rag系列文章目录

---

前言

ai coding时代，harness engineer越来越受到重视，人们希望ai能够高效准确地进行ai coding。但是不是每个人都可以做好这件事，特别是针对大的软件开发项目，harness engineer更不好做。这两天Claude code推出了dymanic workflow降低了harness的门槛。

一、简介

它可以理解为 Claude Code 的 “Agent 编排引擎（Orchestrator）”。以前 Claude Code 是一个 Agent 干活，现在变成了一个 Agent 管理几十甚至上百个 Agent 干活。

当任务特别复杂时，Claude 不再自己一步一步执行，而是：

1. 先分析目标
2. 自动拆解任务
3. 动态生成执行计划
4. 启动多个 Subagent
5. 并行执行
6. 汇总结果
7. 交叉验证
8. 输出最终结果

Anthropic 官方称之为：

Dynamic Workflows（动态工作流）—— Claude 会自动编写编排脚本，并调度几十到上百个并行 Subagent 完成任务。

二、使用场景

场景1：大型遗留系统分析

例如：

一个200万行Java项目

你问：

订单为什么会重复扣款？

普通 Claude：

上下文不够

Workflow：

拆成多个调查任务

每个 Agent 调查一部分代码。

场景2：全仓库重构

例如：

Log4j
↓
Log4j2

需要修改：

XML
Java
测试
配置

Workflow 特别适合。

场景3：代码审查（Code Review）

这点特别有意思。

可以同时启动多个 Reviewer：

Agent A
安全审查

Agent B
性能审查

Agent C
架构审查

Agent D
编码规范审查

然后综合意见。

这其实已经接近：

CodeRabbit
+
DeepCode
+
人工Review

的组合体。

场景4：需求开发

例如：

实现一个订单退款系统

Workflow会拆成：

需求分析
↓
数据库设计
↓
接口设计
↓
代码实现
↓
测试
↓
验证

形成完整流水线。

三、对比

下面是workflow和skills/subagent的对比

对比项	Subagents（子代理）	Skills（技能）	Workflows（工作流）
本质是什么	Claude 创建出来的一个工作 Agent	Claude 需要遵循的一组指令和知识	Claude Runtime 执行的一套编排脚本
下一步执行什么由谁决定	Claude 每轮自主决定	Claude 根据 Skill 提示词决定	Workflow 脚本决定
中间结果存放在哪里	Claude 上下文窗口（Context）	Claude 上下文窗口（Context）	Workflow 的变量和状态中
什么东西可以复用	Agent 定义	Skill 规则和知识	整个任务编排流程
适合规模	每轮几个委托任务	与 Subagent 类似	单次可调度几十到上百个 Agent
任务中断后	当前轮重新开始	当前轮重新开始	可以在同一个 Session 中恢复执行

---

总结

现在ai coding都在讲自动化，希望有了一个需求之后，可以让它自动规划、设计、开发、验证、review等等，直接一条流水线执行完成。但是这里是不稳定的，没有好的完美方案，现在claude code主动设计了workflow，算是帮大家做了自动化agent编排。