Dynamic Workflows – Claude Code 推出的动态工作流

1. Dynamic Workflows是什么

Dynamic Workflows 是 Anthropic 在其 Claude Code 开发环境中推出的动态工作流系统，目前处于研究预览阶段。该系统允许 Claude 在单次会话中动态编写编排脚本，并行调度数十至数百个子 Agent 协同处理大型工程任务，自动进行任务拆分、结果验证与断点续跑，将原本需要数周完成的大规模代码重构或审计任务压缩至数天内完成。它标志着 AI 编程助手从单轮对话向多 Agent 协作系统的关键跃迁。

技术定位与领域： Dynamic Workflows 属于 AI 编程助手领域的多智能体协作框架，定位在“超大规模代码库级自动化”场景。与传统的单 Agent 编程助手不同，它通过动态编排脚本实现数百个子 Agent 的并行调度，适用于跨文件、跨服务的全库级重构、漏洞扫描和性能审计等复杂任务。

研发背景： 由 Anthropic 团队基于 Claude 模型开发，源于对现有编程助手在大型项目上效率瓶颈的深刻洞察。此前开发者需要手动拆分任务、逐个运行脚本，而 Dynamic Workflows 将这一过程完全自动化，体现了 Anthropic 在 Agent 编排和任务分解技术上的前沿探索。

核心价值： 解决了传统 AI 编程助手在处理大规模代码库时“单 Agent 能力有限、人工介入过多、失败后需从头重来”三大痛点。通过并行子 Agent、对抗性验证和断点续跑，显著提升了大型工程任务的完成速度和可靠性。实际案例中，Bun 项目的 Zig 到 Rust 移植仅用 11 天，测试通过率 99.8%，验证了其工业级能力。

技术特点： 核心创新在于动态编排脚本生成——Claude 根据任务特征实时生成协调脚本，而非依赖预定义模板；多层级验证机制采用生成-审查-迭代闭环，多个 Agent 从不同角度独立尝试，其他 Agent 负责反驳验证，直至结果收敛；外部协调架构确保计划不受对话上下文限制，支持数小时至数天的持续运行。

2. 主要功能

• 任务自动拆分与并行执行： Claude 根据用户指令自动将大型任务（如全库漏洞扫描、代码迁移）拆解为数百个子任务，并分发给并行子 Agent 同时处理。每个子 Agent 独立运行，互不干扰，大幅缩短整体执行时间。

• 结果验证与对抗审查： 每个子 Agent 的输出在汇总前会经过独立验证 Agent 的检查，同时部署对抗性 Agent 主动挑战已有结论，从不同角度寻找错误或遗漏。这种多轮迭代机制确保最终答案收敛到高可靠性水平。

• 进度断点续跑： 工作流运行过程中自动保存中间状态，即使因环境中断（如网络波动、服务器重启），也可从断点恢复，无需从头开始。这对耗时数小时至数天的长任务至关重要。

• 全流程可视化： 实时展示每个子 Agent 使用的模型、Token 消耗、工具调用次数及执行耗时。开发者可以像观察“赛博包工头”一样监控整个工作流的进展，便于调试和优化。

• 动态编排脚本生成： 与传统固定模板不同，Claude 根据任务特征实时生成协调脚本，灵活决定子 Agent 数量、任务依赖关系、验证策略等。这种动态性使得系统能适应各种复杂度的任务。

• 外部协调架构： 协调逻辑在对话外部运行，不受 Claude 对话上下文窗口限制。即使任务规模扩大至数百个 Agent，计划也能稳定推进，不会因上下文溢出而失败。

• 长时运行支持： 原生设计支持数小时至数天的持续运行，适配大型工程任务的时间需求。通过断点续跑和外部协调，确保长时间任务的稳定性。

3. 如何使用

1. 环境要求： 需要安装 Claude Code CLI（命令行界面），支持 macOS、Linux 和 Windows（通过 WSL）。建议使用 Claude Max 或 Team 订阅，Enterprise 用户需管理员在设置中手动启用。API 用户可通过 Claude API、Amazon Bedrock、Vertex AI、Microsoft Foundry 使用。

2. 直接指令启动： 在 Claude Code 中直接输入“Create a workflow”或描述性指令（如“扫描整个仓库的 SQL 注入漏洞”），Claude 会自动分析任务复杂度，判断是否需要触发工作流。若任务简单，可能直接以单 Agent 完成；若复杂，则自动启动动态编排。

3. 开启 ultracode 模式： 通过 Effort 菜单启用 ultracode 设置，自动将 effort 设为 xhigh。此模式下 Claude 会更积极地判断何时触发工作流，处理复杂任务时无需用户手动指定。适合需要高自动化的大型项目。

4. 平台与权限： 适用 Claude Code CLI、桌面端、VS Code 插件。Max、Team 及 API 用户默认开启工作流功能；Enterprise 用户需管理员在设置中手动启用。使用前确保订阅等级支持。

5. 监控与干预： 工作流启动后，可通过可视化面板查看每个子 Agent 的状态、Token 消耗、工具调用次数。若发现某个子 Agent 偏离方向，可手动中断并调整指令，然后从断点恢复继续执行。

6. 最佳实践： 对于首次使用，建议从中小型任务（如单个模块的代码审查）开始，熟悉工作流的行为模式。对于全库级任务，确保代码已提交至版本控制，以便在出现意外修改时回滚。注意 Token 消耗可能较高（多 Agent 并行开销大），建议在预算内使用。

