ABC Legal：1100 人法律文书公司的 50 个生产 agent 与 agents-as-code

ABC Legal 是美国一家约 1100 人的法律文书送达公司。今年初部署 Claude Enterprise 后，各部门开始自发构建自动化；CTO Brandon Fuller 想要更进一步——一支版本化、可观察、始终在线的 agent 舰队，于是把 agent 从个人电脑迁到 Claude Managed Agents。到 2026 年 7 月：50 多个 agent 在生产环境运行，约 310 名员工跨所有部门日常使用，部分覆盖的人工任务成本降了最多约 50%。

Agents-as-code：agent 本质只是结构化文本

Fuller 的方法论是每个 agent 等于 prompt 加配置，全部存进 git 仓库，任何变更走批准的 PR——由此获得版本历史、代码审查、回滚和审计轨迹。

他花一周做了个 starter kit：事件驱动型和定时型两个模板，每个 agent 一个独立文件夹（JSON 配置、Markdown 系统提示、部署脚本、运维文档），合并到主分支即自动部署。然后是这篇文章最生动的细节：一个 15 人的指导委员会——全部来自财务、市场、运营、开发的非开发者——一周内人人建出了可用的 agent，随后各自培训团队，一个月内 50 多个 agent 上线。有人一开始以为 PR 是指跑步。

agent 都在干什么

挑几个有代表性的：AI Code Reviewer 审查四个代码库的所有 PR，多模型分析抓安全漏洞和泄露凭证；EvidenceChain 送达 agent 每天拉数据报告、用内置浏览器取 PDF、传客户 FTP——它由一个从没做过自动化的客户经理用 Claude Code 一小时建成；eFiling 拒件诊断 agent 在法院拒件时自动读详情、查法院规则，约一分钟在 Slack 给出诊断（原来要数小时）；Charvis 审查已完成送达任务，与合规团队约 98% 一致；财务的 AR 汇款 agent 解析邮件生成 NetSuite 支付文件，Slack 一键批准后导入。

Harvest-Tune：不重训练的自改进闭环

人通过 Slack 回复和 emoji 反应监督 agent；Harvester 每小时或每天把这些反应变成标注数据；Tuner 每周起草 prompt 和配置变更的 PR，人审核合并——不动模型权重，agent 就持续变好。源自姐妹公司 Docketly 的 deliveries-as-code 走得更远：约 145 个路由规则集就是 git 里的一个 YAML，四个 agent 循环运转——周度裁决、标注、开 PR、只推送人类已批准的合并。一个 emoji 反应，一周内就能变成一条已合并的路由规则变更。

信任与成本

信任是渐进的：agent 先只做推荐（banner 或 Slack 消息），人类的响应变成标注数据用来写 evals 和跨模型基准，证明达到或超过人类水平后才转自动化模式，并持续监控。成本上按厂商、工具、团队、用例追踪每一美元；他们自创的效率比率指标呈 J 曲线——初期亏损，随 evals 优化、换更便宜的模型、削减 token 逐渐转正。模型分层简单直接：默认 Sonnet，高并发快任务 Haiku，深度推理 Opus，切换只需一行改动。

CTO 的七条经验

一切皆代码：代码就是结构化文本，LLM 是文本引擎
从人在环开始：每个 agent 先赢得信任再单独行动
PR 作为控制面：让决策长得像 pull request
投资反馈闭环：harvester-tuner 让 agent 无需重训练即可改进
跳过定时任务弯路：直接上 Managed Agents
难点是 git 不是 AI：让业务用户学会克隆仓库和 PR 才是真正的门槛
不是每个任务都值得一个 agent

Fuller 的愿景收尾：「我们要 AI 支撑一个能自己运转的业务，员工腾出手来掌舵。」

本文编译转载自 Anthropic 官方博客 How ABC Legal turned every employee into a builder with Claude Managed Agents，发布于 2026 年 8 月 17 日。