周三下午三点，一个软件工程师盯着屏幕上密密麻麻的错误日志，系统里几百个微服务同时报了奇怪的超时警告。这不是某个服务挂了，而是像蟑螂一样到处乱窜的偶发故障。他团队只有三个人，排查范围却横跨二十多个代码仓库。按照传统做法，一个人逐个服务翻日志，这个星期基本就交代进去了。

Anthropic最近给Claude Code上了一个新能力，叫动态工作流（Dynamic Workflows），专门对付这种复杂度超过单个智能体处理上限的任务。它的思路不是给你一个更强的AI，而是让Claude自己当"工头"——接到任务后当场生成一套编排脚本，把大问题拆成子任务，分发给多个专门的智能体并行处理，跑完之后交叉验证结果，再汇总成最终答案。目前这个功能以研究预览版的形式开放。

打开网易新闻 查看精彩图片

这个设计解决了一个尴尬的现实问题：手动配置智能体团队听起来很先进，实际操作中光是定义每个智能体的职责边界、处理它们之间的通信协议、协调任务依赖关系，花的时间可能比自己直接干还多。Claude Code的做法是把编排权交回给模型本身——你只需要说目标，它负责制定计划、分配任务、比对各个子智能体返回的结果，发现矛盾就再派一轮验证，直到收敛出一个可靠的结论。

Anthropic列了几个典型的适用场景：大规模bug调查（就像开头那个工程师的噩梦）、跨多个服务的代码迁移、安全审计、性能分析、以及复杂软件项目的架构审查。这些任务的共同特征是"一个人干不完，分给多人又怕信息对不齐"。动态工作流把"多人"换成了多个Claude实例，每个实例专注一小块，跑完之后汇总比对，相当于把代码审查会、安全评审会、架构讨论会压缩进一个自动化的流水线里。

值得留意的是时间维度。Anthropic在说明中明确提到，这类任务可能需要数小时甚至数天才能完成。这说明动态工作流的目标不是秒级响应，而是处理那些你愿意"挂机等结果"的重型任务。想象一下晚上下班前提交一个架构审计请求，第二天早上看到一份完整的报告躺在收件箱里，这个体验和同步式的聊天交互定位完全不同。

从产品演进的脉络看，Claude Code之前已经能处理单次对话中的复杂编程任务，但始终受限于单智能体的注意力边界。动态工作流相当于把Claude从一个"厉害的独立开发者"升级成了"能临时组建小组的技术负责人"。它的编排脚本是按需生成的，不是预设的模板，这意味着理论上可以应对用户从未描述过的任务结构。这种动态性在工程上比看起来更难——你要保证拆分出来的子任务之间没有遗漏或重叠，验证环节要能识别虚假的一致性，整个流程还要在合理的时间内收敛。

行业里做多智能体协调的尝试不少，但多数停留在框架层面，需要开发者自己定义智能体的角色、工具集和通信方式。Claude Code的路径是把这些决策权交给模型，用户面对的还是一个对话界面，复杂度被包装在内部。这种设计选择背后的判断很有意思：对于大多数软件工程师来说，多智能体系统的配置本身就是一道技术门槛，如果能把这个门槛抹掉，愿意采用的人数会跳一个数量级。