Anthropic 的动态工作流如何协调 Claude 智能体（6 分钟阅读）

# Anthropic 的动态工作流如何协调 Claude 智能体 来源：https://www.latent.space/p/claude-dynamic-workflows [](https://substackcdn.com/image/fetch/$s_!wcn_!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fbee9915a-7027-4d1c-90c8-69803c5b44f4_1280x960.jpeg)Anthropic 技术团队成员 CJ Avilla 和 Harrison Stall 在今日的 AI Engineer NYC 大会上。 AI Engineer New York 2026 大会 (https://ai.engineer/nyc/2026) 今天上午正式拉开帷幕，以一系列工作坊开场，其中 Anthropic 分享了**如何编排其 Claude Managed Agents**。特别引人注目的是一个上周五刚发布的新功能 (https://x.com/ClaudeDevs/status/2108591328732856655)，名为**动态工作流（dynamic workflows）**——演讲者反复称之为"flows"。 Flows 被定义为"一种全新的多智能体编排方式，专为最具雄心的工作负载而打造。" **CJ Avilla (https://www.linkedin.com/in/cjavilla/)** 和 **Harrison Stall (https://www.linkedin.com/in/harrisonstall/)**，两人均为 **Anthropic 技术团队成员**，开篇回顾了过去的操作系统项目——从 Ken Thompson 构建最初的 Unix 操作系统，到 Linux 从一个人（Linus Torvalds）发展为**多层次的可信维护者体系**。他们的核心观点是：智能体需要**同等水平的组织架构**，才能完成 Anthropic 为动态工作流所设想的大型、雄心勃勃的项目。 **由 Union.ai 赞助** 构建自主可控的 AI 工厂 最优秀的工程团队正在构建 AI 工厂，在其中他们不仅拥有并掌控自己的数据、算力和基础设施，还拥有部署在自有云上的持久化运行时。 Union.ai 为你的工作流提供持久性保障，使其能够自适应调整基础设施资源、从故障中恢复，而无需重新运行已完成的工作。 可直接通过 AWS Marketplace 开始使用，并**免费试用 Union.ai 30 天 (https://signup.hosted.unionai.cloud/sign-in?utm_source=Influencer&utm_medium=partnership&utm_campaign=Latent%20Space)**。 如需了解更多，请前往 AI Engineer New York 大会 48 号展位。 Avilla 表示："我认为，现在我们中许多正在编排和管理大量智能体的人，可能会开始**感受到自己成了瓶颈和关键风险点**，因为有大量智能体在提交数量惊人的 PR。我们则坐在 GitHub 里审批 PR，确保一切正常运行。" [](https://substackcdn.com/image/fetch/$s_!_WMP!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F2bbe55bc-0357-4a4c-8903-d5b93ef53a4a_1646x988.png) 两人指出，动态工作流最初在 Claude Code 中以"为每个任务提供一个执行框架"的概念诞生。但 **flows 的运行时长可以超过单个智能体或一个固定团队**。核心思路是让 Claude 自行决定智能体的组织方式。 Stall 说："**Flows 本质上是多智能体编排的下一代版本**，你可以让 Claude 完全自主地编排其整个多智能体拓扑结构。" 其工作方式是：主智能体（lead agent）制定完成任务的计划，然后 Claude 编写一个编排程序，负责启动子智能体、收集结果以及管理信息流。 此前，Claude Managed Agents 要求开发者手动配置一个协调器和一组子智能体。**而有了动态工作流，Claude 自身即可决定如何拆分和编排工作。** Stall 说道："在多智能体编排的多个不同阶段中，它能够完成离散的、可验证的工作单元，而你无需管理这些环节之间的任何互联关系。" [](https://substackcdn.com/image/fetch/$s_!cNfD!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F2ec1518b-8dad-41f1-b3c8-f453f3752cec_1260x1190.png) 尽管如此，Avilla 指出，**用户如果愿意，也可以引入专门的子智能体**。 他说："也可以在智能体配置中传入预先配置好的子智能体。" 所有这些功能都可在 **Claude Console** 中使用——这是开发者通过 API 访问 Claude 的界面，也是 Claude Managed Agents 的核心所在。 [](https://substackcdn.com/image/fetch/$s_!rDfm!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fd16fc0e8-d7a4-4b1b-b6e9-7cd0e95cc34a_2048x1124.png)*Claude Console，Managed Agents 的所在位置。* 随后，演讲者展示了一个相对简单的股票观察列表扫描器工作流。虽然这离 Anthropic 鼓励的大型雄心项目还很远，但它说明了**基本模式**：扫描阶段**将各个个股分配给拥有独立上下文的智能体**，之后的审查阶段在生成报告前对发现进行复核。 现场观众问答环节提出了不少值得关注的问题。有观众问 **Claude 如何决定一个任务需要多少个智能体**？一次简单的股票扫描是否会触发数百个子智能体？ Stall 回答说："真正的答案是**评估（evals）和较低的默认值**。"他指出，雄心较大的任务通常需要明确鼓励更高的并行度。 智能体编排中一个长期存在的关注点是**控制 token 预算**。有人问主智能体是否知道自己有多少预算可用？ Stall 回答说，模型在运行过程中并不知道自己有多少钱，但开发者可以设置会话预算。他还补充说，**告知模型其预算可能会让智能体"有点焦虑"**，引发现场观众的一阵笑声。 [](https://substackcdn.com/image/fetch/$s_!RJ39!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Ff79ff38b-6346-410b-9257-28bdc64bd868_1438x1064.png)股票观察列表示例中的扫描器。 一个相关问题是：开发者如何让**重复运行的 flows 随着时间推移变得更便宜、更高效**？ 除了让 Claude 分析已产生的开销之外，Avilla 建议使用另一个相对新的功能：**dreaming（梦境）**。在文档中 (https://platform.claude.com/docs/en/managed-agents/dreams)，"dreaming" 被定义为一个研究预览功能。一次 dream "读取已有的记忆存储以及过去的会话记录，然后**生成一个全新的、重新组织的记忆存储**"，其中重复项会被合并，"过时或矛盾的条目"会被替换，"新的洞察会被提炼出来"。 Avilla 描述了 dreaming 在 flows 场景中的作用：能够**"凝练并基本上改进与这些会话相关的记忆存储。"** 对于股票观察列表的示例，有人问 **观察列表的 flow 能否自我改进**？例如，识别出自身的扫描模型不够好，并在下一次定时运行时做出改变？ Stall 表示这并非内置功能，但他和 Avilla 建议可以结合使用**爬山算法（hill-climbing）和 dreaming** 来改进这一循环。 [](https://substackcdn.com/image/fetch/$s_!-s5o!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F6e94b828-cc7d-418d-83cf-4f1b555aeddc_1474x1116.png)Managed Agents 的"大脑/双手"概念概览。 另一位观众问到了**子智能体操作的可见性**问题。 Avilla 回答说，可以，开发者始终可以通过 Claude Console 内置的图形化功能查看这些信息。 **"你可以看到，主智能体实际传给子智能体的是什么？**你可以在这里查看该载荷（payload），深入了解整个图中每个转换环节实际发生了什么。" 另一个有趣的问题是**子智能体之间能否互相通信**？ Stall 表示，**智能体共享一个文件系统**，可以利用它来交换信息，但开发者无法通过 API 直接指示一个工作流子智能体向另一个发送消息。 在观察列表扫描器的对比中，Avilla 表示 flows 的成本比单智能体方案"高得多"，但同时也"**在发现所有细节方面有效得多**"。 [](https://substackcdn.com/image/fetch/$s_!fJVm!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F08c9072d-bef4-4262-a582-974384824502_1494x1114.png)设置预算是关键！ 更大的问题是：**flows 到底能有多大的野心**？有观众问动态工作流能否支撑大型科学研究项目，并提到了 OpenAI 最近宣布的关于 **Navier–Stokes 千禧年大奖难题**的证明。 虽然 Stall 不愿透露 Anthropic 计算大型科学问题的具体细节，但他表示**他们的目标是让普通用户也能解决这类问题**。 他说："Flows 本质上是一种**将测试时算力（test-time compute）投入到难题中的方式**，能让模型更快地释放更多能力。我们认为，尤其是作为一项 API 服务，释放这一能力的力量是我们迈向让这些类型的发现或科学进步**广泛地为普通公众所实现**的第一步。"