Claude Code 新增动态工作流功能

上周，我们在 Claude Code 中发布了动态工作流。Claude 现在可以即时编写自己的运行框架，针对手头的任务量身定制。

虽然 Claude Code 的默认运行框架是为编程而构建的，但它对许多其他类型的任务同样有用，因为事实证明，许多任务都与编程任务相似。但有些类别的任务，我们必须在 Claude Code 之上构建自定义运行框架才能达到最佳性能，例如研究、安全分析、智能体团队或代码审查。

工作流让你能够动态创建构建在 Claude Code 之上的运行框架，使 Claude 能够更原生地解决所有这些问题。你还可以与他人分享和复用这些工作流。

在本文中，我将介绍我最初的工作流体验和心得，以便你能够充分利用它。请记住，最佳实践仍在发展之中：动态工作流通常会消耗更多 token，最适合复杂、高价值的任务。

示例提示词

在深入技术细节之前，我想先给出几个示例提示词，让你思考工作流带来的可能性：

“这个测试大约每 50 次运行会失败 1 次。设置一个工作流来复现它。针对这个竞态提出相互竞争的理论，直到有一个理论经得起证据检验才停止。”

“用一个工作流，把我最近 50 次会话过一遍，从中挖掘我反复犯的错误，并把反复出现的那些整理成 CLAUDE.md 规则”

“用一个工作流，把 Slack 里 #incidents 频道过去六个月的内容翻一遍，找出那些反复出现、却没人提工单的根本原因。”

“拿我的商业计划书，跑一个工作流，让不同的智能体分别从投资人、客户和竞争对手的角度把它批得体无完肤。”

“这里有一个装着 80 份简历的文件夹，用一个工作流为后端岗位给它们排序，并对前十名进行复核。用 AskUserQuestion 工具来访谈我，以确定评分标准。”

“我需要给这个 CLI 工具起个名字。用一个工作流头脑风暴出一堆选项，再跑一场锦标赛选出前 3 名。”

“用一个工作流，把我们的 User 模型在所有地方重命名为 Account。”

“把我博客文章的草稿过一遍，用一个工作流对照代码库核实每一处技术性论断，我不想发布任何有错的东西。”

动态工作流如何运作

动态工作流会执行一个 javascript 文件，其中包含几个特殊函数，用于帮助生成和协调 子智能体：

动态工作流还包含 JSON、Math 和 Array 等标准 JavaScript 函数，用于帮助处理数据。

特别有用的一点是，动态工作流可以决定智能体使用哪些模型，以及子智能体是否在各自独立的 worktree 中运行，从而让 Claude 自行选择所需的智能水平和隔离程度。

如果工作流被中断，例如因用户操作或退出终端，恢复会话后工作流将能够从中断处继续。

为什么需要动态工作流

当你让默认的 Claude Code harness 执行一项任务时，它需要在同一个上下文窗口内既做规划又做执行。对于许多编程任务来说，这种方式非常有效，但在长时间运行、大规模并行、高度结构化和/或对抗性的任务中，它可能会失效。

这是因为 Claude 在单个上下文窗口中处理复杂任务的时间越长，就越容易受到几种特定失败模式的影响：

• 智能体惰性指的是 Claude 在完成一项特别复杂的多部分任务之前就停下来，在取得部分进展后就宣称任务已完成，例如在安全审查中只处理了 50 项中的 35 项。
• 自我偏好偏差指的是 Claude 倾向于偏好自己的结果或发现，尤其是在被要求根据评分标准对其进行验证或评判时。
• 目标漂移指的是在经历多轮对话后，尤其是经过上下文压缩之后，对原始目标的忠实度逐渐丧失。每一次摘要步骤都是有损的，诸如边缘情况需求或“不要做 X”这类约束等细节可能会丢失。

创建工作流有助于应对这些问题，方法是编排各自拥有独立上下文窗口、目标聚焦且相互隔离的 Claude 子智能体。

动态工作流与静态工作流

你此前可能已经使用 Claude Agent SDK 或 claude -p 创建过静态工作流，用于协调多个 Claude Code 实例协同工作。

但由于静态工作流需要适用于所有边缘情况，它们通常更为通用。借助 Claude Opus 4.8 和动态工作流，Claude 如今已经足够智能，能够为你的具体用例量身定制一套专属的编排框架。

