--- source_url: "https://mp.weixin.qq.com/s/ccbSkucjn6uyCi2_uEwU3w"" ingested: 2026-06-26 sha256: cb6a5c9c472eecad --- sha256: 7dc4d428b4346d58 --- title: "从 Harness 到动态工作流：Claude Code 多智能体任务编排的新范式（Thariq 官方博客中文版）" description: "Anthropic Claude Code 团队 Thariq 官方博客中文版：Dynamic Workflows 工作机制、6 种模式（分类再行动/扇出并综合/对抗性验证/生成并过滤/锦标赛/循环直到完成）、3 类失败模式（智能体懒惰/自我偏好偏差/目标漂移）、10 大使用场景、静态vs动态工作流演进、/goal+/loop+token预算提示、保存到skill" source_url: "https://mp.weixin.qq.com/s/ccbSkucjn6uyCi2_uEwU3w" feed_name: "高可用架构" author: "Thariq Shihipar (trq212)" translator: "高可用架构公众号" published: "2026-06-03" ingested: "2026-06-03" type: article tags: [claude-code, dynamic-workflows, multi-agent, orchestration, thariq, anthropic, failure-modes, patterns, use-cases] sha256: "97d9349569e6a4d7e604572387abfe7e9e3215e8a3d2d8a65e1479de2205b4ee" --- # 从 Harness 到动态工作流：Claude Code 多智能体任务编排的新范式 > 来源：高可用架构 | 原文作者：Thariq Shihipar (@trq212, Anthropic Claude Code 团队) > 原文地址：https://x.com/trq212/status/2061907337154367865（同时发布在 Claude Blog https://claude.com/blog/a-harness-for-every-task-dynamic-workflows-in-claude-code） > 中文发布：2026-06-03 09:47 ## 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。 ## 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。 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： 1. **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。 2. **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。 3. **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"这类约束可能会丢失。 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 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。 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（10 大实战场景） ### 迁移与重构 Bun 借助工作流从 Zig 重写成了 Rust。关键是把任务拆成一系列需要处理的步骤（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）。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。也可用于从 Slack 上下文中汇总状态报告，或通过深入探索代码库来研究某个功能如何工作。 ### 深度验证 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。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 如果你有一份条目列表，想按某种定性指标排序（例如：按 bug 严重程度排序支持 ticket），但如果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： - 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） - 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，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。 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。 ### 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——也可用于销售（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。 **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。 ### 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，这会很有用。 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——可以提示模型使用 "quick workflow" 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` 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。作者建议把它看作起点。关于如何最好地使用它们，还有很多东西有待发现。 > Thariq Shihipar 和 Sid Bidasaria（@sidbid）是 Anthropic 的 technical staff，负责 Claude Code。 ## 参考链接 - 原文推文：https://x.com/trq212/status/2061907337154367865 - Claude Blog 英文版：https://claude.com/blog/a-harness-for-every-task-dynamic-workflows-in-claude-code - 动态工作流文档：https://code.claude.com/docs/en/workflows - 执行框架（agentic harness）词条：https://code.claude.com/docs/en/glossary#agentic-harness - Claude Opus 4.8 发布说明：https://www.anthropic.com/news/claude-opus-4-8 - Bun 从 Zig 重写为 Rust 的 X thread：https://x.com/jarredsumner/status/2060050578026189172 ## 与现有 wiki 实体的关系 本译文是 Thariq Shihipar 官方博客的中文版，与 [[entities/claude-code-dynamic-workflows-multi-agent-orchestration|Claude Code Dynamic Workflows 多Agent编排]] 实体（v2.1.154 技术实现深度分析）**互补**： | 维度 | 本译文（Thariq 官方博客） | 已有 entity（VibeCoder 技术解析） | |------|------------------------|------------------------------| | 来源 | 一手：Thariq 本人撰写 | 二手：基于官方 release notes + 源码反推 | | 重点 | 使用模式、失败模式、实战场景 | 调度器/worker 架构、并发限制、触发方式 | | 模式 | 6 种模式（分类再行动/扇出并综合/对抗性验证/生成并过滤/锦标赛/循环直到完成） | 4 阶段 Phase（map/assign/verify/report） | | 失败模式 | 智能体懒惰/自我偏好偏差/目标漂移 | 上下文压力、@claude 模式权限 | | 视角 | Anthropic 官方推荐用法 | 工程师实测技术细节 | **合并到现有 entity 的 `## 实战模式与使用场景` 章节**——本文独有内容（6 模式 + 10 场景 + 失败模式分类）作为补充。