Claude Code动态工作流六种编排模式解析

副标题：静态流水线已成瓶颈——运行时自建 Harness，并行调用上百子 Agent 的 6 种编排模式与避坑实战

2026 年 5 月底，Anthropic 宣布 Claude Code 正式支持 Dynamic Workflows；6 月初官方工程博客进一步拆解了其底层原理与典型模式。目前该能力已全面开放使用。

如果你刚读完上一篇文章《Claude Code Skills 九分类》，可以这样理解两者的关系：

• Skills = 可复用的能力积木（稳定、可分发）
• Dynamic Workflows = 为当前任务即时编写的编排脚本（灵活、Token 消耗较高）

官方一句话总结：不再是手动编写一套固定流水线，而是 Claude 根据任务动态生成 Harness，调度几十甚至上百个子 Agent 并行执行。

下面从「解决什么问题」「如何工作」「6 种模式」「Bun 实战记录」「何时避免使用」等多个维度展开，帮助你判断是否应该启用 Dynamic Workflows。

一、为什么需要 Dynamic Workflows？

默认的 Claude Code Harness 在常规编码场景下确实够用：在一个上下文里规划、执行，一气呵成。

但遇到以下场景就容易遇到瓶颈：

• 全仓库 Bug 排查
• 跨数百个文件的大规模迁移
• 需要多角度对抗验证的高风险决策
• 间歇性失败（1/50）的竞态复现
• 上千条记录的分拣、排序、根因分析

官方总结了单上下文长任务的三类常见失败模式：

Dynamic Workflows 的解决思路很直接：拆分成多个独立上下文的子 Agent，各自聚焦子目标，再通过合成、对抗验证、迭代收敛的方式得出最终结果。

这与 Anthropic《Agentic Coding Report》中「单 Agent → 协同团队」的趋势完全一致。

二、动态 vs 静态：差别在哪里？

你可能已经用 Claude Agent SDK 或 claude -p 写过静态 workflow——一套脚本适配所有场景。问题在于，静态 workflow 必须为所有边界情况兜底，导致方案往往偏泛化。

有了 Claude Opus 4.8 和 Dynamic Workflows，Claude 足够聪明，能针对你当前的具体任务编写定制化的 Harness。

三、如何触发？两种入口

官方目前提供两种方式，建议开启 auto 模式：

方式 1：直接要求创建 Workflow

在 Claude Code 中输入：

并清晰描述目标、范围、验收标准。

方式 2：开启 ultracode

在 Claude Code 的 effort 菜单中开启 ultracode：

• effort 设为 xhigh
• Claude 会自动判断何时使用 Workflow 处理任务

可用范围（以官方公告为准）：Claude Code CLI、Desktop、VS Code 扩展；Max / Team / Enterprise（Enterprise 需管理员开启）；以及 Claude API、Bedrock、Vertex、Foundry 等。

值得注意的是，首次触发 Workflow 时，Claude Code 会展示即将运行的计划并要求确认；Token 消耗会明显高于普通会话，建议先用小范围任务进行测试。

四、底层如何运行？（技术直觉）

Workflow 启动后，Claude 会：

1. 动态规划——根据 prompt 拆分子任务
2. Fan-out——并行拉起子 Agent（可选独立 worktree）
3. 检查——结果合并前先验证
4. 合成——回到单一协调答案

编排逻辑在对话上下文之外执行，因此任务规模再大，计划也不容易漂移。

关键能力：

• 可恢复：中断后 resume 会话，从断点继续，无需重来
• 可选模型路由：分类 Agent 决定子任务使用 Sonnet 还是 Opus
• 可设 Token 预算：例如在 prompt 中写入「use 10k tokens」设定上限

Workflow 本质上是执行一段 JavaScript，调用特殊函数协调 subagent（详见官方文档）。

五、官方 6 种编排模式（值得收藏）

Anthropic 工程博客总结了 Claude 构建 Workflow 时最常用的模式，可以当作提示 Claude 的词汇表。

1. Classify-and-act（分类路由）

先用分类 Agent 判断任务类型，再路由到不同子 Agent 或行为。

2. Fan-out-and-synthesize（扇出合成）

拆成大量小步骤，每步独立上下文并行，最后通过屏障式合成（等待全部完成再合并）。

适合：大批量同质步骤，避免交叉污染。

3. Adversarial verification（对抗验证）

每个产出 Agent 配一个挑刺 Agent，按 rubric 批判，修到只剩下 nitpick。

适合：安全审计、架构方案、高代价决策。

4. Generate-and-filter（生成过滤）

大量生成候选 → 按 rubric 过滤 → 去重 → 保留高质量结果。

5. Tournament（锦标赛）

多个 Agent 用不同方法处理同一问题，评判 Agent 进行 pairwise 比较，直到选出胜者。

适合：命名、设计、排序、方案选型。

6. Loop until done（循环直到停止）

工作量未知时，循环 spawn Agent，直到无新发现或无新错误才停止。

适合：日志扫描、告警归因、根因排查。

这些模式可以组合使用。在 prompt 中明确指定模式，往往比泛泛地说「帮我认真做」有效得多。

六、官方提供的 Prompt 灵感（可直接修改使用）

工程博客列出了一些高质量示例，摘录几条：

竞态复现、从会话中挖掘 CLAUDE.md 规则、Slack 事故根因、商业计划对抗、技术博文事实核查。

看出规律了吗？——范围清晰、停止条件明确、指定模式（对抗/扇出/循环）。

七、典型场景：什么时候值得开启 Workflow？

代码与工程

• 全仓库 Bug hunt / 安全审计 / 性能剖析
• 大迁移：框架替换、API 废弃、语言移植（跨千个文件）
• 重构：如 User → Account 全库重命名
• 间歇性 Bug：多假设并行验证

