpenFold3 等专业模型。

对 AI 工程团队最关键的，是 Anthropic 为此构建的三层 agent 结构：

1. 协调器 agent —— 接收用户意图，分解任务，向领域专家 agent 派发工作。
2. 领域专家 agent —— 面向特定领域（基因组学、蛋白质组学、文献分析），负责查询相关数据库和执行分析流水线。
3. 审阅器 agent —— 独立 agent，负责检查每个输出，核实引用是否指向原始来源，标记无法溯源的数字，以及识别与底层代码不一致的图表。

计算资源的路由策略同样明确：Claude Science 会根据任务规模从本地 GPU 逐步升级到 SSH 连接的 HPC 集群，再到按需的 Modal 云 GPU。每次触达新计算资源前，系统都会请求用户确认；用户可在任务提交前撤回任何决策。

为什么对 AI 工程团队重要

审阅器 agent 模式填补了大多数 agentic pipeline 的盲点。 多数团队在部署多步 agent 时，用同一个模型同时承担生成和自我评估的职责。Claude Science 将审阅器设计为具有独立目标的独立 agent：找出生成器的错误。生成器与验证器的职责分离，有效阻止了模型"自我确认"自己输出的情况。

上下文边界路由是生产约束，不是锦上添花。 Claude Science 明确指出：每个步骤只将 Claude 实际需要的上下文发送给模型。对于大规模科学数据集（基因组流水线、蛋白质结构数据库），将全部数据发给模型既不现实也没必要。架构采用选择性上下文路由——这一模式可直接应用于处理大型代码库、长文档或多轮数据分析的任何 agentic 系统。

会话 fork 是一种路由决策。 用户可以在任意时间点 fork 会话，在不丢失原始线程的情况下对比两种分析思路。从路由视角看，这是"分支-评估"模式：并行运行两条 agent 路径，对比结果，保留一条。构建评测框架或多路径代码生成 pipeline 的团队，可以用 Claude API 的会话管理能力实现同样的模式。

Skill 扩展性意味着可混合 provider。 Claude Science 支持将自定义流水线保存为可复用的 skill，并通过 connector 接入私有数据集或工具，后续会话自动继承。这与 MCP server 注册表的架构一脉相承——领域专属工具可供协调器调用，而无需嵌入 system prompt。

Router/operator 视角

Claude Science 的三层模式——协调器、领域专家、审阅器——与团队当前面临的路由决策一一对应：

按 agent 角色路由不同模型。 协调器不需要最强的推理深度，只需解析意图并派发任务；审阅器需要高准确率来核实引用；领域专家需要深厚的领域知识。这是将不同 agent 角色路由到不同模型的经典场景——例如用轻量快速模型做协调，用能力更强的模型做验证——而非整个 pipeline 都用同一个单体模型。

计算升级策略。 Claude Science 的"请求权限后才触达新计算资源"本质上是一种显式的升级策略：本地 → 集群 → 按需云端。构建成本感知型 agentic 系统的团队可以实现同样的分层计算路由——从低成本推理开始，仅在任务需要时才升级，层级之间设置明确的审批关卡。

隐私保护路由。 本地运行 agent、向 Claude 发送上下文边界内的调用，本身就是一种路由选择：将敏感数据保留在本地，只将衍生上下文（embedding、查询结果、结构化输出）通过 API 传输。这对任何涉及私有代码、客户数据或受监管数据集的工作负载路由团队都直接适用。

TheRouter 用户值得关注的内容

通过 AI gateway 路由 Claude API 工作负载的团队，今天就可以实现上述三种模式：

• 在同一 pipeline 中，将协调器、领域专家和审阅器角色路由到不同模型，通过模型别名避免硬编码模型版本。
• 用路由规则实现升级策略：在派发到高成本模型之前，检查预估 token 长度或任务规模。
• 对于敏感数据 pipeline，只路由结构化输出——而非原始数据——通过外部 API 调用，将上下文转换保留在本地。

Anthropic 于同日（6 月 30 日）发布的 Claude Sonnet 5，是 Claude Science 的默认推理引擎。Claude Managed Agents 现已支持逐会话配置覆盖，与 Claude Science 采用的上下文边界路由方式高度契合。

希望评估 Claude 用于领域专属 agentic 工作的团队，可参考模型目录了解当前 Claude 模型规格，以及文档中心获取 API 集成模式。

Agentic 路由团队决策框架

构建新的多智能体 pipeline 时，应思考：

1. 每个 agent 角色是否都需要相同的模型，还是协调和验证可以路由到更小、更快的模型？
2. 审阅器 agent 是否独立于生成器，还是生成器可以自我确认输出？
3. 计算成本的升级策略是否明确定义，还是隐含在模型选择中？
4. 上下文中哪些部分含有不应离开本地环境的敏感数据，这种隔离如何在路由层强制执行？

Claude Science 为其所在领域给出了全部四个问题的答案。这些答案可直接迁移到任何生产级 agentic 系统。