Anthropic Claude Code 团队最近放出一个新能力：Dynamic Workflows。它的本质不是”又加了个功能”，而是宣告了一个范式转变——让 AI 不再在一个脑子里硬扛复杂任务，而是自己写一套分工协作的组织架构。这篇文章带你把它讲透。
摘要（TL;DR）
- Dynamic Workflows 让 Claude 自己写”脚手架（harness）”——执行一个 JavaScript 文件，现场 spawn 并协调多个子智能体，为当前任务量身定制一套编排逻辑。触发词：让 Claude “make a workflow”，或直接说魔法词
ultracode。 - 它要解决的是单上下文窗口的三大顽疾：智能体偷懒（Agentic Laziness）、自我偏好偏见（Self-preferential Bias）、目标漂移（Goal Drift）。这三个词是全文最值钱的洞察——把”现象”上升成了”机制命名”。
- 六大编排模式：Classify-and-act、Fan-out-and-synthesize、Adversarial Verification、Generate-and-filter、Tournament、Loop-until-done。可组合，可复用。
- 核心原理：用多个独立上下文窗口的 Claude，从架构上结构性杜绝单窗口的失败模式，而不是靠 prompt 哀求模型”别偷懒”。
- 代价：Token 消耗显著增加。不是所有任务都需要——常规编码任务大多不需要五个审查员组成的陪审团。
一、问题的本质：单个脑子扛不住的三类任务
先用第一性原理把事情说透。
传统的 Claude Code 是”单上下文窗口”工作模式——规划和执行挤在同一个脑子里。对绝大多数编码任务，这高效又自然。但碰到三类任务，它会崩：
- 超长时程任务（long-running）
- 大规模并行任务（massively parallel）
- 高结构化的对抗性任务（highly structured adversarial）
为什么会崩？因为 Claude 在单个上下文窗口里干得越久，越容易掉进三个具体的失败模式。这三个模式，是这篇文章最硬的认知贡献：
| 失败模式 | 本质 | 典型场景 |
|---|---|---|
| Agentic Laziness（智能体偷懒） | 干到一半就宣布完工 | 50 项安全审查只做了 20 项就说”搞定了” |
| Self-preferential Bias（自我偏好偏见） | 倾向于认可自己的产出 | 让它按 rubric 自查自纠时，它觉得自己哪儿都对 |
| Goal Drift（目标漂移） | 多轮之后逐渐偏离初衷，尤其在上下文压缩之后 | “不要做 X”这类约束，在一次次摘要里悄悄丢了 |
最后一条尤其值得划重点：每一次 summarization 都是有损的。边缘 case 的要求、”别做某事”的约束，会在压缩中蒸发。这是所有长程 Agent 系统的通病，不只是 Claude Code。
解法：用 workflow 编排多个独立的 Claude，每个有自己干净的上下文窗口 + 聚焦且隔离的目标。从架构上结构性地杜绝这三个失败模式。
这是关键的思维跃迁——不要试图把一个模型调教得永不偷懒，而是设计一个让偷懒不可能发生的组织结构。
二、它到底怎么跑：技术实现
Dynamic Workflows 的底层很朴素，但设计得很聪明：
- 本质是执行一个 JavaScript 文件，里面有几个特殊函数用来 spawn 和协调子智能体；
- 可以调用标准 JS（
JSON、Math、Array）来处理数据； - workflow 能决定每个 agent 用哪个模型（Sonnet / Opus）、是否在独立 worktree 中运行（隔离）——让 Claude 自己选择需要的智能水平和隔离程度；
- 可中断、可恢复：被用户打断或退出终端后，重开 session 能从断点接着跑；
- 触发方式：直接让 Claude “make a workflow”，或者用魔法词
ultracode强制它创建一个。
和过去的”静态工作流”（用 Claude Agent SDK 或 claude -p 手工编排）相比，区别在于：静态工作流要覆盖所有边缘 case，所以往往写得很通用、很笨重；而动态工作流是 Claude 现场为你这个具体场景量身定制的脚手架。
三、六大编排模式（方法论精华）
这部分是整篇文章可迁移性最强的干货。无论你用不用 Claude Code，这六个模式都是多智能体系统设计的通用积木。
1. Classify-and-act（分类后行动）