非代码场景同样适用

• 深度调研：fan-out 搜索 + 对抗核实 + 引用报告（/deep-research Skill 即使用了 Workflow）
• 分拣排序：上千 ticket/简历，tournament 或 bucket-rank
• on-call 分诊：分类 → 去重 → 尝试修复或升级
• 探索审美方案：命名、UI 方向，tournament 选出 top 3

企业用户反馈

• Klarna：在大代码库中做发现与 review，识别静态分析遗漏的死代码
• CyberAgent：填补「单子 Agent」和「完整 Agent Team」之间的鸿沟，长时运行仍保持可见性

八、案例：Bun 从 Zig 迁移到 Rust（Workflow 极限压力测试）

官方用 Jarred Sumner 的 Bun 迁移作为规模示例（Jarred 后续会有更详细文章）：

代码语言：JavaScript
约 75 万行 Rust

Workflow 阶段（概述）：

1. 映射 Zig 每个 struct field 对应的 Rust lifetime
2. 并行移植每个 .zig → .rs
3. Fix loop 直到 build + test 全部通过
4. 通宵 workflow 找出不必要的数据拷贝，每个优化单独开 PR

重要免责声明：这是极端高压测试案例，不代表日常需求都应 Workflow 化。但它证明了编排层能把「季度级迁移」压缩到「天级」——前提是你有成熟的验证与 review 流程。

九、何时不要使用 Dynamic Workflows？

官方态度很明确：

不要使用 Workflow 的场景：

• 普通函数实现、小 Bug 修复、单文件改动
• 没有明确停止条件的模糊需求
• Token 预算紧张且任务可以被 Skills + 单 Agent 覆盖
• 不需要对抗验证的低风险改动

经验法则：先问自己「是否真的需要更多算力」——多数日常编码不需要 5 人审查团。

退而求其次的方案：让 Claude 跑 quick workflow（例如单次对抗审查一个假设）。

十、与 Skills、/loop、/goal 如何配合？

Skills × Workflows

• 将成熟的 Workflow 保存到 ~/.claude/workflows（Workflow 菜单按 s）
• 或通过 Skill 引用 Workflow JS 作为模板（不是死板脚本，允许 Claude 按任务改写）

上一篇 Skills 中的验证类、审查类、Runbook 类，是 Workflow 里子 Agent 的质量底座。

搭配 /loop 和 /goal

• /loop：周期性 triage、调研、验证（如每小时扫描告警）
• /goal：给 Workflow 设置硬完成条件，防止无限循环

与 merge 责任的关系

Workflow 产出更多代码、更多 PR——merge 按钮仍在人手中。

扇出并行时的建议：

• 每个子任务独立 worktree + 小 PR
• 合并前运行 Verification Skill
• 高风险路径保留 human sign-off

十一、上手清单（今天就能尝试）

1. 选择一个小而硬的任务（如：验证一篇技术文章中所有代码声明）
2. 开启 auto mode，或显式输入 Create a workflow
3. 在 prompt 中写明：模式（如 adversarial verification）+ 停止条件
4. 首次确认计划时，检查子 Agent 拆分是否合理
5. 设置 Token 预算（如 use 10k tokens）防止失控
6. 满意后保存 Workflow 供团队复用
7. 将稳定部分沉淀为 Skill（验证脚本、Gotchas）

十二、与系列文章的衔接

下一篇自然续篇：C03 Bun 迁移实录深度拆解（或 D01 DeepSeek V4 国产栈）。

十三、结论

Dynamic Workflows 标志着 Claude Code 从「一个聪明的编码 Agent」迈向「能够自己编写编排器的 Agent 系统」。

记住四句话：

1. 复杂、长时、对抗性任务才值得开启 Workflow
2. 六种模式（扇出、对抗、锦标赛、循环等）是提示词中的杠杆
3. Token 成本高，先从小任务试水，设定预算，能够保存复用
4. Skills 沉淀质量，Workflow 放大算力——两者配合使用，而非二选一

静态流水线并未消亡，但 2026 年的上限，属于那些能够驾驭动态 Harness 的指挥官。

资料来源

• Anthropic《A harness for every task: dynamic workflows in Claude Code》
• Anthropic《Introducing dynamic workflows in Claude Code》
• Claude Code Workflows 文档
• Bun 迁移讨论（Jarred Sumner）
• 上一篇：《Claude Code Skills 九分类》

Bun 迁移等案例来自 Anthropic 官方披露，效果与团队工程成熟度强相关；Workflow Token 消耗因任务差异很大，请以控制台实际用量为准。