Anthropic 公布 ABC Legal 案例：50+ 智能体让部分法律任务成本最高降 50%

8 月 17 日，Anthropic 开发者账号发布推文，宣布一篇新的客户案例博客：美国法律文书送达公司 ABC Legal 部署了 Claude Managed Agents，50+ 个智能体组成的舰队让部分法律任务成本最高下降 50%，智能体还通过反馈回路持续改进。同日上线的以 ABC Legal 的 CTO Brandon Fuller 为主角，披露截至 2026 年 7 月的追踪数据：50+ 个智能体在生产环境运行，约 310 名员工日常使用 Claude。

需要说明的是，这些数字出自 Anthropic 的官方博客，属于公司对自家客户案例的陈述。博客同时给出了降本数字的边界：部分智能体覆盖的人工任务，在"重度优化之前"，成本最高降约 50%。

从 15 个非工程师到 50+ 智能体

ABC Legal 是一家美国法律文书送达公司，业务覆盖文书送达（service of process）、电子 filing（eFiling）和出庭律师协调，市场、合规、财务等部门也参与其中。今年早些时候 Fuller 向公司 1100 名员工推出 Claude Enterprise 后，"用户真的涌向它"，各团队开始自己搭建自动化。问题也随之而来：早期智能体以定时任务形式散落在个人桌面上，无法无人值守运行，也没人知道建了什么、花了多少钱、昨晚跑没跑。

Fuller 的解法是把智能体迁到 Claude Managed Agents，并"把每个智能体当作软件"。他的理由是："智能体本质上就是结构化文本，提示词加配置，凡是文本都能放进仓库，让全公司看见、审查、改进。"

每个智能体的提示词、工具列表、调度、凭据和记忆都写进 git 仓库的配置文件，任何改动都要经过有人批准的 pull request，由此获得版本历史、代码审查、回滚和审计轨迹。他花一周做了一个含两套模板的 starter kit（事件驱动型和定时型），每个智能体独占一个文件夹，合并到主分支即自动部署。

为了证明非开发者也能自己造智能体，他让 15 人指导委员会（来自财务、市场、运营和开发，没有一个是软件开发者）用 Claude Code 克隆仓库、填配置和提示词。Fuller 回忆说，得先解释什么是 PR：好几个人以为那是指跑步的个人纪录（personal record）。"现在他们互相发 pull request 了。"

一周内 15 人全部做出能跑的智能体，一个月内 50+ 个智能体上线运行，每个都有名字、负责人和单一职责。

一分钟出诊断：这 50 多个智能体在干什么

ABC Legal 的法律流程大部分环节都有智能体值守。法院驳回一份 filing 时，eFiling Rejection Diagnoser 自动触发，读取任务详情、核对法院规则，约一分钟内把诊断发到 Slack，而过去这要耗掉员工几个小时。

AI Code Reviewer 用多模型分析审查四个代码库的每个 pull request，抓安全漏洞、性能回退和泄露的凭据，工程师现在要等它审完才合并。EvidenceChain™ Delivery Agent 接管了客户经理每周手工做的一件琐事：每天从公司自营网站 EvidenceChain.com 拉取数据库报告，用智能体内置浏览器逐份取回 PDF，传送到客户的 FTP 服务器。搭建它的客户经理从未做过任何自动化，用 Claude Code 描述需求，约一小时建成。

类似的还有核对法院案件是否如期举行的 job-verification agent、协调出庭律师的 Attorney Coverage Agent、财务的 AR-remittance agent、市场的 Google Ads 分析师，以及意见与合规团队一致率约 98% 的复核智能体 Charvis。

一个 emoji 反应，一周内变成生产配置

智能体都在人工监督下工作：把结果或建议发到 Slack，人们在帖子里回复、用 emoji 表态。Fuller 把这些反应看成被浪费的训练信号。

对能收集到分级反馈的智能体，ABC Legal 用三角色架构：Initial Agent 实时干活并留审计轨迹，Harvester 每小时或每天把 Slack 回复和 emoji 收成带标签的数据点，Tuner 每周通览全局并提出对提示词或配置的修改，只起草，由人审查后合并 pull request。智能体不重训模型，改进全走开发者已经熟悉的 PR 流程。

这套回路在 Docketly，ABC Legal 旗下 50 人的姊妹公司，跑得更远。Docketly 把约 145 套配送规则写成 git 里的单个 YAML 文件，四个智能体组成 "deliveries-as-code" 回路：一个每周在 Slack 发布裁决，Harvester 把反应变成标签，Tuner 对 YAML 开 pull request，第四个智能体把已合并的配置推上生产数据库。

一个标记配送路由出错的 emoji 反应，一周内就能变成该路由规则的已合并修改；审查是回路里唯一的人工步骤。

运行归 Anthropic，提示词归 ABC Legal

选定 Claude Managed Agents 之前，Fuller 评估过多个框架，标准是版本化、可观察会话、按工作区计费、模型选择、记忆原语、MCP 接入，以及最关键的一条：没有需要照看的基础设施。

职责划分很干净：Anthropic 的托管基础设施负责执行循环、会话、记忆、控制台和模型本身，每次推送都会生成带乐观锁的新版本，回滚很轻；ABC Legal 拥有提示词、工具列表、触发逻辑、审计轨迹和结果反馈回路。

模型按任务切换是默认配置：大多数智能体用 Claude Sonnet，高吞吐快速任务用 Claude Haiku，需要更深推理时用 Claude Opus，换模型只是一行改动。智能体通过 MCP 连接 ABC Legal 自营平台（100+ 工具）、Metabase、Slack 和 Atlassian，定时任务走 Bitbucket Pipelines 的 cron 调度。

每个智能体每次运行都把价值以小时和美元计上报数据仓库，公司追踪的效率比是价值除以运行成本；智能体通常走一条 J 曲线，刚上线时用大模型跑得贵，等写完评测、换便宜模型、裁掉多余 token 后才转正。

成本先升后降："最多降 50%"怎么算

ABC Legal 逐笔追踪 AI 支出，按供应商、工具、团队和用例拆分。春季舰队上线时支出一路上涨，7 月开始下降而使用量继续增长，这就是"部分任务成本最高降约 50%"的来源。所有智能体都从"人在回路"起步，先发建议等人批准，证明与人类判断一致后才转入自动执行，之后仍留在同一套测量框架里，监控性能是否变化。

推文发出后，转推评论："那可真是好多好多个智能体。"（"that's a whollleeeeee lotta agents"）

写道："AI 可能还不会取代律师，但看起来助理律师（paralegal）在不久的将来就要灭绝了。"截至本文写作时，这条推文有约 3.3 万次浏览、452 个赞和 315 次收藏。

AI 支撑一个能自己运转的业务

智能体舰队还在增长：进行中的项目包括服务照片审核智能体、PagerDuty 分诊智能体、每日 KPI 摘要，以及给现有智能体扩展 Tuner 回路。

公司同时在物色更多"X-as-code"候选，把通知模板、事件路由规则、调度逻辑移进仓库，让智能体读取、推理并提议改进。Fuller 的表述是："我们希望 AI 支撑一个能自己运转的业务，员工腾出手来掌舵。"（"We want AI to support a business that can run itself, with employees free to steer it."）