用一个分类器 agent 先判断任务类型，再路由到不同的 agent 或行为。也可以把分类器放在末尾，用来决定最终输出形态。
2. Fan-out-and-synthesize（扇出后合成）
把任务拆成多个小步，每步跑一个 agent，最后合成结果。特别适合”步骤多”或”每步都需要干净独立上下文、避免互相污染”的场景。synthesize 是一道同步屏障——它会等所有 fan-out 的 agent 都完成，再把结构化输出合并成一个结果。
3. Adversarial Verification（对抗验证）
为每个产出 agent，再配一个独立的”对抗验证 agent”，按 rubric 或标准去挑刺。这是对抗 Self-preferential Bias 的直接武器。
4. Generate-and-filter（生成后过滤）
先就某个主题生成一堆想法，再按 rubric 或验证过滤、去重，最后只留下最高质量、经过检验的那些。
5. Tournament（锦标赛）
不分工，而是让 agent 们竞争。Spawn N 个 agent，各自用不同方法做同一个任务，然后用 prompt 或模型做两两 PK（pairwise）评判，一路淘汰到出冠军。
这里藏着一条认知科学的硬道理：comparative judgment is more reliable than absolute scoring——两两比较比绝对打分更可靠。人类和模型都更擅长回答”A 和 B 谁更好”，而不是”给 A 打几分”。Tournament 模式就建立在这个原理上。
6. Loop-until-done（循环直到完成）
工作量未知时，不要设固定的 pass 次数，而是循环 spawn agent，直到满足停止条件（不再有新发现，或日志里不再有报错）。
这六个模式不是互斥的——真正强大的 workflow 往往是它们的组合。
四、八大应用场景：远不止写代码
作者特别强调一句话：workflow 对非技术工作往往更有用。 下面这八个场景，技术与非技术各占一半。
1. 深度研究 — Anthropic 已经在 Claude Code 里发布了 /deep-research skill，它就是用动态工作流实现的：扇出网络搜索 → 抓取来源 → 对抗验证每条声明 → 合成一份带引用的报告。这个套路不止用于网络搜索，也能用来从 Slack 上下文里编状态报告，或深入探索代码库去搞懂一个特性怎么实现的。
2. 事实核查 — 想给一份报告里每一条引用的事实都核对来源？让一个 agent 找出所有事实声明，每条 spin off 一个子 agent 去逐条核实，甚至再加一个验证 agent 检查来源质量够不够高。
3. 海量排序 — 1000+ 条数据按某个定性标准排序（比如支持工单按 bug 严重程度），单 prompt 必然质量崩坏、装不进上下文。解法是跑一个 tournament，或一条两两比较的流水线，或并行分桶排名再合并。每次比较都是独立 agent，确定性循环 hold 住整个赛程，只有当前的对阵顺序留在上下文里。
4. 规则强制检查 — 有些规则你塞进 CLAUDE.md 它还是会漏。那就建一个 workflow，列出必须检查的规则清单，每条规则配一个 verifier agent。再加一个“怀疑论者”persona 子 agent 去复审这些规则，避免误报太多。反方向也成立：从你最近的会话和 code review 评论里挖出你反复做的修正，并行聚类、对抗验证（“这条规则真能防住一次真实错误吗？”），然后把幸存者蒸馏回 CLAUDE.md。
5. 调试 — 调试的最佳实践是提出多个独立假设并逐个测试。但单上下文窗口会让 Claude 陷入自我偏好偏见。Workflow 能从结构上防止这点：让不同 agent 从互不重叠的证据（logs、files、data 各一个 agent）生成假设，每个假设再面对一组“验证者 + 反驳者”陪审团。这套不止能调代码——销售复盘（三月销量为什么掉？）、数据工程（管线为什么挂？）、任何 post-mortem 都适用。
6. Triage（队列分诊） — 每个团队都有处理不完的支持队列、bug 报告或 backlog。Triage workflow 给每一项分类、对已跟踪的去重、然后行动（尝试修复或升级给人类）。这里有个有用的安全模式叫 Quarantine（隔离）：禁止那些读取不可信公开内容的 agent 执行高权限动作，高权限动作交给专门负责行动的 agent。配上 /loop 就能让 Claude 持续干。
