从 Harness 到动态工作流：Claude Code 多智能体任务编排的新范式

导读：就在今天，Anthropic Claude Code 团队成员 Thariq 介绍了 Claude Code 的 Dynamic Workflows 功能。他认为，这是 Claude Code 继 skills 和 subagents 之后的重要能力升级，使 Claude 能够围绕具体任务动态生成定制化多智能体工作流，也就是专属 harness。

据介绍，Workflows 不只面向编码场景，也适用于商业计划分析、简历筛选、根因调查、支持队列整理等非技术任务。通过 fan-out、adversarial verification 等模式，Claude 可以将复杂任务拆分给多个独立智能体处理，从而降低 agent 懒惰、目标漂移和自我偏好偏差等问题。

作者 Thariq（@trq212）是 Anthropic Claude Code 团队成员，曾参与 YC W20 项目，任职 southpkcommons 和 medialab。他专注 AI 工具开发，尤其推动 Claude Code Workflow 多 agent 工作流升级，助力非技术任务自动化。

上周，我们在 Claude Code 中发布了动态工作流^[1]。Claude 现在可以即时编写自己的执行框架^[2]，为手头任务量身定制。

默认的 Claude Code 执行框架是为写代码而构建的，但它对许多其他任务也很有用，因为事实证明，很多任务都很像编码任务。不过，有些任务类别要达到最佳表现，我们过去必须在 Claude Code 之上构建自定义执行框架，例如 Research^[3]、安全分析^[4]、智能体团队^[5]，或 Code Review^[6]。

工作流让你可以动态创建执行框架，使 Claude 能在 Claude Code 内部更原生地解决这些问题，以及更多类似问题。你也可以与他人分享并复用这些工作流。

本文会介绍我早期使用工作流的体验和经验，帮助你充分利用它。

不过，最佳实践仍在发展中。动态工作流通常会使用更多 token，所以要仔细想清楚什么时候用、怎么用。说明：这篇文章也发布在 Claude Blog^[7]。

示例提示词

在深入技术细节之前，我想先用一些示例提示词帮你想象工作流的可能性：

• “这个测试大概 50 次运行会失败 1 次。建立一个工作流来复现它，形成理论，并在 worktree 中对这些理论做对抗性测试，/goal 不要停，直到有一个理论成立。”
• “用一个工作流，检查我最近 50 个 session，挖掘我反复做出的纠正，把那些反复出现的内容变成 CLAUDE.md 规则。”
• “用一个工作流，翻阅过去六个月 Slack 里 #incidents^[8] 的内容，找出反复出现但没人建 ticket 的根因。”
• “拿我的商业计划跑一个工作流，让不同智能体分别从投资人、客户、竞争对手的视角拆解它。”
• “这里有一个包含 80 份简历的文件夹，用一个工作流为后端岗位排序，并复核前十名。用 AskUserQuestion 工具问我问题，形成评分标准。”
• “我需要给这个 CLI 工具起名。用一个工作流头脑风暴一批选项，再跑一场锦标赛选出前 3 个。”
• “用一个工作流，把我们的 User model 在所有地方都重命名为 Account。”
• “检查我的博客草稿，用一个工作流对照代码库验证每个技术主张。我不想发布任何错误内容。”

动态工作流如何运作

动态工作流会执行一个 JavaScript 文件，其中包含一些特殊函数，用来生成和协调子智能体^[9]：

动态工作流也包含标准 JavaScript 函数，例如 JSON、Math 和 Array，用来辅助处理数据。

值得留意的是，动态工作流还可以决定智能体用哪个模型，以及子智能体是否在自己的 worktree 中运行，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，例如用户操作或退出终端，恢复 session 时，工作流可以从中断处继续。

为什么需要动态工作流

当你让默认 Claude Code 执行框架完成一个任务时，它需要在同一个上下文窗口里同时规划和执行。对很多编码任务来说，这非常有效，但在长期运行、大规模并行，或者高度结构化的对抗性任务中，它有时会失效。

原因是，Claude 在单个上下文窗口里处理复杂任务的时间越长，就越容易受到几类特定失败模式影响：

• 智能体懒惰，指 Claude 在一个特别复杂的多部分任务尚未完成时提前停下，并在只取得部分进展后宣称任务完成。例如，在安全审查中只处理了 50 个项目里的 20 个。
• 自我偏好偏差，指 Claude 倾向于偏爱自己的结果或发现，尤其是在被要求根据评分标准验证或评判这些结果时。
• 目标漂移，指经过许多轮对话后，尤其是在上下文压缩之后，Claude 对原始目标的忠实度逐渐下降。每一次压缩都会丢失信息，边界条件要求或”不要做 X”这类约束可能会丢了。

