Claude Code 动态工作流 Dynamic Workflow 详解：真能干重活儿的多智能体编排。

公众号名称：澜桥AI

作者名称：澜桥老师

发布时间：2026-06-02 15:48

Claude Code 推出了 Dynamic workflow，动态工作流编排的功能。

这或许将成为了MCP、Skill之后，智能体的又一个爆点能力，也极可能成为下一个自媒体炒作的热点。

工作流这事儿其实挺复古的。像之前的扣子、n8n、Dify都是做工作流编排的，自己拖节点、连线、配参数，手工操作，门槛不低。

Claude Code 的动态工作流，编排完全由模型来完成，它自己设计工作流的节点、流程，自己写代码实现工作流的编排。

它可以处理比Skill更加复杂的流程，比常规的多Agent协作输出更稳定的结果。

Dynamic Workflow 是什么

当任务的规模和复杂程度，超出一个对话窗口能够高效管理的范围时，Claude 不再亲自直接规划所有工作，而是先写出一份工作流脚本：

• 各个子智能体负责什么工作；

• 哪些任务可以并行执行；

• 哪些结果需要交叉验证；

• 最终如何汇总和输出。

随后，这份脚本会在后台运行，驱动多个智能体协同完成任务。

动态工作流本质上是一段用于协调和管理多个子智能体协同工作的 JavaScript 代码。

当你提出任务后，Claude 会自动生成这段工作流代码，它会分析你的需求，并将整个任务拆解成多个更小的子任务。

运行时，这些子任务会被分发给多个子 Agent 并行执行。 每个 Agent 负责解决问题的不同部分，或者从不同角度分析同一个问题。

当结果返回后，Claude 不会直接采用这些结论，而是先进行验证，然后再整合到最终结果中。

最终，你看到的不是多个零散 Agent 的输出，而是一份统一、协调且经过验证的答案。

整个执行过程在后台进行，因此你仍然可以继续与 Claude 交互，而无需等待任务完成。

Workflow 像是一位项目经理写出的执行方案，不是一次普通的聊天回复。它把原本存在于模型上下文中的临时规划，变成了一段可以查看、修改、复用和重复执行的程序。

记住这句话，理解了它就理解了 Claude 工作流的底层逻辑。

普通 Agent 有一个天然限制： 执行计划、中间结果和推理过程，都需要放在上下文窗口里。 任务越复杂，上下文压力就越大。

而 Workflow 采用了完全不同的方式。 任务计划、执行状态、中间结果以及 Agent 之间的协调逻辑，都由 Workflow 运行时负责管理。

这些内容并不依赖 Claude 当前的对话上下文。

Workflow 把“执行过程”从上下文里搬到了代码和运行时里。 这也是它能够处理超长任务和超大规模工程任务的根本原因。

Claude 内置了一个 deep-research 工作流，用于对某个主题进行深度调研。

这个工作流的代码长这样：

最前面是工作流的基本信息，和 Skill 的定义非常像，包括 name 名称，description 描述，whenToUser 何时调用，以及工作流的执行流程。

在这个工作流中，定义了 5 个执行步骤：

• Scope（问题拆解）

• Search（搜索资料）

• Fetch（获取信息）

• Verify（交叉验证）

• Synthesize（综合输出）

这 5 个步骤对应着一次深度研究任务的完整过程。

先拆解问题，再搜索资料；接着抓取和整理信息，然后进行交叉验证，最后综合形成结论。

从工程角度看，这本质上就是一条标准的 Research Pipeline（研究流水线）。

工作流脚本把这套研究方法固化成了一组预定义的执行步骤，每个步骤负责完成特定任务，并将结果传递给下一个步骤。

这样做的好处是，Claude 不需要每次都临时思考“下一步该做什么”，而是直接按照既定流程推进任务，把一套成熟的工作方法程序化。

每次运行时，都会遵循同样的执行流程和质量标准，从而获得更稳定、更可预测的结果。

注意，工作流编排的代码，不需要你来编写，你只需要提出需求和目标，Claude Code 自动生成工作流编排代码。

这是 AI 编程的典型和极致应用，目前靠 Skill、MCP、代码脚本的各种组合来实现简单或者中等复杂程度的业务流程还好，面对更复杂的任务，这种方式就行不通了或者说不可靠了。

