Anthropic 最近发布了 Claude Code Dynamic Workflows：Claude Code 不再只是单个 agent 在一个上下文里干活，而是可以为当前任务临时写一套专属 harness——一个 JavaScript workflow，用来调度多个子 agent 协作。我读完原文又试了一下，最大的体会是：过去写进 prompt 里的那些”请仔细检查”“别漏测试”，正在变成结构化的执行流程。本文是一篇功能梳理 + 我自己的思考。原文：A harness for every task: Dynamic Workflows in Claude Code。
一、Dynamic Workflows 是什么
核心一句话：Claude Code 可以为任务即时生成自己的 harness。 它执行一个 JavaScript workflow，文件里有一组特殊函数，用来 spawn 并协调多个子 agent，而不是把所有事情塞进单一上下文窗口。
这些子 agent 可以有各自独立的上下文窗口和聚焦的目标，还可以指定各自使用的模型，甚至运行在各自独立的 worktree 中；workflow 本身就是普通 JavaScript（可以用 JSON、Math、Array 等），并支持中断后恢复。
原文给出六个典型编排模式：
- Classify-and-act：先按分类把任务路由到不同 agent。
- Fan-out-and-synthesize：把任务拆成很多小步，每步跑一个 agent，再统一合成结果。
- Adversarial verification：每 spawn 一个 agent，就再 spawn 一个独立 agent 去”对抗式”验证它的产出。
- Generate-and-filter：先就某个主题生成大量候选，再按 rubric 筛选。
- Tournament：让多个 agent 用不同思路同时解同一道题，互相竞争，选出最优。
- Loop until done：持续 spawn agent，直到满足某个停止条件。
二、它想解决什么问题
传统 Claude Code 处理普通编码任务已经很强，但任务一复杂、链路一长，单上下文就开始吃力：信息全挤在一个窗口里，容易溢出或丢细节。在这个大背景下，原文明确点名了单上下文的三个失败模式：
- Agentic laziness：在复杂的多步任务里，Claude 做到一半就宣布”完成了”，留下没做完的部分。
- Self-preferential bias：当你让它验证自己的产出时，它倾向于认可自己的结果——自己写、自己检查，天然有偏向。
- Goal drift：多轮交互、多次压缩之后，对原始目标、边界条件和特殊要求的”保真度”逐渐流失。
Dynamic Workflows 的设计目标，就是用多个独立上下文和结构化流程把这几类问题压下去。
三、适合什么场景
它更适合复杂、高价值、长链路的任务，而不是简单的代码改动。原文推荐的方向，加上我自己想到的场景：
- 大规模迁移 / 重构
- 深度调研与事实核查（技术文档、商业/技术方案多视角评审）
- 排序、排名、按 rubric 选优
- 在大量产出上统一执行某条规则（如安全审查、PR 风险评估）
- 线上问题 root cause 分析
- 大规模 triage：批量处理工单、日志、incident 记录、简历
- 从历史 session 中总结常见纠正点
- 轻量级的模型评测
一句话：只要一个任务需要拆解、并行、验证、合成，Dynamic Workflows 就有发挥空间。
四、它改变了什么
我觉得最大的变化是：AI Coding 正在从 prompt 驱动，走向 workflow 驱动。
过去我们更多是在写 prompt——”请一步步检查”“请别漏测试”“请帮我 review”。这些其实是对着同一个上下文反复叮嘱。Dynamic Workflows 把这些要求变成更稳定的执行结构：先规划、再拆解、多 agent 并行执行、独立 agent 交叉验证、最后统一合成、不满足条件就继续循环。
这让 AI 更像一个可以临时组建的小型工程团队，而不是单个助手。
五、我自己的思考
简单试用后，我的感受是 agent 内置的 harness 能力又上了一个台阶。
它最直接的价值是缓解复杂任务里的上下文窗口压力：不同子任务交给不同 agent、用各自独立的上下文完成，不需要把所有信息都挤在同一个窗口里。
更关键的是质量。让做这件事的上下文同时去给它打分，是不可靠的；换一个独立上下文来审查，才跳得出自我背书的偏向。 一个 agent 负责实现，另一个按 checklist 审查，第三个汇总结论——这正是 adversarial verification 模式的意义。
我觉得后续最值得探索的，是 Dynamic Workflows + Skills 的组合：把团队的常见流程沉淀成 skill——schema 变更检查、SQL review、migration checklist、release note、regression test、incident analysis、PR review rubric——再用 Dynamic Workflows 把这些 skill 串成一套更自动化、更可复用的工程流程。这可能是 AI 助手从”帮我写代码”进化到”帮我管理复杂工程任务”的关键一步。
六、总结
Dynamic Workflows 不是要取代普通的 Claude Code 用法，而是为复杂任务提供更强的组织能力。简单任务，直接用 Claude Code 就够了；复杂任务，尤其是需要拆解、并行、验证、循环推进的任务，再考虑上 Dynamic Workflows。
推荐结合自己的真实工作场景实践一下——真正有价值的，不只是看懂这个功能，而是找到适合自己团队和个人开发流程的用法。原文：https://claude.com/blog/a-harness-for-every-task-dynamic-workflows-in-claude-code
-
Previous
A New Agent-Harness Practice: Claude Code Dynamic Workflows -
Next
When Agents Write 99% of the Code, Where Did the Engineer's Moat Go?
