复刻 Claude Code Dynamic Workflows：AI 编程 Agent 不只是“帮我改代码”

最近 Claude Code 的 Dynamic Workflows / ultracode 很火。它背后的关键不是某个神秘按钮，而是一个更工程化的 AI coding 流程：

plan -> implement -> adversarial review -> verify -> log evidence

完整主站文章：
https://crazyrouter.com/blog/claude-code-dynamic-workflows-ultracode-rebuilt-crazyrouter?utm_source=csdn&utm_medium=article&utm_campaign=dynamic_workflows

普通 AI coding session 的问题

普通流程通常是：

需求 -> Agent 改代码 -> 人看结果

小需求可以，大需求容易出问题：

• 规划和实现混在一起
• 自己写的代码自己审，容易漏问题
• 说跑了测试，但没有证据
• 长上下文后很难追踪发生了什么
• token 用量不可控

本地复刻：workflow_orchestrator.py

我做了一个小工具：

tools/agent_workflows/workflow_orchestrator.py

用来把复杂任务拆成 4 个 packet：

Packet	作用
planner	规划范围、风险、验收标准
implementer	做最小安全修改
adversarial reviewer	对抗式审查，找漏洞和缺测试
verifier	跑测试/检查证据，给 go/no-go

执行：

python tools/agent_workflows/workflow_orchestrator.py \
  --title "Claude Code Dynamic Workflows ultracode reproduction" \
  --task "Split a complex coding request into scoped packets, assign model routes, require adversarial review, and verify with evidence." \
  --out generated/dynamic_workflows_20260603/ultracode_reproduction

输出：

ultracode_reproduction/
├── README.md
├── workflow.json
├── trace.jsonl
├── verify.sh
├── article_notes.md
└── packets/
    ├── 01-planner.md
    ├── 02-implementer.md
    ├── 03-adversarial-reviewer.md
    └── 04-verifier.md

用 Crazyrouter 做模型路由

不同步骤可以用不同模型：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_CRAZYROUTER_API_KEY",
    base_url="https://cn.crazyrouter.com/v1"
)

planner = client.chat.completions.create(
    model="claude-opus-4-7",
    messages=[{"role": "user", "content": "Create a scoped implementation plan with risks and tests."}],
    temperature=0
)

reviewer = client.chat.completions.create(
    model="claude-opus-4-8",
    messages=[{"role": "user", "content": "Adversarially review this plan. Return approve, request-changes, or block."}],
    temperature=0
)

注意：代码里的 API base URL 不要加 UTM。

https://cn.crazyrouter.com/v1

加 trace：别让 Agent workflow 变玄学

我还做了一个 trace logger：

tools/agent_workflows/agent_trace_logger.py

记录：

• role
• model
• latency
• tokens
• result
• evidence

这样后面才能分析：哪一步最贵、哪一步最慢、哪个模型适合哪个 workflow step。

结论

Dynamic Workflows 的本质不是“更猛的模型”，而是更清晰的工程流程：

规划 -> 实现 -> 对抗式审查 -> 验证 -> 留证据

如果再配合 Crazyrouter 这种统一 API gateway，就可以做到：

• 一个 base_url
• 多个模型路由
• 每一步用不同模型
• 成本和质量都可控

Crazyrouter：
https://crazyrouter.com?utm_source=csdn&utm_medium=article&utm_campaign=dynamic_workflows