更好的办法，是把业务流程沉淀成代码、沉淀成程序，我认为这是未来的趋势。

模型非常擅长写代码，而代码的好处是确定性：过程可控、结果稳定、灵活度高。

AI 编程会像使用Office 三件套（Word、Excel、PPT）一样，成为办公室职员都会的基本技能。

动态工作流目前是预览版，需要 Claude Code v2.1.154 或更新版本，在 /config 里搜索 Dynamic workflows 手动打开。

Skill、Agent Team、Workflow 怎么选？

智能体中能够执行多步任务，封装业务流的东西有很多：技能（Skills）、子 Agent（Subagents）、智能体团队 Agent Team。

工作流（Workflows）和它们真正的区别在于：谁掌握「计划」。

子 Agent 是 Claude 临时召唤出来的工人，技能是 Claude 照着执行的一套说明，而工作流是运行时去执行的一段脚本。

用子 Agent 和技能的时候，Claude 自己是总指挥，它一轮一轮地决定下一步应该怎么做，每个结果都会回到 Claude 的上下文里。

工作流不一样，它把循环、分支、还有中间结果全装进脚本自己手里，这样一来，Claude 的上下文只需要保留最后那个答案，中间过程不占地方。

工作流把计划从上下文空间搬进代码，下一步做什么由写好的代码来决定。

下图是对 Skill、Subagent、Workflow的对比：

Claude Code 工作流快速上手

伦理部分讲完了，但始终是空洞和抽象的，接下来我们结合实操演练，帮助大家深化理解。

/deep-research是 Claude Code 自带的一个工作流，用来深度研究一个主题。启动后，你会看到一群 Agent 在后台分阶段干活，最后输出一份报告。

整个流程是这样的：

第一步，启动工作流。把调查的主题丢给 /deep-research。它会先拆解问题，然后网络搜索，把搜索到的内容抓回来交叉核对，最后给你一份带引用的报告。

/deep-research 2026年主流AI编程工具的真实差异和选型建议

第二步，允许运行。Claude Code 会问你要不要运行这个工作流，选Yes 继续。

第三步，看进度。运行在后台开始之后，敲 /workflows，用方向键选中这次运行，回车打开它的进度视图。

/workflows

这个视图会把工作流的每个阶段列出来，包括启动的 Agent 数量、token 消耗、已用时间等信息。

选中任意一个阶段，可以看各个子 Agent 的细节：使用了什么提示词，各自查到了什么。

操作的快捷键如下：

第四步，读报告。运行结束后，报告落到磁盘上。它会标明每个结论的来源，那些没扛过交叉核对的说法已经被提前过滤掉了。

这个是 Claude Code 自带的工作流，接下来我们来看如何把自己的业务逻辑编排成工作流。

自定义工作流

让 Claude 为你的业务创建工作流，有两种方式。

一是在提示词中明确要求使用 Workflow。

只要你在的问题中提到 workflow，Claude 就会根据当前任务自动编写一份工作流脚本，并交由后台执行。

二是让 Claude 自行决定是否使用 Workflow。

通过设置：

/effort ultracode

Claude 会对会话中的每一个具有一定复杂度的任务进行规划，并自动生成相应的工作流。

对于已经保存好的 Workflow，包括官方内置工作流（如 /deep-research），以及自己保存的工作流，可以通过 / 命令直接调用。

方式一：在提示词中明确要求使用 Workflow

想把单个任务当成工作流来跑，只需要在提示里任意位置带上 workflow 这个词即可。

Claude Code 会把输入里的单词 workflow 高亮出来，然后给这个任务写一段工作流脚本，而不是在上下文里规划，一轮一轮地推进。

如果这次运行符合预期，就可以把这个工作流保存起来，下次通过命令直接调用。

默认情况下，当输入包含 workflow 时 Claude Code 会自动高亮，如果这次你不想触发工作流运行，按 alt+w 可以取消；或者光标紧贴在高亮词后面时按退格。