4. 优缺点分析

5. 同类工具对比

选型建议： 对于需要处理大型代码库（数万文件以上）的团队，如安全扫描或语言迁移，Dynamic Workflows 的并行规模和验证机制是首选，尽管 Token 成本较高。如果任务偏向终端编程（如 shell 脚本、命令行工具开发），OpenAI Codex CLI 的 Token 效率和终端性能更优。对于中小型项目的渐进式重构，GitHub Copilot Workspace 的逐步执行方式更易控制。而快速原型或学习场景，Replit Agent 的交互式体验更友好。

6. 编辑点评

Dynamic Workflows 代表了 AI 编程助手领域从“单兵作战”到“军团协作”的范式转变。其技术创新性在于动态编排脚本生成和外部协调架构，这两个设计解决了长期困扰多 Agent 系统的两大难题：任务分解的灵活性和上下文窗口的限制。实际验证案例（Bun 移植）展示了其在大型工程任务上的惊人效率——11 天完成原本需要数周甚至数月的工作，测试通过率 99.8%，这不仅是技术突破，更是生产力质变。

从实用价值看，Dynamic Workflows 特别适合三类场景：全库安全审计（并行扫描+独立验证）、大规模代码迁移（端到端自动化）、关键任务双重验证（对抗性审查）。但 Token 消耗较高和预览阶段的不稳定性是主要制约因素。对于预算充足、追求效率的企业团队，它已经具备投产条件；对于个人开发者或小团队，建议先在小规模任务上验证效果。

适用人群定位：中大型软件团队的技术负责人、安全工程师、DevOps 工程师，以及需要处理遗留代码库的开发者。未来发展潜力巨大：随着 Anthropic 持续优化 Token 效率和稳定性，Dynamic Workflows 有望成为下一代 CI/CD 流水线的核心组件。

7. 应用场景

• 全代码库漏洞扫描： 并行搜索整个服务或仓库，对每个发现运行独立验证，输出真实问题报告。例如，扫描 10 万行代码的 Web 应用，Dynamic Workflows 可同时启动 50 个子 Agent 分别检查不同模块，每个结果再经对抗性审查，最终只报告确认的漏洞，误报率极低。

• 大规模代码迁移： 处理框架替换、API 弃用、语言移植等涉及数千文件的端到端迁移。以 Bun 从 Zig 移植到 Rust 为例，工作流自动拆分迁移任务，每个子 Agent 负责一个模块，验证 Agent 检查编译和测试通过率，断点续跑确保中途失败不丢失进度。

• 关键任务双重验证： 在高风险决策前（如数据库迁移脚本、支付系统更新），通过独立尝试与对抗性挑战确保结论可靠。工作流会生成多个独立方案，并让对抗 Agent 找出每个方案的缺陷，直至所有方案收敛到一致的解决方案。

• 性能优化审计： 基于分析器指导，并行审查代码库中的死代码、性能瓶颈与清理机会。例如，对大型 Java 项目，可同时运行 30 个子 Agent 分别分析不同模块的热点函数，汇总后生成优化优先级列表。

• 自动化测试生成与维护： 针对遗留代码库，工作流可并行分析每个函数，自动生成单元测试，并通过验证 Agent 确保测试覆盖率和正确性，大幅提升测试效率。

8. 常见问题FAQ

Q：Dynamic Workflows 是否支持所有 Claude 订阅？
A：Max、Team 及 API 用户默认开启；Enterprise 用户需管理员在设置中手动启用。Free 和 Pro 订阅暂不支持。API 用户可通过 Claude API、Amazon Bedrock、Vertex AI、Microsoft Foundry 调用。

Q：如何判断我的任务是否适合触发工作流？
A：Claude 会根据任务复杂度自动判断。简单任务（如单文件重构）可能直接以单 Agent 完成；复杂任务（如跨文件重构、全库扫描）会自动启动工作流。你也可以通过开启 ultracode 模式让 Claude 更积极地触发。

Q：工作流的 Token 消耗如何控制？
A：由于多 Agent 并行，Token 消耗较高。建议先在小范围任务上测试实际消耗，评估成本。可以通过设置 Token 上限或限制子 Agent 数量来控制。目前没有直接配置项，但未来版本可能加入预算控制功能。

Q：工作流运行中能否手动干预？
A：可以。通过可视化面板查看每个子 Agent 状态，若发现某个子 Agent 偏离方向，可手动中断该子 Agent 并调整指令，然后从断点恢复。整个工作流不会因单个子 Agent 中断而失败。

Q：断点续跑的数据保存在哪里？
A：自动保存在本地工作目录的缓存文件中。确保磁盘有足够空间（大型任务可能需要数 GB）。如果切换机器或清理缓存，则需要重新运行。建议在稳定环境中执行长时间任务。

Q：Dynamic Workflows 与 Claude Code 的普通模式有何区别？
A：普通模式是单 Agent 对话，适合简单任务；工作流模式是多 Agent 并行系统，适合复杂任务。工作流模式会自动拆分任务、并行执行、验证结果，而普通模式需要用户手动引导。

9. 项目地址

• 项目官网： https://claude.com/blog/introducing-dynamic-workflows-in-claude-code
• Claude Code 文档： https://docs.anthropic.com/en/docs/claude-code
• Anthropic 博客： https://www.anthropic.com/blog （可搜索 Dynamic Workflows 相关文章）