使用动态工作流时的实用模式

你只需让 Claude 创建一个动态工作流即可开始使用，或者使用触发词“ultracode”来确保 Claude Code 创建一个工作流。

但建立起对动态工作流运作方式的心智模型，将有助于你理解何时该使用它们，以及如何通过提示词来引导 Claude。

在构建工作流时，Claude 可能会使用并组合以下几种常见模式：

分类并执行

使用一个分类器智能体来判断任务类型，然后根据任务类型将其路由到不同的智能体或行为。或者，在最后使用一个分类器来确定输出。

扇出并综合

将一个任务拆分为许多更小的步骤，在每一步上运行一个智能体，然后综合这些结果。当存在大量较小的步骤时，或者当每一步都受益于其自身干净的上下文窗口、从而不会相互干扰或交叉污染时，这一点尤其有用。综合步骤是一道屏障——它等待所有扇出的智能体，然后将它们的结构化输出合并为一个结果。

对抗性验证

对于每一个派生出的智能体，运行另一个单独派生的智能体，依据评分标准或准则对其输出进行对抗性验证。

生成并筛选

围绕某个主题生成若干想法，然后依据评分标准或通过验证对其进行筛选，去除重复项，只返回质量最高、经过测试的想法。

锦标赛

与其划分工作，不如让智能体就此展开竞争。派生 N 个智能体，每个都使用不同的方法尝试同一任务。然后由提示词或模型使用评判智能体以两两对决的方式评判结果，直到决出胜者。

循环直至完成

对于工作量未知的任务，循环派生智能体，直到满足停止条件（没有新发现，或日志中不再有错误），而不是固定执行固定轮数。

使用场景

创造性地思考何时以及如何让 Claude Code 构建动态工作流。我发现工作流有时对非技术性工作甚至更有用。

迁移与重构

Bun 就是使用工作流从 Zig 重写为 Rust 的。你可以在 Jarred 的 X 帖子中了解更多关于这一过程是如何完成的。

关键在于将任务分解为一系列需要逐一处理的步骤，例如调用点、失败的测试、模块等。在工作树中为每一处修复派生一个子智能体来完成修复，然后让另一个智能体进行对抗性审查，并将它们合并。可以考虑告诉智能体不要使用资源密集型命令，这样你就可以最大限度地并行化，而不会耗尽机器上的资源。

深度研究

我们在 Claude Code 中发布了一个深度研究技能（/deep-research），它使用了动态工作流。具体来说，它会扇出网络搜索、抓取来源、对其中的主张进行对抗性验证，并综合生成一份带引用的报告。

但你可以把这类研究用于网页搜索之外的更多场景。例如，让 Claude 根据 Slack 中的上下文整理一份状态报告，或者通过深入探索某个代码库来研究某个功能是如何运作的。

深度验证

另一方面，如果你有一份报告，想要核查并溯源其中引用的每一条事实性论断，你可能需要生成一个工作流：让一个智能体识别出所有事实性论断，然后派生出一个子智能体逐一详细核查。你还可以让一个验证智能体去检查那个负责溯源的子智能体，以确保其来源质量足够高。

排序

你可能有一批条目，想按照某种你认为 Claude Code 擅长评估的定性指标来排序，例如：按 bug 严重程度对支持工单排序。但如果你试图在单个提示词中对 1000+ 行进行排序，质量会下降，而且也无法放进上下文窗口。取而代之的做法是运行一场锦标赛、一条由两两比较智能体组成的流水线（比较性判断比绝对打分更可靠），或者并行进行分桶排名后再合并。每次比较都由各自的智能体完成，因此确定性的循环负责维护对阵表，只有当前的运行顺序会留在上下文中。

记忆与规则遵循

如果你有一组特定的规则，发现 Claude 总是漏掉或难以处理，即使把它们放进了 CLAUDE.mds，也可以创建一个工作流，列出一份必须由验证者智能体逐条检查的规则清单——每条规则对应一个验证者。创建一个持怀疑态度的角色子智能体来审查这些规则，确保它们彼此一致，有助于避免过多的误报。

反方向同样可行：挖掘你近期的会话和代码审查评论，找出你反复做出的纠正，用并行智能体对它们进行聚类，对每个候选规则进行对抗性验证（这条规则能否阻止一次真实的错误？），然后把存活的规则蒸馏回一个 CLAUDE.md。

