一句话指挥上百个智能体并行作业。

智东西5月29日消息，Anthropic今日发布了一项引人注目的更新：Claude Code动态工作流预览版正式上线。该功能专为超大规模任务设计，Claude不再依赖开发者手动编排作业，而是自主编写脚本，随后调度数十至上百个智能体并行执行任务。

▲Anthropic发布Claude动态工作流（来源：X）

据Anthropic官方博客透露，过去需要数个季度才能完成的工程任务，如今仅需数天即可完工。最具说服力的案例来自Bun创始人Jarred Sumner——他利用动态工作流将整个Bun运行时从Zig完整迁移至Rust，最终产出约75万行Rust代码，用时11天，现有测试套件通过率达99.8%。

不过Anthropic官方也坦诚表示，该功能的Token消耗量远高于正常使用Claude Code。动态工作流即日起覆盖Claude Code CLI、桌面版及VS Code插件。Max和Team用户默认启用，Enterprise用户需管理员手动开放。API侧同步上线，支持Amazon Bedrock、Vertex AI和Microsoft Foundry。

消息传出后，开发者社区迅速热议。但客观来看，Hacker News上的反应并不十分友好。不少质疑点在于：真正令人担忧的并非Claude写代码的速度，而是其代码的正确性。还有开发者调侃该产品本质上是'Token最大化'，表达对超高Token消耗的强烈不满。

▲Hacker News上开发者们的反应（来源：Hacker News）

全自动'军团模式'启动：

Claude掌握任务分配、结果审核与相互质询

动态工作流功能的定位十分明确——应对复杂大型任务。当单一智能体无法胜任时，需要调用多个子智能体协同处理，而任务分配向来是棘手环节。

启用动态工作流后，情况大为改观。用户下达复杂任务时，Claude自主编写编排脚本，自动拆分任务，并将数十至上百个子智能体同时派出执行。每个子智能体从不同角度处理问题，另有专职智能体负责'挑错'，推翻既有结论，促使整个流程反复迭代直至任务完成。

▲多智能体并行处理任务示意图（来源：Claude）

一个值得关注的细节是：Anthropic强调该模式运行在用户对话内。即使同时调度上百个子Agent，用户看到的主会话也不会被中间结果充斥。进度实时保存，中断后可从断点恢复，无需重头开始。

前述Bun案例值得进一步阐述。Jarred Sumner借助动态工作流将Bun从Zig全面迁移至Rust，最终交付约75万行Rust代码，从首次提交到合并耗时11天，现有测试套件通过率99.8%。迁移结束后，Sumner又运行了一轮过夜工作流以处理不必要的数据拷贝，并为每项优化单独创建了PR。当然，Anthropic也提醒：重写后的Bun尚未部署至生产环境，Sumner本人后续将单独撰文详述整个过程。

与新模型同步发布

Claude Opus 4.8今日全面上线，标准模式定价维持不变，快速模式价格为Opus 4.7、4.6的三分之一，相比以往更加亲民。同时，动态工作流搭配Opus 4.8能够更高效地处理大规模复杂任务，例如大型代码库迁移。

如果你是Max或Team套餐用户，或通过API使用Claude Code，动态工作流默认开启。Enterprise用户则默认关闭，需管理员在Claude Code设置面板手动启用。

用户可选用两种启动方式。一种是对Claude直接下达指令创建工作流，由Claude自主规划拆分。另一种是在effort菜单中找到新设置项'ultracode'，将思考力度调至最高，让Claude自行判断何时启用工作流。Anthropic建议配合自动模式使用，以获得最佳体验。

Anthropic在博客中给出了一句非常坦诚的警示：动态工作流会消耗'比典型Claude Code会话多得多'的Token。换言之，指挥智能体军团需要付出不低的成本。建议从范围可控的小任务开始，先掌握自身使用模式再逐步扩大。

▲Anthropic关于Token消耗的提醒（来源：Claude）

结语：在Token消耗降低之前

动态工作流或仅为少数人的利器

当一次动态工作流消耗数十甚至上百美元的Token，单次成本接近甚至超过一名初级工程师的日薪时，该功能的日常化便成为一个经济问题。毫无疑问，它能跑通极致案例——例如Bun这种创始人亲自执行、目标明确的跨语言迁移——但并不代表每个团队的日常开发都能承担这笔开销。

与此同时，尽管Bun迁移通过率达99.8%，但剩余0.2%的问题由谁修复？这个问题尚无答案。有开发者指出，每增加一个Agent，代码就会变得愈发复杂臃肿。将如此庞大的任务完全交给Claude，质量能否得到保障？

但话说回来，这一方向正是AI编程必须探索的。自动化编排大规模复杂任务的需求切实存在，剩下的变量只有两个：一是Token消耗量，二是任务完成质量。或许在未来某一天，模型价格更低、能力更强，到那时，这个未来才能真正触手可及。