创建工作流有助于对抗这些问题，因为它可以编排多个独立 Claude，让它们拥有各自的上下文窗口，以及聚焦、隔离的目标。

动态工作流与静态工作流

你以前可能用 Claude Agent SDK 或 claude -p 创建过静态工作流，来协调多个 Claude Code 实例。

但静态工作流需要覆盖所有边界情况，因此通常更通用。借助 Claude Opus 4.8^[10] 和动态工作流，Claude 现在已经足够智能，可以为你的具体用例编写量身定制的执行框架。

使用动态工作流时有用的模式

你可以直接要求 Claude 创建一个工作流，也可以使用触发词 “ultracode”，确保 Claude Code 创建工作流。

不过，建立动态工作流如何运作的心智模型，会帮助你理解何时该使用它们，以及如何通过提示词引导 Claude。

Claude 在构建工作流时，可能会使用并组合几种常见模式：

分类再行动

使用一个分类器智能体判断任务类型，然后根据任务路由到不同智能体或不同处理方式。也可以在最后使用分类器来决定输出。

扇出并综合

把任务拆成许多更小的步骤，为每一步运行一个智能体，然后综合这些结果。当存在大量小步骤，或者每一步都受益于自己的干净上下文窗口，避免互相干扰或交叉污染时，这种模式尤其有用。综合步骤是一个屏障，它会等待所有扇出的智能体完成，然后把它们的结构化输出合并成一个结果。

对抗性验证

对每个生成的智能体，再运行一个独立生成的智能体，根据评分标准对它的输出做对抗性验证。

生成并过滤

围绕某个主题生成一批想法，然后根据评分标准或验证结果过滤，去重，并只返回质量最高、经过测试的想法。

锦标赛

让智能体竞争同一个任务，而非拆分工作。生成 N 个智能体，让它们用不同方法尝试同一任务。然后由提示词或模型通过评审智能体进行成对评判，直到选出胜者。

循环直到完成

对于工作量未知的任务，循环生成智能体，直到满足停止条件，例如没有新的发现，或日志里不再有错误。不要使用固定轮数。

使用场景

不妨放开思路，想想什么时候、用什么方式让 Claude Code 创建动态工作流。我发现，工作流有时对非技术工作甚至更有用。

迁移与重构

Bun^[11] 借助工作流从 Zig 重写成了 Rust。你可以在 Jarred 的 X thread^[12] 中阅读更多细节。

关键是把任务拆成一系列需要处理的步骤，例如 callsite、失败测试、模块等。为每个修复在 worktree 中派生一个子智能体，让它完成修复，再让另一个智能体做对抗性审查，然后合并。可以考虑告诉智能体不要使用资源密集型命令，这样你就能最大化并行度，同时避免耗尽机器资源。

深度研究

我们在 Claude Code 中发布了一个使用动态工作流的深度研究 skill（/deep-research）。具体来说，它会扇出 web 搜索，抓取来源，对主张做对抗性验证，并综合成一份带引用的报告。

但你可以把这类研究用于 web 搜索之外的场景。例如，让 Claude 从 Slack 上下文中汇总状态报告，或者通过深入探索代码库来研究某个功能如何工作。

深度验证

另一方面，如果你有一份报告，想检查并溯源其中引用的每一个事实性主张，可以生成一个工作流，让一个智能体识别所有事实性主张，然后为每个主张派生一个子智能体做详细核查。你还可以让验证智能体检查溯源子智能体，确保它使用的来源足够高质量。

排序

你可能有一份条目列表，想按某种定性指标排序，而你认为 Claude Code 擅长评估这种指标。例如：按 bug 严重程度排序支持 ticket。但如果你尝试在一个提示词里排序 1000 多行，质量会下降，而且上下文也装不下。更好的做法是运行锦标赛、由成对比较智能体组成的流水线（相对判断比绝对打分更可靠），或者先并行分桶排序，再合并。每次比较都是自己的智能体，因此确定性的循环负责维护赛程，只有当前运行顺序留在上下文里。

记忆与规则遵守

如果你有一组特定规则，发现 Claude 即使写进 CLAUDE.md 也经常漏掉或难以遵守，可以创建一个工作流，列出必须由验证智能体检查的规则。每条规则对应一个验证智能体。创建一个怀疑者人格的子智能体来审查这些规则，确保它们合理一致，有助于避免太多误报。