7. 设计 / 命名探索 — 这类 taste-based 任务（设计、命名）最适合给一个 review agent 配 rubric。让 Claude 探索一堆方案，review agent 觉得满足标准了就算完成；也可以基于 rubric 用 tournament 排序或选择。
8. 动态选模型 — 建一个为你的任务调优过的分类器 agent，让它先调研任务复杂度，再决定路由到 Sonnet 还是 Opus。比如“解释 auth 模块怎么工作”这个任务，最佳模型取决于 auth 模块有多少文件、代码库形态如何——分类器先做这个研究，再路由。这是省钱的关键一招。
五、安全亮点：Quarantine 隔离模式
在所有场景里，有一个设计值得单独拎出来讲——Quarantine（隔离）模式。
在 triage 这类要处理外部不可信内容的工作流里，Anthropic 的设计是：读取不可信公开内容的 agent，禁止执行高权限动作；高权限动作只能由专门的执行 agent 来做。
这其实是经典的安全分层思想在 Agent 时代的再现——把“接触不可信输入”和“拥有高权限”这两件事在不同的 agent 上物理隔离，从而切断 prompt injection 的攻击链。一个被注入的 agent，手里没有可以被滥用的权限；一个有权限的 agent，根本不直接接触不可信内容。
这条对任何做 Agent 安全的人都是范式级的启发：信任边界不应该画在模型内部，而应该画在 agent 之间。
六、关键警示与实战技巧
作者难得地诚实，专门留了一节讲“什么时候别用”和“怎么用得省”。
- ⚠️ Token 消耗会大增。Workflow 不是每个任务都需要。常规编码任务先问自己一句：它真的需要更多算力吗？ 大多数传统编码任务不需要五个审查员组成的陪审团。
- ✅ 支持“快速工作流”。Workflow 不只为大任务而生——你可以 prompt 它做一个“quick workflow”，比如对某个假设做一次轻量级的对抗审查。
- ✅ Token 预算可控。可以显式设上限，prompt 一句“use 10k tokens”就会把这个任务的 token 封顶。
- ✅ 可保存可分享。在 workflow 菜单里按
s保存到~/.claude/workflows，或打包进一个 skill 来分发。分享时建议提示 Claude 把 skill 里的 workflow 当成模板而非必须逐字运行的死脚本。 - ✅ 组合
/goal和/loop。对可重复的 workflow（triage、研究、验证），配/loop定时跑，配/goal设一个硬性完成标准。 - ✅ 详细 prompt 出最好结果。用上面那些具体技巧去写 prompt，效果最好。
一个真实案例：作者提到某个项目从 Zig 重写到 Rust，就是用 workflow 干的——把任务拆成一系列要处理的单元（调用点、失败的测试、模块等），为每个修复 spin off 一个 worktree 里的子 agent 去改，再让另一个 agent 对抗审查、合并。还有个小贴士：告诉 agent 别用资源密集的命令，这样才能最大化并行而不会把机器跑爆。
七、它意味着什么：从超级个体到项目经理
把视角拉高。
这篇文章的核心不是“Claude Code 又加了个功能”，而是一个范式转变的信号：
从“让模型在一个脑子里硬扛复杂任务”，转向“让模型自己设计一套分工协作的组织架构”。
过去我们优化 Agent 的思路，是把单个模型调得更强、上下文更长、prompt 更精巧——本质是在打造一个超级个体。而 Dynamic Workflows 走的是另一条路：承认单个上下文窗口有结构性的天花板，转而让模型自己当项目经理，现场组建一支临时团队，分工、并行、互相验证、最后合成。
这背后是一个深刻的工程哲学：
- 可靠性来自结构，而非祈祷。 你没法 prompt 一个模型“永远不要偷懒、永远不要偏袒自己、永远不要忘记目标”——但你可以设计一个让这些失败无处发生的结构。
- 比较优于打分。 对抗验证和锦标赛模式，都在用“相对判断”替代“绝对判断”，这是对 LLM 评估能力边界的清醒认识。
- 隔离即安全。 Quarantine 模式把信任边界画在 agent 之间，而不是模型内部。
Workflow 还很新，最佳实践仍在演化。但方向已经清楚了：未来强大的 AI Agent，不会是一个无所不能的巨脑，而是一个懂得在合适的时候，为合适的任务，组建合适团队的协调者。
而这，恰恰是组织协作这门古老学问，在 AI 时代的回响。
原文作者：Thariq Shihipar & Sid Bidasaria，Anthropic Claude Code 技术团队成员。本文为深度解读与延伸思考。