如果你带过团队做 AI Agent，大概率经历过这种场面：Agent 在控制台里配好了，某天有人悄悄改了系统提示词，没人记得；环境有三个版本，没人说得清线上跑的是哪个；新同事入职问”这 Agent 谁搭的”，答案往往是”问某某，他当时点的”。Anthropic 显然也看不下去了——9 月 3 日它发布了 ant apply，把 Claude 平台上的 Agent 配置当成代码来管。用过 Terraform 的人，看到它的第一眼就会心一笑。
ant apply 是什么：Agent 界的 Terraform
ant apply 是 ant CLI（1.30.0 版本）新增的一条命令，作用是用仓库里的文件，同步管理 Claude 平台上的资源。能管的资源有五种：Agent（智能体）、环境（environments）、技能（skills）、记忆库（memory stores）和定时/事件触发的部署（deployments）。
写法和 Terraform 一个思路：每种资源就是一个文件。Agent 用 Markdown 写，YAML frontmatter 放配置（名字、模型、工具、技能），正文就是系统提示词；环境和记忆库用 YAML；部署用 Markdown（正文作为每次会话的第一条消息）；技能则必须是一个目录，里面放 SKILL.md。
跑起来三步走：写好文件 → 运行 ant apply → CLI 先打印一份计划（要创建什么、更新什么），你确认后它才动手。执行完会在仓库根目录写一个 claude-lock.json 锁文件，记录每个资源的云端 ID 和两组哈希——一组是本地最后一次下发的内容，一组是云端返回的内容。把这个锁文件提交进 Git，下次任何人 clone 仓库再跑 ant apply，更新的是同一个资源，而不是重复新建。
相对路径引用：这是它最聪明的地方
资源之间互相引用时，不用记云端 ID，直接用文件路径。比如一个 reviewer Agent 要挂 pr-summary 技能，就在配置里写 ../skills/pr-summary；部署文件里引 Agent 和环境，直接写 ./reviewer.md 和 ../environments/cloud.yaml。ant apply . 会按依赖顺序先建技能、再建 Agent、最后建部署，自动把真实 ID 填进去。
好处是整套配置能跟着仓库走：新人 clone 下来、跑一条命令，就得到一份和团队完全一致的 Agent 配置，不需要任何人”手动传授”。技能还能直接引用 GitHub 上的目录并锁定到具体 commit（加 --upgrade 才会更新），外部依赖也可复现。
跑进 CI：PR 上干跑，主干上真跑
官方推荐的两段式用法很成熟，跟普通基础设施的评审流程完全一致：
- 拉请求（PR）里跑
ant apply --dry-run .——只打印计划、不改任何东西，评审人能在合并前看清 Agent 配置会怎么变； - 合并到主干后跑
ant apply --yes .——跳过确认直接应用。
认证上推荐用 Workload Identity Federation，在 GitHub Actions 里可以无密钥运行，不用再维护长期 API key。锁文件里记录了组织和工作空间，CI 里如果凭据对不上会直接拒绝——防止有人拿错环境的 key 乱同步。
四个坑，先说清楚免得踩
工具虽好，边界也得摸清，至少四个：
第一，它”收养”不了你已经在控制台里建好的资源。 任何不在锁文件里的东西，跑 ant apply 都会再复制一份出来。想把存量 Agent 纳入管理，得先在控制台用 “Export as code” 导出定义和配套锁文件。
第二，删文件不等于删资源。 把某个 Agent 的文件删掉再 apply，资源不会消失，只会给个警告；要真删得加 --prune。这设计是防误删，但团队得约定好”删除要走显式流程”。
第三，技能的形态有硬性要求：必须是一个含 SKILL.md 的目录，不能是单个文件。
第四，命令本身要人审：非交互环境里没有 --yes 或 --dry-run，它不会默默执行，而是报错让你二选一——所以放心，它不会在无人值守的流水线里自作主张。
老达点评：AI 工程化的最后一块拼图，正在一块块补上
我的判断（置信度中等偏高）：ant apply 短期影响的是”已经在用 Claude 平台团队版的团队”，但它代表的趋势值得所有人留意——AI 资产（提示词、技能、环境）正在经历软件工程十年前走过的路：从控制台手点，到文件化、版本化、评审化。这跟我之前写 Anthropic 官方《AI 原生开发手册》 时强调的东西一脉相承：把 AI 开发当成正经软件工程，而不是玄学调参。配合上个月 MCP 协议无状态化改版 看更清楚——协议层在解决”Agent 能不能上生产”，ant apply 在解决”Agent 配置怎么上生产还不乱”，两件事指向同一个方向：AI Agent 规模化，工程化基建是绕不开的。
对国内团队，我的实际建议分两层。已经在用 Claude 平台或 Managed Agents API 的，值得花一个周末把手头的 Agent 和技能倒进仓库——倒完之后你大概率不想回控制台了，这种”配置可追溯、改动可回滚”的安全感是会上瘾的，跟 AI 智能体与自动化专题 里讲的”把 Agent 当正式项目管”是同一套哲学。还没上车的个人开发者也别觉得与自己无关：这套”把技能、提示词当文件管理”的思维，无论你用 Codex、Claude Code 还是国产工具都适用——先在本地把自己的常用技能整理成文件目录，就是在为团队化协作提前铺路，相关实践可以继续看 AI 编程工具专题。
最后泼一句冷水：ant apply 目前能管的还只是 Anthropic 自家平台那五种资源，跨平台的 Agent 配置标准还远没统一。工具会换、平台会卷，但”AI 资产要进 Git、要走评审”这个方向，我判断不会回头。