根因调查

调试的最佳方式是提出多个相互独立的假设并逐一验证，但如果你只使用一个上下文窗口，Claude 可能会陷入自我偏好偏差

工作流可以从结构上防止这一点，方法是启动多个智能体，从互不相交的证据中生成假设。例如，分别为日志、文件和数据设置独立的智能体。然后每个假设都可以面对一个由验证者和反驳者组成的小组。

这不仅仅适用于代码。工作流还可以用于销售（三月份销售额为什么下降？）、数据工程（这条流水线为什么失败？），或任何事后复盘工作。

大规模分诊

每个团队都有支持队列、缺陷报告或其他无法由人工完全处理的积压工作。

分诊工作流会对每个条目进行分类，与已跟踪的内容去重，并采取行动。这可能意味着尝试修复，或升级给人工用户。

分诊工作流的一个实用模式是隔离。这涉及禁止读取不可信公开内容的智能体执行高权限操作，这些操作改由负责根据信息采取行动的智能体来完成。

将分诊工作流与 /loop 搭配使用，可让 Claude 持续执行这一流程。

探索与品味

在探索解决问题的不同方法时，工作流会很有用，尤其是当方法基于品味时，比如设计或命名，并且能从评分标准中获益。

试着让 Claude 探索一系列解决方案，并给评审智能体一份评分标准，说明什么样的解决方案才算好。当评审智能体认为已满足标准时，任务即告完成。解决方案也可以根据该评分标准，通过锦标赛的方式进行排序或筛选。

评估

你可以针对特定任务运行轻量级评估：在一个 worktree 中派生独立的智能体，然后再派生对比智能体，依据评分标准对具体输出进行比较和打分。例如，针对某一特定标准对你创建的技能进行评估，然后再加以改进。

模型与智能路由

创建一个针对你的任务进行调优的分类器智能体，由它来决定使用哪个模型。当你的任务涉及大量工具调用，而在执行前开展调研能够找出最适合该任务的模型时，这会很有帮助。

例如，对于“解释 auth 模块是如何工作的”这一任务，最佳模型取决于 auth 模块中有多少个文件以及代码库的形态。分类器智能体可以完成这项调研，然后根据任务的预期复杂度路由到 Sonnet 或 Opus。

何时不应使用动态工作流

工作流是新生事物。尽管在许多用例中它能带来超乎寻常的成果，但并非每项任务都需要它，而且它最终可能会消耗显著更多的 token。

最好以创造性的方式使用工作流，以你此前未曾尝试过的方式推动 Claude Code。对于常规编码任务，不妨问问自己：它真的需要更多算力吗？例如，大多数传统编码任务并不需要 5 名评审员组成的评审小组。

同样的判断也适用于更高一层的架构层面：多智能体与单智能体的抉择遵循类似的逻辑——并行与专业化必须证明其协调成本是值得的。

构建动态工作流的技巧

提示词设计

针对动态工作流，使用我们上文描述的具体技巧进行详细提示词编写，能产生最佳效果。

工作流并不只适用于大型任务。你可以提示模型使用“快速工作流”。例如，你可以针对某个假设创建一个快速的对抗性审查。

结合 /goal 和 /loop 使用

当使用可重复执行的工作流时，例如分诊、研究或验证，将它们与 /loop 搭配以按固定间隔运行，并用 /goal 设定硬性完成要求。

Token 用量预算

你可以为动态工作流设置明确的 token 用量预算，以限制一个任务使用多少 token。你可以用类似这样的预算来提示它：“使用 10k tokens”，这会设定上限。

保存和分享动态工作流

你可以在工作流菜单中按“s”来保存工作流。你可以将它们检入 ~/.claude/workflows，或通过技能分发它们。

要通过技能分享它们，请将你的 JavaScript 工作流文件放入技能文件夹，并在 SKILL.MD 中引用它们。为了获得更大的灵活性，你可能希望提示 Claude 将技能中的工作流视为模板，而不是需要逐字运行的脚本。

发现的新起点

工作流是一种扩展 Claude Code 的有用新方式。我鼓励你把它当作一个起点，去探索使用 Claude 帮助完成任务的更多新方法。关于如何最好地使用它们，仍有许多值得探索之处。欢迎告诉我你的发现。

关于哪些内容本应属于 harness 的原则，请参阅我们为使用 Claude 构建而写的三种 harness 设计模式。

本文由 Thariq Shihipar 和 Sid Bidasaria 撰写，他们是 Anthropic 的技术人员，从事 Claude Code 相关工作。