想彻底关闭 workflow 关键词自动触发，可以在 /config 里设置 Workflow keyword trigger 为 false。

方式二：让 Claude 在 Ultracode 模式下自动决定

Ultracode 是 Claude Code 提供的一种高级执行模式。它把 xhigh 级别的推理能力和自动工作流编排组合到一起。

开启 Ultracode 后，Claude 会自行判断一个任务是否值得使用 Workflow。

对于会话中的每一个具有一定复杂度的任务，它都会优先考虑是否需要创建 Workflow 来完成。它会先进行规划，并自动生成相应的工作流代理来执行。

/effort ultracode

有时一个看似简单的请求，实际也会被拆分成多个连续执行的 Workflow，这会消耗你非常、非常多的 Token，响应也会变得很慢。

把工作流存下来反复用

当你让 Claude 给某个业务流程用 workflow 模式跑过一次后，而这个任务未来还会反复执行，你可以将这次运行产生的工作流脚本保存为一个命令。存下来之后每次就跑同一套执行流程。

保存方法很简单。

执行 /workflows，进入 Workflow 列表后，选中希望保留的运行记录，然后按 s。即可将当前 Workflow 保存为命令。

在保存对话框里，可以通过Tab 键在两个保存位置之间切换：

• • 项目级： .claude/workflows/

• • 用户级： ～/.claude/workflows/

在之后在新的会话中，就可以直接通过 /<工作流名字> 运行这套 Workflow，而无需重新生成。

工作流运行管理

当一个 Workflow 开始执行后，你可以通过两种方式查看和管理它：

在 /workflows 面板中查看：

或查看输入框下方的进度信息：

在这里，你可以查看 Workflow 的执行状态、运行进度以及历史记录。

暂停和继续

运行 /workflows ，列出运行中和已完成的工作流，然后选择一个打开其进度视图。按 p 暂停或恢复运行

重跑时，已经完成的 Agent 不会重新运行，而是直接返回之前缓存的结果；只有尚未完成的部分会继续实时执行。

不过需要注意： 恢复仅在当前 Claude Code 会话内有效。 如果 Workflow 仍在运行时退出了 Claude Code，那么下次启动时，Claude 不会从中断位置继续执行，而是重新启动整个 Workflow。

工作流是如何运行的

工作流运行时在隔离、独立的环境中执行脚本，和当前对话是分离的。运行的中间结果保存在脚本变量中，不进入 Claude 的上下文。

每次运行时，工作流脚本都会被复制一份存到～/.claude/projects/目录，你可以查看和修改它。

每次运行工作流的过程输出，也会保存到这个目录，包括工具调用的结果，每个 Subagent 的定义和执行情况。

关于成本

从澜桥实际的测试看，工作流会疯狂的消耗 Token，它会召唤非常多的 Subagent，一次运行就能把你 5 小时的配额全部干完还不够。

在学习和测试阶段，建议尽量选用国内便宜的模型。

当决定使用 Claude 或 GPT 模型时候，运行前最好切换到相对小的模型，比如使用 Claude Sonnet 4.6 而不是 Claude Opus 4.8。

还可以在 workflow 的后面跟上 +100k 来控制 token 的预算，并要求使用廉价模型和强模型互相配合。

Workflow 适合处理那些规模大、耗时长、验证要求高的任务。

对于简单问题，一个 Agent 通常已经足够； 中等任务里，Subagent、Skill、Worktree 和人工 Review 能解决不少问题。

而对于涉及数千个文件的工程项目、跨来源的深度研究、或者错误成本极高的关键决策，Workflow 能够通过多 Agent 协作、流程化执行和交叉验证，获得比单次推理更可靠的结果。

Dynamic Workflow 本质上是一个能够长期运行、多 Agent 并行协作、具备交叉验证能力的自动化执行系统。

它让 Claude 像一个真正的项目团队一样组织工作、验证结果并持续推进任务。

是一个非常不错的尝试和方向，但现阶段的使用成本很高，慎用。

> 作者：澜桥、Claude Opus 4.8

> 参考文献：https://code.claude.com/docs/en/workflows

> 如果文章对你有帮助，欢迎分享和关注，感谢支持。

---

内容效果不满意？点此反馈