Claude 新功能 Dynamic Workflow，一句話開上百個 agent 幫你幹活
三句話摘要
Anthropic 推出的 Claude Code Dynamic Workflows 功能，讓 Claude 自動編寫腳本指揮數十到數百個 agent 並行工作，適用於大規模、可拆分的複雜任務。 Dynamic Workflows 的真正價值在於用大量並行算力換取單次無法實現的廣度與可信度，但前提是任務必須能被切成一大堆可獨立、可並行的小塊，否則就只是在燒錢。 Dynamic Workflows 透過離線整理機制解決了 subagent 的 context 爆滿問題。傳統 subagent 派出數十個時，所有執行過程都會堆進主對話，導致 context window 迅速飽和，但 workflow 的中間結果全留在後台腳本變數裡，只有最終答案回傳，因此可以安全地同時執行數百個任務而不傷害主對話。其次，workflow 與其他功能的本質差異在於「下一步由誰決定」——workflow 是程式碼預先決定的確定流程，subagent 是 Claude 臨場判斷，agent team 是多 agent 互相討論決策，skill 是執行食譜，goal 是長期迭代目標。最後，它內建品質把關，可讓多個 agent 從不同角度挑戰同一問題，通過多輪驗證的結論比單次執行更可信。
重點整理
重點- 1
Dynamic Workflows 透過離線整理機制解決了 subagent 的 context 爆滿問題。傳統 subagent 派出數十個時，所有執行過程都會堆進主對話，導致 context window 迅速飽和，但 workflow 的中間結果全留在後台腳本變數裡，只有最終答案回傳，因此可以安全地同時執行數百個任務而不傷害主對話。其次，workflow 與其他功能的本質差異在於「下一步由誰決定」——workflow 是程式碼預先決定的確定流程，subagent 是 Claude 臨場判斷，agent team 是多 agent 互相討論決策，skill 是執行食譜，goal 是長期迭代目標。最後，它內建品質把關，可讓多個 agent 從不同角度挑戰同一問題，通過多輪驗證的結論比單次執行更可信。
實用技巧與重點
乾貨- 核心機制：
- Claude 自動編寫 JavaScript 腳本 → 後台獨立執行 → 同時派遣數十到數百個 subagent
- 適用場景：
- 整個代碼庫的 bug 掃描
- 多維度 code review（初掃 → 驗證 → 反駁）
- 大規模文件遷移（幾百個文件同時改）
- 跨來源深度研究（官方文件、論文、社群討論交叉驗證）
- 成本控制三招：
- 便宜模型（Haiku）做並行搜索，旗艦模型（Opus 4.8）做最終收束
- 下指令時設定預算上限，Claude 自動控制不超過
- 先用小資料夾試水溫，確認成本划算再放大規模
- 觸發方式：
- Prompt 直接寫「workflow」關鍵字
- 使用 `/effort ultracode` 讓 Claude 自動判斷
- 用內建 `/deep-research` 體驗現成 workflow
- 進度查看：
- 輸入 `/workflows` 看各階段 agent 數量、token 消耗、執行時間
- 執行前可查看原始腳本，確認後再跑
結論
結論“Dynamic Workflows 的真正價值在於用大量並行算力換取單次無法實現的廣度與可信度，但前提是任務必須能被切成一大堆可獨立、可並行的小塊，否則就只是在燒錢。”
完整解析
詳細Dynamic Workflows 是 Claude Code 推出的新功能，它改變了大規模任務的執行方式。當用戶提出複雜任務時，Claude 不直接執行，而是先寫出一段 JavaScript 腳本，由這段腳本在後台獨立環境指揮整個工作流程。這個創新解決了之前 subagent 的核心痛點——當派遣數十個 subagent 時，它們的所有執行過程和中間結果都會堆進主對話的 context，導致主對話快速膨脹、效率下降。而 workflow 把所有中間結果和指揮過程都留在腳本變數裡，只有最終答案送回主對話，因此無論派出多少 agent，主對話始終保持乾淨。
理解 workflow 與相關功能的區別需要問一個核心問題：下一步由誰決定？Workflow 的執行流程全由程式碼決定，具有完全的可預測性和可重複性；subagent 則是 Claude 臨場看狀況派人，每次執行可能略有不同；agent team 讓多個 agent 在同一個作戰室裡互相討論、互相補位、互相決策；skill 則是一份食譜或說明書，告訴 agent 如何做事，不是更多的火力而是更聰明的開火方式；goal 是指定一個終極目標，Claude 會持續迭代直到達成為止。
在成本優化方面，講者提供了三個實戰技巧。第一是層級化模型選擇，前期大量並行的搜索和初步篩選用便宜的 Haiku 處理，最後做總結、收束、報告生成時才換成強力的 Opus 4.8，這樣既能保證品質又能大幅降低成本。第二是直接設定預算上限，告訴 Claude 這次最多燒多少 token，它會自動在預算內優化執行策略。第三是漸進式測試，先讓 workflow 在一個小資料夾或小規模問題上跑，看看成本和品質後再決定是否放大。
實務上最適合用 workflow 的場景包括整個代碼庫的 bug 掃描、多維度 code review（先派一批 agent 找 bug，再派另一批 agent 驗證每個 bug 是否真的存在）、大規模的文件遷移、以及跨來源的深度研究。最簡單的入門方式是用 Claude Code 內建的 `/deep-research` 功能，它本身就是一個現成的 workflow，會自動多角度搜索、交叉驗證、投票決定，最後只把經過篩選的結果呈現給你。執行時還會先把整個計畫攤開讓你確認，甚至可以查看原始腳本，完全掌控權在你手中。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