反向也成立：挖掘你最近的 session 和代码审查评论，找出你反复做出的纠正，用并行智能体聚类它们，对每个候选规则做对抗性验证（这条规则是否真的能防止一次真实错误？），然后把幸存下来的规则提炼回 CLAUDE.md^[13]。

根因调查

调试的最佳方式，是提出几个相互独立的假设并测试它们。但如果只使用一个上下文窗口，Claude 可能会遇到自我偏好偏差。工作流可以通过结构设计防止这一点：派生多个智能体，从互不重叠的证据中生成假设。例如，为日志、文件和数据分别创建智能体。随后，每个假设都可以交给一组验证者和反驳者审视。

这并不只适用于代码。工作流也可以用于销售（为什么三月销售额下降？）、数据工程（为什么这条 pipeline 失败？），或任何事后复盘练习。

大规模分诊

每个团队都有支持队列、bug 报告，或某种无法完全由人类处理的 backlog。

分诊工作流会对每个条目分类，与已经追踪的内容去重，并采取行动。这可能意味着尝试修复，也可能意味着升级给人类用户。

分诊工作流中一个有用模式是隔离区。读取不可信公开内容的智能体被禁止执行高权限操作，这些操作改由负责根据信息采取行动的智能体完成。

把分诊工作流和 /loop 搭配起来，可以让 Claude 持续执行这类任务。

探索与品味

当你要探索某个解决方案的不同路径时，工作流很有用。尤其是设计、命名这类基于品味的任务，如果配上评分标准，会更适合工作流。

可以让 Claude 探索一批解决方案，并给审查智能体一套优秀方案应满足的评分标准。当审查智能体认为已经满足条件时，任务就完成了。方案也可以依据评分标准通过锦标赛排序或选出。

评估（Evals）

你可以为特定任务运行轻量评估：在 worktree 中派生独立智能体，然后派生比较智能体，根据评分标准比较并评定具体输出。例如，根据特定标准评估并改进你创建的一个 skill。

模型与智能路由

创建一个针对你任务调优的分类器智能体，让它决定使用哪个模型。当任务涉及许多工具调用，并且执行前的研究可以识别最适合的模型时，这会很有帮助。

例如，“解释 auth 模块如何工作”这个任务的最佳模型，取决于 auth 模块有多少文件，以及代码库的结构。分类器智能体可以先做这项研究，再根据预期复杂度路由到 Sonnet 或 Opus。

什么时候不要使用动态工作流

工作流还很新。虽然有很多场景可以带来超额结果，但并非每个任务都需要它们，而且它们可能会使用明显更多 token。

最好把工作流用于创造性地推动 Claude Code，让它做过去没能做到的事情。对于常规编码任务，可以先问问自己：它真的需要更多计算吗？例如，大多数传统编码任务并不需要一个 5 人审查小组。

构建动态工作流的提示

提示词

为动态工作流写详细提示词，并使用上面描述的具体技术，通常会得到最佳结果。

工作流不只适合大型任务。你可以提示模型使用 “quick workflow”。例如，可以快速创建一次针对某个假设的对抗性审查。

结合 /goal 和 /loop

对于可以重复运行的工作流，例如分诊、研究或验证，可以把它们与 /loop 搭配，让它们定期运行；再结合 /goal，设置硬性的完成要求。

Token 使用预算

你可以为动态工作流设置明确的 token 使用预算，限制任务使用多少 token。可以用类似 “use 10k tokens” 的预算提示词来设置上限。

保存和分享动态工作流

你可以在工作流菜单中按 “s” 保存工作流。可以把它们提交到 ~/.claude/workflows，或者通过 skill 分发。

如果要通过 skill 分享，把你的 JavaScript 工作流文件放进 skill 文件夹，并在 SKILL.MD^[14] 中引用它们。为了保留更多灵活性，你可能会希望提示 Claude 把 skill 里的工作流当成模板，而非必须逐字执行的脚本。

一个全新的世界

工作流是扩展 Claude Code 的一种有用新方式。我建议你把它看作起点。关于如何最好地使用它们，还有很多东西有待发现。欢迎告诉我们你的发现。

Thariq Shihipar 和 Sid Bidasaria（@sidbid^[15]）是 Anthropic 的 technical staff，负责 Claude Code。

参考阅读

• 自我进化的 Agent Skill：微软 SkillOpt 到底解决了什么？
• Harness工程: C端 AIGC 内容生产自优化闭环实践
• Claude Opus 4.8 发布：更强判断力、更长自主工作时间，Claude Code 迎来动态工作流
• 从Prompt、Context到Harness，工程的三次进化与终局之战