一句话看懂：Anthropic 公开了 Claude Code 中“动态工作流”的底层机制——Claude 能够动态生成 JavaScript 执行框架，分配多个代理完成复杂任务，以解决长期 AI 任务中的“代理惰性”和“目标漂移”等问题。
事件核心：发生了什么
Anthropic 近日详细解释了其开发工具 Claude Code 中“动态工作流”功能的协调系统。该系统能够根据任务需求，由 Claude 动态生成 JavaScript 框架，用于协调多个 AI 代理团队。具体机制包括：扇出与合成（将任务拆解为并行子任务后合并）、对抗性验证（评审代理质疑其他代理的发现）、竞赛式工作流（多个代理用不同方法尝试同一问题并相互评估），以及分类器系统（根据任务复杂度分配代理）。此外，系统还支持模型路由，允许不同阶段调用不同模型——低成本模型处理简单工作，更强模型负责深度推理。Anthropic 指出，这套机制旨在应对三个常见问题：代理未完成就停止的“代理惰性”、模型倾向采纳自身结论的“自我偏好偏差”，以及长时间交互中目标模糊的“目标漂移”。
为什么重要
动态工作流的发布标志着 AI 代理进入更精细的编排与验证时代。过去，AI 工作流通常依赖单一模型或固定执行链，而 Anthropic 的方案在运行时由 Claude 自行构建执行框架，提升了任务弹性。这在行业层面呼应了“多代理协调”和“验证系统”两大需求——企业越来越希望将多个模型组合使用，而非依赖单一模型的输出。目前 Reddit 用户反馈分化：有人认为这是“烧 Token 的炫酷方法”，也有人指出通过模型路由可以精确控制每个子代理的模型选择，有效优化运营成本。这表明技术路线已从“模型能力比拼”转向编排与成本控制的权衡。
对用户/开发者/创作者的影响
对于软件开发者而言，Claude Code 提供了可编程的多代理协作框架，大型工程项目可以按阶段分配不同模型，降低推理成本。对于企业决策者，系统引入的竞赛式工作流和对抗性验证意味着结果可靠性可能提升，但需要评估实际场景中的 Token 消耗。对于AI 应用开发者，这是一个可以复用的参考架构模型——将代理、验证器、路由组合起来，本质是一种“执行即代码”的思路。目前公开信息显示，该功能已嵌入 Claude Code，用户不需要额外搭建框架，但效果和成本边界仍需在真实项目中验证。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，实际成本与收益数据：目前缺乏大规模项目中的 Token 消耗对比，Anthropic 是否会公开更细粒度的成本模型是观察重点。第二，竞品跟进：Google 的 Gemini、微软的 Copilot 以及开源社区的元框架是否会在短期内推出类似“动态代理编排”功能，将直接影响这一方案的采用率。第三，开发者生态反馈：Reddit 等平台已出现“炫酷但昂贵”的批评，Anthropic 是否会在后续版本中引入费用上限或按任务种类估算 Token 消耗，将影响其落地场景的宽度。
来源：InfoQ CN
